人体姿态识别-pose estimation

体姿态估计（pose estimation）

即识别图像中的人体关键点（人体上有一定自由度的关节，如头、颈、肩、肘、腕、腰、膝、踝等）并正确的联系起来，通过对人体关键点在三维空间相对位置的计算，来估计人体当前的姿态。

OpenPose 是基于卷积神经网络和监督学习并以 caffe 为框架写成的开源库，可以实现人的面部表情、躯干和四肢甚至手指的跟踪，适用多人且具有较好的鲁棒性。是世界上第一个基于深度学习的实时多人二维姿态估计，为机器理解人类提供了一个高质量的信息维度。其理论基础来自《Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields》，是 CVPR 2017 的一篇论文，作者是来自 CMU 感知计算实验室的曹哲、Tomas Simon、Shih-En Wei、Yaser Sheikh。项目地址： https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation

链接：https://juejin.im/post/5bd00c58e51d457a53710e8a

为什么 Openpose 有如此突破性地效果：

以往的识别思路是自上而下：先找人，找到人了再进一步区分身体不同部分。Openpose 则是自下而上：先找手脚关节等特征部位，再组合人体；Openpose 团队将人脸识别、手部识别的已有成果整合到了姿态识别中，取得了更好的效果；
有了大数据的支持，这是过去的研究所没有的。