人体姿态估计总述

人体姿态估计简述

一、总述
人体姿态估计分为单人姿态估计和多人姿态估计，其中单人姿态估计的识别率达到了90%加，已经没有很大提升空间，近些年来比较热门的是在coco数据集上做多人姿态估计识别率的提升。 多人姿态估计分为bottom-up和top-down。其中bottom-up运算速度快，几乎能做到实时性，比较适合于移动端部署，缺点是运算准确率不如top-down。top-down作为一种来自于单人姿态估计的方法，准确率略高于bottom-up，但是运算时间随着人数的增加而增加。 2019的CVPR，姿态估计任务呈现出小爆发趋势， 并且3D 姿态估计即将成为主流。 任当然, 2D姿态估计任务仍然是值得去深入探讨的问题, 因为一些本质上的难题目前还没有完全的洞察和有效的解决方案, 比如严重遮挡,多人重叠问题等等。另外， 数据集MPII, COCO数据集上的"刷性能" 也依然是大家孜孜不倦的追求，性能再次来到了新高。（ 欧美国家喜欢方法创新，以及新问题的提出，中国研究机构更擅长占据性能的榜首）

人机交互：
1）用身体姿态或者手势取代笨重的设备，机器可以非常敏锐和仔细的发现你的意图。大疆spark手势识别控制飞行，不需手机和遥控器也能起飞，移动，自拍，录像，回收
2）AR方面可以做一些如试衣服和各种打扮的应用，VR游戏行业会更准确的捕捉使用者的姿态，像Kinect之类平台就会做的更好

影视制作：
利用人体姿态识别定位人体关节点运动轨迹并记录其运动数据, 实现3D动画模拟人体运动来制作电影电视。

视频监控：
1）照顾小孩，老人，医院病人甚至监控监狱犯人。