Udviklingen af ​​kraftfulde og populære maskinlæringsdrevne poseringsestimeringssystemer har været stigende i de seneste år. I denne forskning har vi undersøgt, hvordan nøjagtighedsniveauet kan øges ved at anvende lavniveau billedbehandlingsteknikker på optagelserne, før de sendes til positur-estimeringssystemet. De anvendte teknikker var høj og lav kontrast, histogramudligning, skarphed og genial kantdetektion. Ved at anvende dem på datasæt, indeholdende forskellige miljøer og lysforhold, blev systemets nøjagtighed øget, varierende fra 0,29 % stigning til 38,37 % stigning afhængigt af konteksten. Disse stigninger har potentiale til at opgradere poseringsestimeringssystemet til at være mindre lysfølsomt.