Improvement of Arm Tracking using Body Part Detectors

Millora del seguiment de moviment en la base de dades XWAS utilitzant deteció d'extremitats. This Ms thesis presents a new particle filtering approach for the human body pose estimation using video sequences. Although Particle Filters are suitable for non-linear and non-Gaussian processes, such as the estimation of the human pose, they are not able to efficiently explore the high-dimensional pose space. Hierarchical Particle Filter copes with such pose spaces by estimating subparts of the body independently. Typically, these systems are sensitive to fast motions or occlusions, since they strongly rely on the previously estimated pose. We reduce these weaknesses by introducing body part detections, produced by a novel detection framework based on multiple views, in the Hierarchical Particle Filter. Our method, termed Detector-Driven Hierarchical Particle Filter, introduces body part detections as cues in both particle generation and observation model. We focus our approach on the improvement of arm tracking, since arm motion estimation is usually the most challenging and common in natural scenes. Our system is evaluated in the publicly available IXMAS dataset. Comparative results between the proposed strategy and standard Hierarchical Particle Filter show the effectiveness of our algorithm. Este proyecto presenta un método basado en el filtro de partículas para el seguimiento del cuerpo humano utilizando secuencias de vídeo. Varios algoritmos, entre ellos el Hierarchical Particle Filter, han sido propuestos para solucionar los problemas de eficiencia que tienen los filtros de partículas en espacios de alta dimensionalidad, tales como el generado por la configuración de un esqueleto del cuerpo humano. Estos métodos, sin embargo, son sensibles a movimientos rápidos o a oclusiones, ya que dependen de la pose humana estimada anteriormente. Nuestro método reduce estas debilidades introduciendo detecciones de partes del cuerpo humano, obtenidas por un novedoso detector basado en múltiples vistas, en el modelo de observación y de generación de partículas del Hierarchical Particle Filter. En concreto, centramos nuestro método (llamado Detector-Driven Hierarchical Particle Filter) en la mejora del seguimiento de brazos, ya que los movimientos de estas partes son los comunes y, al mismo tiempo, los más difíciles de estimar. Finalmente, mostramos mediante resultados experimentales, en base de datos IXMAS, el incremento en la robustez del seguimiento. Aquest projecte p