-
题名结合通道注意力的特征融合多人姿态估计算法
被引量：3
- 1
-
-
作者
黄晨
高岩
-
机构
华东师范大学软件工程学院
华东师范大学计算机学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第1期142-146,共5页
-
基金
国家自然科学基金项目(61972157,61672237)资助。
-
文摘
为了提高二维复杂场景下多人姿态估计准确度和速度,提出了一种Mobile-YOLOv3模型与多尺度特征融合全卷积网络相结合的自顶向下多人姿态估计方法.利用深度可分离卷积改进YOLOv3网络以作为高效的人体目标检测器.针对网络特征下采样过程中上层高分辨率信息不断遗失问题,在经典U型网络结构中嵌入多尺度特征融合模块,从而使网络中的低尺度特征也包含高分辨率信息,并在特征融合模块中引入通道注意力机制,进一步突出多尺度融合特征图的关键通道信息.试验结果表明:相比于堆叠沙漏网络(Stacked Hourglass Network,SHN)和级联金字塔网络(Cascaded Pyramid Network,CPN),文中所提出的人体姿态估计算法在COCO数据集上的姿态估计平均准确率分别提高了4.7和3.7.
-
关键词
多人姿态估计
深度可分离卷积
U型网络
多分辨率特征
通道域注意力
-
Keywords
multi-person pose estimation
depth-wise separable convolution
U-net
multi-resolution features
channel domain attention
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于深度可分离卷积的实时多人姿态估计
被引量：7
- 2
-
-
作者
肖文福
孙燚
陈恩庆
-
机构
郑州大学信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2020年第S02期348-350,353,共4页
-
基金
国家自然科学基金河南联合资助项目(U1804152)
-
文摘
人体姿态估计是计算机视觉领域中的一个重要研究方向,用来实现从图像或视频中检测人体若干关键点位置。Open Pose模型是一种基于卷积神经网络的多人姿态估计方法,其主要缺点是所需运算量较大且无法在嵌入式设备上实时实现。为了使Open Pose模型能够在嵌入式终端Jetson TX2上快速运行,实现实时多人姿态估计,针对传统Open Pose模型进行改进,一是优化减少了Open Pose模型重复的阶段数,二是把其中的一些标准卷积层替换为深度可分离卷积层。分析和仿真结果表明,使用深度可分离卷积改进的Open Pose模型可以在保留较高精度的同时显著减少计算量。改进的Open Pose模型平均精度AP值下降了5.3%,但运行速度提升了130%,从而使改进Open Pose模型在计算资源相对较少的嵌入式AI计算设备上能够实现实时多人姿态估计。
-
关键词
多人姿态估计
OpenPose
部位亲和力场
深度可分离卷积
Jetson
TX2
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于MSP的多人姿态估计算法
被引量：3
- 3
-
-
作者
韩孝天
万旺根
-
机构
上海大学通信与信息工程学院
上海大学智慧城市研究院
-
出处
《电子测量技术》
2019年第19期79-84,共6页
-
基金
上海市科学技术委员会港澳台科技合作项目(NO.18510760300)资助
-
文摘
基于2D图像的多人姿态估计是理解人类行为的一项基础技术,同时也极具挑战性。近年来,由于卷积神经网络的快速发展,多人姿态估计的准确率得到了显著提升。但与此同时,算法和模型的复杂度也不断提高,这使得算法的研究和应用变得更加困难。本文通过研究人体检测的准确性、人体姿态估计的优化对多人姿态估计准确率的影响,提出了一种简单有效的自上而下的多人姿态估计算法,它由3个模块组成,人体检测、人体姿态估计以及人体姿态优化。在公共数据集上进行了实验分析,结果表明该算法可以明显提高多人姿态估计的准确性。
-
关键词
多人姿态估计
人体检测
人体姿态估计
人体姿态优化
-
Keywords
multi-person pose estimation
human detection
human pose estimation
human pose optimization
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的二维人体姿态估计:现状及展望
被引量：9
- 4
-
-
作者
李佳宁
王东凯
张史梁
-
机构
北京大学计算机学院
-
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2024年第1期231-250,共20页
-
基金
国家自然科学基金(U20B2052,61936011)
国家重点研发计划(2018YFE0118400)资助。
-
文摘
二维人体姿态估计旨在从摄像机拍摄的图像中识别并定位每个行人的人体关键点.作为行人分析和理解领域的基础任务之一,人体姿态估计能够为多个下游任务和应用提供支持.近年来,随着深度学习技术的进步,人体姿态估计的研究迎来快速发展.基于图像包含的行人数量,人体姿态估计可以分为单人姿态估计和多人姿态估计两大类.本文首先介绍人体姿态估计的研究背景、问题定义、任务难点以及当前方法中的关键点表示方法.在此基础上,本文进一步总结和介绍了具有代表性的单人姿态估计和多人姿态估计方法.单人姿态估计方法包括回归法和检测法,主要关注于网络结构设计、热力图编解码、多任务学习等.对于多人姿态估计,本文分别介绍了基于热力图预测的方法和基于向量场回归的方法.随后,本文总结了当前常用的代表性数据集和性能度量方法,总结了代表性方法在几个常用数据集上的性能,对它们的预测错误的场景进行了详细分析和对比.最终,本文分析了现有二维人体姿态估计算法仍未有效解决的难题,对未来研究进行了展望.
