热图引导连接的人体姿态估计方法

摘要

人体姿态估计是计算机视觉研究领域的重要方向之一,广泛应用于人类活动识别、人机交互等方面,但人体姿态估计方法准确度上通常表现较差.基于上述问题,提出一种基于热图引导连接(heatmap-guided connection,HGC)的人体姿态估计方法,用于在保持低算法复杂度的同时提高回归精度.HGC方法利用关键点热图引导关键点回归,并采用一种尺度自适应热图估计,以处理人体实例在尺度的多样性;然后,通过构建一种联合最终姿态结构和关键点热值的评分网络,实现待估计姿势与数据集中真实姿态良好的拟合效果.实验结果表明,低复杂度情况下,所提出的HGC方法在COCO数据中平均精度得分达到72.9,优于当前主流的算法.