OpenPose姿态估计（Pose Estimation）

一、概述         

        人体姿态估计是计算机视觉领域的一项技术，它指的是通过图像或视频数据来识别和追踪人体关键部位（如头部、四肢关节等）的位置，并利用这些信息重建出人体的姿态。简单来说，就是让计算机“看”到人体，并理解人体的各种姿势。姿态估计效果如下：

        一般情况下的标注信息如下：COCO提供一共17个关键点（不同的数据集可能不一样），如下图。但是我决定用18个，多出一个是脖子，脖子可以用两侧肩膀的平均值做替代，所以可能相对于实际脖子，位置会偏下。

        基于深度学习的方法，尤其是卷积神经网络（CNN）和相关变体，在人体姿态估计领域取得了显著进展。这些方法能够学习到复杂的特征，从而在处理多样化和复杂的人体姿态时表现出色。

二、主要方法

2.1 TopDown方法

        两步走：①检测到所有人的框②对每个框进行姿态估计输出结果

        这样保证了准确率，因为每个框中只有一个人，再对每个框单独做一个回归，每个框去预测实际的关键点位置。

        但是缺点也存在，如姿态估计主要是由目标检测所决定，假如两个人出现重叠，只能检测到一个人，那肯定会丢失一个目标；

        且计算效率较低，假如一张图像存在多个人，要先进行目标检测（如Yolo），那么姿态估计就相当慢了，这也是这个方法的最大问题，很难做到实时的姿态估计。所有该方法一般用于离线时，想要检测姿态估计做的准确，那么就使用这种方法。

2.2 OpenPose的方法

        思路：首先得到所有关键点的位置（头、肩膀、胳膊、腿、脚等等）&#x