人体姿态识别综述

1.人体姿态估计概述

通过图像、视频中的人像信息，将人的姿态描述出来，重建一个人体的姿态。

主流的方法有2D人体姿态估计和3D人体姿态估计，都是基于深度学习的方法。

2.2D人体姿态识别

- 单人姿态估计

- 多人姿态估计

2.1.单人姿态估计

- 基于坐标回归

- 基于热图检测

基于回归直接去找关键点，关键点可能是单个像素，然后与标定的关键点做损失优化。当遇到图片分辨率高其误差也会加大，计算效果差。输入图片，输出8个点。
基于热力图，放大关键点，可能是一堆像素点，每个像素点的置信度不一样，蓝圈里面的更精确，红圈的就没那么精确。输入图片，输出热力图。

2.2.多人姿态估计

- 自顶而下

- 自底而上

自顶而下：先检测人，把人圈出来，再在圈里面找关键点
自底向上：先检测关键点，再组装成一个个的人。

3.3D人体姿态估计

三维人体姿态估计可分为单目、多目、时间序列。这里只讲多目：

- 匹配+三角化重建（先2D后3D）

- 3D空间体素化

这里首先在每张图片（视角）下重建出2D姿态，再进行对角化，匹配每个关键点，建立3D模型。其缺点在于过度依赖2D的检测结果，匹配关键点与三角化中没有监督。

通过提取各个视角中的热力图直接投影在三维空间，再去定位人物，寻找关键点。