Realtime Multi-Person 2D Pose Estimation using Part Affinity Fie...
需积分: 35 59 浏览量
2018-05-12
14:37:28
上传
评论 2
收藏 1.5MB PDF 举报
1
Adstract
我们提出了一种有效检测图像中多个人的 2D 姿势的方法。 该方法使用非
参数表示（我们称之为部分相似性字段（PAF））来学习将身体部位与图像中的个
体相关联。 该体系结构对全局上下文进行编码，从而实现了一种贪婪的 bottom-
up 的解析步骤，无论图像中的人数如何，都能保持高精度，同时实现实时性能。
该体系结构旨在通过同一序列预测过程的两个分支共同学习部分位置及其关联。
我们的方法首次应用于首席 COCO 2016 关键点挑战，并且在性能和效率方面均
大大超过了 MPII MultiPerson 基准测试的先前成果。
1.Introduction
人体二维姿态估计 - 定位解剖关键点或“部位”的问题 - 主要集中在寻找个
体的身体部位[8,4,3,21,33,13,25,31,6,24]。 推断图像中多个人的姿势，特别是社
会参与的人，提出了一系列独特的挑战。 首先，每个图像可能包含可能出现在
任何位置或比例的未知数量的人。 其次，由于接触，咬合和肢体关节，人与人
之间的相互作用导致复杂的空间干扰，使得关联部分变得困难。 第三，运行时
复杂度随着图像中人数的增加而增加，使实时性能成为一项挑战。
一种常用的方法[23,9,27,12,19]是使用 a person detector 并为每次检测执行
单人姿态估计。 这些 top-down 的方法直接利用现有的单人姿势估计技术
[17,31,18,28,29,7,30,5,6,20]，但遭受早期承诺：如果人员探测器失败 - 作为 当
人们靠近时很容易做到 - 无法追求恢复。 此外，这些 top-down 方法的运行时
间与人数成正比：对于每次检测，运行 a single-person pose estimator，并且人
数越多，计算成本越高。相比之下，bottom-up 的方法具有吸引力，因为它们提
供了早期承诺的稳健性，并有可能将运行时复杂度与图像中的人数分开。然而，
bottom-up 的方法并不直接使用来自其他身体部位和其他人的全局情境暗示。在
实践中，以前的 bottom-up 的方法[22,11]并不保留效率的增益，因为最终的解析
需要昂贵的全局推断。例如，Pishchulin 等人的开创性工作。 [22]提出了一种
bottom-up 的方法，共同标记零件检测候选人并将其与个人相关联。然而，在完
全连通的图上求解整数线性规划问题是一个 NP-hard，平均处理时间大约为几小
时。 Insafutdinov 等人。 [11]基于 ResNet [10]和基于 ResNet [10]的更强的部分
检测器以及与图像相关的成对得分，并大大改善了运行时间，但该方法仍然每个
剩余14页未读，继续阅读
资源评论
