基于YOLOv3剪枝模型的姿态和步态识别算法研究.pdfVIP

摘要

在计算机视觉的模式识别中，目标检测是一个非常具有挑战性并且极具现实意义的的研

究方向。多人姿态估计作为计算机视觉领域的一个重要组成部分，也影响着很多其它研究方

向，包括但不限于人机交互、体感技术等。随着当下全球化的趋势愈加明显，安全问题也日

益严峻，相比较于其它用于伪装身份的方法，步态由于其不可伪装性、远距离性等特点成为

了当下各国安全的研究重点。近年来，随着计算机软硬件的大力发展和数据量的爆炸式增长，

深度学习在计算机视觉领域表现十分优异，基于深度学习的多人姿态估计和步态识别方法也

在各个领域发挥出重要的作用。

论文首先介绍了多人姿态估计和步态识别技术的研究背景和意义，详细阐述了国内外的

研究现状，包括主流的步态识别算法，并对当前技术存在的问题进行了分析；随着卷积神经

网络和深度学习在计算机领域的大放光彩，论文仔细介绍了深度学习的基本理论知识和重要

概念。本文主要展开了以下两方面的工作和创新：

(1)首先提出了基于YOLOv3（YouOnlyLookOncev3）的多人姿态估计算法（YOLOPose

Estimator,YLPE），针对算法存在的参数量过大和计算冗余等问题，进一步提出了基于模型剪

枝的多人姿态估计算法（YOLOv3PrunePoseEstimator,YLPPE）。该算法采用自顶向下框架，

利用YOLOv3网络对多人图片进行人体目标检测，将检测所得人体包围框通过裁剪、补零等

操作生成新的256256大小的单人图片，最后将单人图片依次输入堆叠沙漏网络（Stacked

HourglassNetwork,SHN）进行人体关节点检测，并利用中心点回归法则将检测到的关节点回

归至原始图片。该算法利用批量归一化（BatchNormalization,BN）层的缩放因子对YOLOv3

网络进行循环迭代式通道剪枝，给BN层的每一个通道引入缩放因子，将缩放因子较小的通

道视为冗余通道并移除，从而大幅降低网络的整体计算量。通过对剪枝后模型进行实验验证，

YOLOv3剪枝模型参数量下降46%，但精度只下降了0.5%。YLPE算法在MPII数据集上达

到了84.1mAP，而YLPPE算法为83.7mAP。同时，算法与DeeperCut模型、RMPE模型等进

行比较也获得了较为明显的精度领先。

(2)提出了基于HP-GSI融合的步态识别算法。当前步态识别的主流方法是基于人体姿态

（HumanPosture,HP）和基于步态轮廓图(GaitSilhouetteImage,GSI)两类，前者存在关节点定

位不准确等问题，而后者受行人穿着和视角影响较大，针对上述问题论文提出了一种基于HP-

GSI融合的步态识别算法，其中算法所用数据集是由YLPPE算法对原始CASIA-B步态数据

集进行图片尺寸裁剪和关节点信息提取所得。算法基于卷积神经网络实现的HP步态识别模

块和GSI步态识别模块，其中，模块分别采用了集合池化（SetPooling,SP）层结合完整步态

周期图片特征，从而获得步态的时序特征。将视频分别输入这两个模块获得识别置信度和识

别结果，再采用改进AND的决策层特征融合方法，得到最终检测结果。基于HP-GSI融合的

行人步态识别算法在CASIA-B数据集上达到了75.8mAP，相比较于单独识别模块有了一定提

升，证明了特征融合的有效性。

关键词多人姿态估计，步态识别，深度学习，模型剪枝，特征融合

ABSTRACT

Inthepatternrecognitionofcomputervision,targetdetectionisaverychallengingandrealistic

researchdirection.Asanimportantpartofcomputervision,multi-personposeestimationalsoaffects

manyotherresearchdirections,includingbutnotlimitedtohuman-computerinteractionand

somatosensorytechnology.Withthetrendofglobal