-
题名基于全局姿态感知的轻量级人体姿态估计
被引量：2
- 1
-
-
作者
刘玉杰
张敏杰
李宗民
李华
-
机构
中国石油大学(华东)计算机科学与技术学院
中国石油大学胜利学院
中国科学院计算技术研究所智能信息处理重点实验室
中国科学院大学计算机科学与技术学院
-
出处
《图学学报》
CSCD
北大核心
2022年第2期333-341,共9页
-
基金
国家重点研发计划项目(2019YFF0301800)
国家自然科学基金项目(61379106)
山东省自然科学基金项目(ZR2013FM036,ZR2015FM011)。
-
文摘
人体姿态估计是近年来人机交互领域的热点话题。当前,常见的人体姿态估计方法集中在通过增加网络的复杂性来提高精度,却忽视了模型的效益问题,导致模型在实际应用中精度高但计算资源消耗巨大。针对这一问题设计了一个基于全局姿态感知的轻量级人体姿态估计模型,其在MSCOCO数据集上精度达68.2%AP,速度保持在255 fps,参数量和FLOPS仅为OpenPose方法的10%和0.9%。在人体姿态估计任务中,根据预测的关键节点数量来设置网络的输出通道数,导致对每个关键点的检测都是独立的。关键点之间的相对位置、整体布局等全局信息在困难样本的姿态估计任务中非常重要,但是在之前的研究中未考虑到。为了利用全局姿态信息,设计了一个全局姿态感知模块来提取全局姿态特征,并利用双分支网络融合全局和局部姿态特征。实验表明,利用全局姿态感知模块的轻量级人体姿态估计网络在MPII和MSCOCO数据集上精度分别提高了1.5%和1.3%。
-
关键词
人体姿态估计
轻量级
全局姿态感知
双分支网络
特征融合
-
Keywords
human pose estimation
lightweight
global pose perception
two-branch network
feature fusion
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
