人体姿态估计总结

最新推荐文章于 2025-03-02 11:03:04 发布

NoMorningstar

最新推荐文章于 2025-03-02 11:03:04 发布

阅读量8.1k

点赞数 1

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/qq_20657717/article/details/81916514

本文介绍了多种人体姿态估计技术，包括Flowing ConvNets、Stacked Hourglass Networks、Structured Feature Learning、RMPE等，详细阐述了它们的工作原理和应用场景。Stacked Hourglass Networks通过多尺度特征捕捉关节位置，而AlphaPose和CPN则采用了级联和金字塔网络结构来提高准确性和鲁棒性。同时，DensePose引入了密集对应的真实数据集，以回归人体表面的坐标。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Flowing ConvNets for Human Pose Estimation in Videos

2015 年 flow convnet 将姿态估计看作是检测问题,输出是 heatmap。其创新点在于从卷积神经网络的 3 和 7 层提取出来,再经过卷积操作,称之为空间融合模型,用来提取关节点之间的内在联系;同时使用光流信息,用来对准相邻帧的 heatmap 预测。最后使用参数池化方法,将对其的 heatmap 合并成一个 scoremap。

Stacked Hourglass Networks

对给定的单张 RGB 图像,输出人体关键点的精确像素位置,使用多尺度特征,捕捉人体各关节点的空间位置信息。网络结构形似沙漏状,重复使用 top-down 到 bottom-up 来推断人体的关节点位置。每一个 top-down到 bottom-up 的结构都是一个 hourglass 模块。
https://github.com/umich-vl/pose-hg-demo

Structured Feature Learning

2017 年王晓刚组的 structured pose 也是在 CNN 的基础上进行微调,其创新点在于在卷积层使用几何变换核,能够对关节点之间的依赖关系进行建模,此外还提出了双向树模型,这样每个关节的 feature channel 都可以接收其他关节的信息,称之为信息传递,这种树状结构还能针对多人进行姿态估计。但是这种多人姿态估计的准确度不高，方法还是基于单人的比较好。
http://www.ee.cuhk.edu.hk/~xgwang/projectpage_structured_feature_pose.html

RMPE

Regional Multi-Person Pose Estimation是上海交大和腾讯优图的论文，被 ICCV 2017接收。它对于多人姿态估计的方法采用传统的自顶向下的方法，即先检测人，再识别人体姿态。检测使用的是SSD-512，识别人体姿态使用的是state-of-the-art的Stacked Hourglass方法。致力于解决对于imperfect proposal，通过调整，使得crop的单人能够被单人姿态估计方法很好的识别，从而克服检测带来的定位误差。