-
关键词
单人姿态估计
多人姿态估计
深度学习
自顶向下
自底向上
向量场回归
-
Keywords
single-person pose estimation
multi-person pose estimation
deep learning
top-down
bottom-up
regression
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名污染场地修复环境中人体姿态估计算法研究
- 5
-
-
作者
张宝峰
田宇
朱均超
刘娜
-
机构
天津理工大学天津市复杂系统控制理论及应用重点实验室光电器件与通信技术教育部工程研究中心
-
出处
《计算机应用与软件》
北大核心
2023年第2期212-216,235,共6页
-
基金
天津市互联网跨界融合创新科技重大专项(18ZXRHSF00240)。
-
文摘
针对污染场地修复环境中背景复杂、人体遮挡、视点变化等突出问题,提出一种基于沙漏网络的人体姿态估计算法,在有效过滤复杂背景的同时,提高姿态估计的准确性与鲁棒性。该算法利用感受野与注意力机制,对沙漏网络中的传统残差模块与跳级连接结构进行了改进。其通过扩大有效感受野面积,提高了人体关键点之间的关联性;通过对人体区域添加掩模,保留住关键人体信息的同时,过滤掉复杂背景。实验表明,提出的模型在MPII多人数据集上mAP检测精度达到83.1%,在MSCOCO Test-dev数据集上平均精度较Mask R-CNN、RMPE模型分别提升了9.6百分点和0.4百分点。
-
关键词
多人姿态估计
沙漏网络
感受野
注意力机制
-
Keywords
Multi-person posture estimation
Hourglass network
Receptive field
Attention mechanism
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名深度学习方法在二维人体姿态估计的研究进展
被引量：8
- 6
-
-
作者
张国平
马楠
贯怀光
吴祉璇
-
机构
北京联合大学北京市信息服务工程重点实验室
北京工业大学信息学部
北京联合大学机器人学院
-
出处
《计算机科学》
CSCD
北大核心
2022年第12期219-228,共10页
-
基金
国家自然科学基金(61871038,61931012)。
-
文摘
人体姿态估计的任务是对图像或视频中的人体关键点进行定位和检测,其一直是计算机视觉领域的热点研究方向之一,也是计算机理解人类行为动作的关键一步。近年来,图像和视频中的二维人体姿态关键点预测在许多领域有着广泛的应用,二维人体姿态估计利用深度学习强大的图像特征提取能力,提升了其鲁棒性、准确性并缩短了处理时间,而且表现效果远超传统方法。根据二维人体姿态研究对象数量的不同,可将其分为单人以及多人姿态估计方法。针对单人姿态估计,根据提取到的关键点表示的不同,可采用基于直接预测人体坐标点的坐标回归方法,以及预测人体关键点高斯分布的基于热图的检测方法;针对多人姿态估计,可采用的方法分为解决多人到单人过程的自顶向下方法,以及直接处理多人关键点的自底向上方法。根据现有的人体姿态估计方法对其进行总结,说明网络结构的内部机制及执行过程,并对常用的数据集、评价指标进行分析,最后阐述当前面临的问题及未来发展趋势。
-
关键词
二维人体姿态估计
深度学习
单人姿态估计
多人姿态估计
评价指标
-
Keywords
Two-dimensional human pose estimation
Deep learning
Single-person pose estimation
Multi-person pose estimation
Evaluation metrics
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
