基于DeepPose和Faster RCNN的多目标人体骨骼节点检测算法

摘要

近年来,随着计算机视觉技术的不断发展,深度学习技术在人体关节节点检测中得到了很好的应用.但是由于人体关节结构复杂,关节之间存在相互依赖的关系和互相遮挡的问题,因此人体骨骼节点检测依然是一个极具挑战的任务.传统的模型难以预测多个目标的骨骼节点,为了解决这个问题,提出一种基于Faster RCNN和DeepPose相结合的方法,首先通过Faster RCNN检测出包含人体的感兴趣区域,并将该区域作为改进的DeepPose算法的输入,使其能够处理多目标关节节点检测的问题.实验表明,该算法在MPII数据集的手腕、膝盖两种关键节点检测上均取得最好结果,比之前的最好结果各提升1.2％和0.3％,在全部的关键节点检测上PCKh为87.6％.