-
题名多分辨率特征融合的人体下肢关键点检测
- 1
-
-
作者
夏晓华
向浩鸣
陈坚
冯鑫淼
邱法博
王耀耀
-
机构
长安大学陕西省高速公路施工机械重点实验室
-
出处
《光学精密工程》
北大核心
2025年第14期2291-2302,共12页
-
基金
国家自然科学基金(No.61901056)
陕西省重点研发计划项目(No.2025CY-YBXM-545)。
-
文摘
现有的人体关键点检测模型缺乏对高分辨率特征的关注,训练中使用的数据集分辨率较低且标注误差较大,导致其在步态分析等任务中检测结果不稳定,定位精度较差。针对上述问题,提出一种基于多分辨率特征融合的人体下肢关键点检测模型,以高分辨率图像作为网络输入,利用微调的MobiliNet v1网络结合注意力机制提取全局低分辨率特征,初步预测关键点位置,通过与之并行的浅层网络提取局部高分辨率特征,然后采用连续残差结构与注意力机制将不同分辨率特征融合,提升预测关键点的准确性,并有效缓解高分辨率图像带来的高计算量问题。通过预标记的方式制作高分辨率、高精度的人体下肢关键点数据集以确保模型训练的准确性。以模型复杂度、检测速度、检测精确率以及检测误差为评价指标,与其他经典和先进的方法进行实验对比。结果表明,所提模型的测试检测率达到95.2%,均优于Light⁃weight-OpenPose,HRNet-W32,HRNet-W48,YOLO-Pose,RTMPose和SimCC模型,检测精确率提升了4.1%~83.6%,FPS提升了7.6~13.9。证明了提出的模型在高精度人体下肢关键点检测中的有效性。
-
关键词
人体下肢关键点检测
多分辨率特征融合
注意力机制
预标记
-
Keywords
human lower limb keypoint detection
multi-resolution feature fusion
attention mechanism
pre labeling
-
分类号
TP394.1
[自动化与计算机技术—计算机应用技术]
-
