深度学习人体姿态估计纵览

声明：本文原文来源于medium博客，经本人翻译首发于CSDN，仅供技术交流所用。

原文：https://medium.com/beyondminds/an-overview-of-human-pose-estimation-with-deep-learning-d49eb656739b

基于深度学习的人体姿态估计技术介绍

作者： Bharath Raj

人体姿态骨架以图形格式表示人的活动。本质上，它是一组坐标，将坐标组合起来就可以描述人的姿态。骨架中的每个坐标都称为关键点（或关节）。两个关键点之间的有效连接称为肢体。请注意，并非所有关键点组合起来都会产生有效的配对（肢体）。人体姿势骨架示例如下所示。左图为：人体姿态骨架的COCO关键点格式。右图为渲染后的人体姿态骨架。
了解到一个人的姿态能够为几种真实的应用场景提供了便利之门，其中一些应用场景将在本博客最后讨论。经过多年的研究，这个领域已经引入了几种人体姿势估计的方法。其中，最早（也是最慢）的方法的典型特点是估计图像中仅有一个人的单个人活动的姿态。这些方法通常是首先识别人体的各个部位，接下来再在它们之间形成连接以创建姿态。

当然，这些方法在一些包含多个人的现实场景的图像中并不是特别有用。

多人姿态估计

由于图像中人的位置和人数未知，因此多人体姿态估计比单人体姿态估计更难。通常，我们可以使用以下两种方法之一解决上述问题：

• 最简单的方法是首先合并人物检测器，然后估计每个部位，最后计算每个人的姿态。这种方法称为自上而下的方法。如下图中的上半示意图所示。
• 另一种方法是检测图像中的所有部位（即每个人的部分），然后关联/分组属于不同人的部分。这种方法称为自下而上的方法。如下图中的下半示意图所示。