基于深度学习的人体姿态检测算法综述_张增会.pdfVIP

ISSN1009-3044 E-mail：eduf@ ComputerKnowledgeandTechnology 电脑知识与技术 ComputerKnowledgeandTechnology电脑知识与技术 第17卷第27期(2021年9月) http：// Vol.17,No.27 September 2021 Tel：+86-55165690964 基于深度学习的人体姿态检测算法综述 张增会，姚彦鑫 （北京信息科技大学，北京 100101） 摘要：近年来随着深度学习和人工智能的蓬勃发展，人体姿态检测逐渐成为计算机视觉领域研究的热点问题，许许多多的 人体姿态检测方法和研究理论也在被不断地提出。人体姿态检测可以理解为人体关键点识别以及连接问题，本文通过对 姿态检测的算法的描述，主要介绍单人与多人这两种主要人体姿态检测的主流算法，同时重点对于多人场景下的人体姿 态检测算法介绍。通过对不同算法的对比得出各个算法的优缺点，并对人体姿态检测的应用进行阐述。本文的结尾结合 人体姿态检测领域的发展现状，对此领域的未来发展趋势进行展望。 关键词：深度学习；人体姿态检测；人体关键点识别 中图分类号：TP311 文献标识码：A 文章编号：1009-3044(2021)27-0092-02 开放科学（资源服务）标识码（OSID）： DOI:10.14004/ki.ckt.2021.2715 1概述 利用残差网络的购车还能够给可以更加有效的提取不同尺度 的特征信息，除此之外，使用多个沙漏网络进行堆叠对于捕捉 随着计算机技术的不断进步以及人工智能时代的来临，人 不同特征点间的空间关系也具有十分重要的作用，通过对多个 体姿态识别技术已经成了计算机视觉领域不可或缺的一部分， 沙漏模块的堆叠，通过卷积层和下采样层之后，与随后的上采 也越来越引起各个国家和科研机构的重视。人体姿态检测作 样层获取的特征进行融合，最终获得图像的多尺度的特征图， 为计算机视觉当下的研究热点，在生活中也具有十分广泛的应 由此可以多层次的提取图像中多尺度特征，与残差网络中可能 用，例如在视频监控烦那个面对公共领域的安全问题进行保 出现的特征丢失相互补。 障，以及在人机交互方面增强人与机器之间的流畅度。 一般来说人体姿态检测从算法层面上讲就是先使用卷积 神经网络将图片或者视频中的人体的关键节点检测出来，然后 对这些关键点进行连接的一个过程。通过对人体不同的关键 点之间的连接得到人体完整的人体节点信息。在将深度学习 算法应用于人体姿态检测之前，不少算法采用基于图形结构[1] 算法来处理人体姿态检测问题。这些方法主要是基于局部检 测器，局部检测器使用的原理即通过人体关键点之间的内在联 系来建立模型，虽然在识别精确度方面有所提高，但是往往容 图1 堆叠沙漏网络结构图 易受到拍摄角度以及光照等不确定因素的影响。除此之外还 2.2卷积姿态机 [2] 容易受到人工标注等因素的制约，如边缘特征 ，方向梯度直方 [5]