Extending 3D body pose estimation for robotic-assistive therapies of autistic children

要約

ロボット支援療法は、自閉症の子供にとって非常に心強い結果を示しています。
子供の姿勢を正確に推定することは、人間とロボットの相互作用と治療評価の両方の目的で不可欠です。
これらの子供たちは接触に敏感であるため、非侵入的な方法が唯一の実行可能な選択肢です。
深度カメラは広く使用されていますが、既存の方法は 2 つの大きな制限に直面しています。(i) 通常、これらの方法は成人のみのデータでトレーニングされており、子供のポーズを正しく推定できません。(ii) オクルージョンの数が多いシナリオでは失敗します。
。
したがって、私たちの目標は、既存の最先端の 3D 身体モデリング手法を採用し、入力の 1 つを微調整するために線形回帰モデルを組み込むことにより、子供向けの 3D 姿勢推定器を開発することであり、それによって子供の姿勢を修正することでした。
3D メッシュ。
制御された設定では、私たちの方法の誤差は 0.300 万ドル未満であり、この種のアプリケーションでは許容可能であると考えられており、現在の最先端の方法よりも低いと考えられます。
実際の設定では、提案されたモデルは Kinect 深度カメラと同様に動作し、はるかに多くのフレームで 3D 体のポーズを正常に推定できます。

要約(オリジナル)

Robotic-assistive therapy has demonstrated very encouraging results for children with Autism. Accurate estimation of the child’s pose is essential both for human-robot interaction and for therapy assessment purposes. Non-intrusive methods are the sole viable option since these children are sensitive to touch. While depth cameras have been used extensively, existing methods face two major limitations: (i) they are usually trained with adult-only data and do not correctly estimate a child’s pose, and (ii) they fail in scenarios with a high number of occlusions. Therefore, our goal was to develop a 3D pose estimator for children, by adapting an existing state-of-the-art 3D body modelling method and incorporating a linear regression model to fine-tune one of its inputs, thereby correcting the pose of children’s 3D meshes. In controlled settings, our method has an error below $0.3m$, which is considered acceptable for this kind of application and lower than current state-of-the-art methods. In real-world settings, the proposed model performs similarly to a Kinect depth camera and manages to successfully estimate the 3D body poses in a much higher number of frames.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google