《Real-time 2D Multi-Person Pose Estimation》论文读一读

引言：这一篇论文是关于人体姿态的，更准确地说：应该是人体关键点检测的（也有学者称关节点），原文主要论述这篇文章是基于目前最火的姿态估计网络OpenPOSE实现的基础上，加以优化，使网络的运行速度以及精度上都有所提高。

论文地址：https://arxiv.org/pdf/1811.12004.pdf

1.introduction

        多人姿态估计是一项非常重要的任务，可以应用于多个领域，例如：动作识别，动态捕获，运动等，姿态估计的任务是预测在图像中每一个人的姿态骨架，骨架包括关键点（关节点）：脚裸、膝盖、臀部、肘关节等。

        在卷积神经网络CNN的助力下，人体姿态估计的精度大大提高了许多，然而关于紧凑且有效的姿态估计方法的研究甚少。作者9在手机上展示了一个简单的Mask- RCNN 关键点检测器，达到10FPS每秒，然而并没有提供实现的细节和精度的特征。

        在我们的工作中，我们优化了最流行的人体姿态估计方法OpenPose,并且展示了如何将CNN应用于姿态估计的任务中。我们运行的结果如下：

1》28 fps on mini PC Intel® NUC

2》26 fps on a usual CPU without the need of a graphic card

2.related work 相关工作

        多人姿态估计存在的问题可以使用两种方法解决。

        第一是自上而下：首先使用人体检测器，然后在被检测到的人使用姿态估计算法，因此姿态估计可以划分为两个子问题，可利用这两领域的最新成果分别解决。预测的速度绝大多数依赖于在图像中检测到的人的个数。

        第二种方法称为自底向上。首先检测到在图像中的所有关键点，然后按照人工实例对其进行分组，这种方法通常比第一种更快，因为找到依次关键点就不会再重复为每个人姿态估计。

        作者11提出了最快的自底向上的方法，在GTX1080Ti显卡上可以达到23FPS，如果图像中有三个人，如果有20人，将会达到15FPS。我们的方法是自底向上，它几乎和人数无关。。

3.分析OpenPose

        正如所有自底向上的方法，OpenPose的基础由两大部分组成：

1》神经网络预测提供两个张量：关键点热图和他们成对关系(part affifinity fifields, pafs)输出是8次下采样。

2》通过人体实例进行关键点分组。包括上采样到原图像大小，在热图的峰值提取关键点，并且按照实例进行分组。

 网络流程

        第一步：网络首先提取特征，然后初始热图和pafs估计，然后经过5个细化阶段，他能够找到18种关键点，然后分组搜索最佳关键点为其配对，例如左耳、左膝盖、左眼等，共有19对。

3.2complexity analysis（复杂性分析）

简化理解：

        最初使用VGG19网络，对结构做了修改。

        每个阶段由两个平行分支组成，一个用于热图估计，一个用于pafs。这两个分支具有相同的结构设计：如下图所示：

 4optimization优化

lightweight backbone 采用的是mobilenetV1（代替VGG网络）

5.conclusion（结果）

        精度与网络结构复杂度比提高了6.5倍以上。

6.结果图：

 自带

小琼实现 （图片来自网络，侵权请联系删除）

 #

2.结束

GAME OVER

如果理解错误，欢迎大家批评，及时纠正小琼的错误哦，真心感谢你的纠正！！！

如果小伙伴梦有疑问欢迎在评论区留言哦！！！

如果感觉不错的话！点个赞呗，不用客气！（O(∩_∩)O哈哈~）

欢迎和小伙伴梦一起学习，共同努力，加油！！！

 小琼独家所有

扫码有惊喜！！！