2D人体骨骼估计调研

本文介绍了2D人体骨骼估计的检测方法,包括从底向上和从顶向下的两类。重点讨论了CPM、Stacked Hourglass、G-RMI、Mask-RCNN、RMPE、CPN和PAF(OpenPose)等模型的特点和应用场景,指出CPN适用于注重效果的情况,而PAF适合实时多人检测。
摘要由CSDN通过智能技术生成

由于是从Word文档直接复制过来,其中格式如果乱码或者不通顺,请评论区告知我

一.相关资料

人体骨骼估计是指检测识别人体关节点位置的过程。
  2015年之前的人体骨骼估计方法主要是回归方法(Deep pose),即回归出图片中人体精确的关节点坐标。缺点是人体躯干灵活,回归方法的可扩展性较差;
  2015年后的方法主要采用检测方法,大多数是结合热图(heatmap)来实现,即对检测画面和前后几帧的画面输出每一帧预测的heatmap,然后将若干heatmap整合到当前帧上,再将其输入到卷积层中,最后使用整合的heatmap最大值作为关节点。
  检测效果比回归好,所以主要查了检测的相关方法。

二.检测方法分类

可分为两大类,一类是从底向上(Bottom-up),即先识别所有关节,再判断每个关节属于哪一个人的;另一类是从顶向下(Top-down),即先识别出图片中所有人,再对每个预测框单独识别框内的关节。
 主要的检测方法可分为:
在这里插入图片描述

三.各类检测方法的特点

1.CPM (convolution pose machine) [1]

(1)结构图

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值