一种联合人体检测与姿态估计的深度网络学习方法

摘要

本发明公开了一种联合人体检测与姿态估计的深度网络学习方法，通过CNN模型联合整体与局部信息进行检测，该模型通过共享卷积层高效地提取底层特征，然后将这些特征分别通过两个并联的分支，进行人体检测与姿态估计。本发明通过暗含树结构推理算法的Fusion模型来融合人体检测和姿态估计的结果，以得到鲁棒可靠的人体检测框。本发明通过NMS算法(poseNMS)，利用得到的人体部件的信息，有效地保留下相互遮挡的每一个个体。本发明使用树形结构模型将每个部分的信息嵌入到检测到的边界框中，并使用卷积网络实现推理算法。集合了整体建模与局部建模的优点，对于拥挤遮挡人群和和不常见姿态行为的行人拥有很好的检测效果，能更好的集成到实际应用中。