Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields论文阅读笔记-3

最新推荐文章于 2022-06-10 10:22:40 发布

NERV_0935

最新推荐文章于 2022-06-10 10:22:40 发布

阅读量274

点赞数

分类专栏：学术方向基础实践文章标签：人工智能机器学习深度学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_43207976/article/details/107395974

版权

学术方向基础实践专栏收录该内容

8 篇文章 0 订阅

订阅专栏

Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields论文阅读笔记-3

针对原论文2.2-2.4部分介绍的关键点置信图、部位亲和场、多人分割等内容作一简要笔记

身体部位关键点检测（计算S*_j（p））

x_j,k代表图中第k个人的第j种部位的标注点，p代表图中的每个像素点，S*_j,k（p）由于符合高斯分布，当p接近标注点x_j,k时，达到正态曲线的峰值，σ用于控制波峰的延展

在这里插入图片描述

对于k个人的S*_j,k（p），生成S*_j（p）的时候是按照多个高斯分布取max的方法来保留各个S*_j,k（p）的峰值。

在这里插入图片描述

S*_j（p）的结果实际上就是一张图片上身体部位j的部位分布置信图（热点图）

在这里插入图片描述

部位亲和场的计算（计算L*_c（p））

第k个人的第c种肢体的部位亲和场PAF定义如下，即当像素点p落在第k个人的第c种肢体上时，其值为连接第k个人第c种肢体的两个部位关键点（标注点）x_j₁,k和x_j₂,k间的单位向量，否则为0

在这里插入图片描述

而对于像素点p是否在第k个人的第c种肢体上，是通过该肢体的长度和宽度两个阈值定义的

在这里插入图片描述
L*_c（p）的定义如下，n_c（p）代表非零L*_c,k（p）的个数，实际上是对一个像素点p落在多个人的第c种肢体上的情况取了平均值

在这里插入图片描述

利用PAF计算两个部位之间的相关性（之后二部图匹配中各边的权重）

对于在身体部位关键点检测部分找到的多种部位，我们需要将其两两连接起来以构成肢体，该部分利用PAF计算两个部位间连接的可能性，即这两个部位是否可以构成某个人的某种肢体。这里用E代表两个部位的相关性，其值越大代表两个部位越相关。E的计算是通过两个部位关键点之间的单位向量与两个部位之间连线上的所有像素点在指定肢体的部位亲和场中的PAF向量的点积再进行积分得到的。

在这里插入图片描述

该式结合上式中的积分上下限u从0变化到1，说明p(u)实际上是d_j₁和d_j₂两个部位连线上的所有像素点。

在这里插入图片描述

二部图匹配完成部位的连接和多人分割

Z代表所有可能的肢体的集合

在这里插入图片描述
D代表身体部位的集合

在这里插入图片描述

Z_c代表仅限于两种部位之间的可能的肢体（1种肢体）的集合。当所有匹配边的权重和最大时的Z_c即为最可能的肢体集合

在这里插入图片描述

在这里插入图片描述 =1表示j1类肢体的m部位与j2类肢体的n部位可能存在连接，下两个式子保证了二部图匹配时每一类肢体中的一个部位只能在一个肢体中出现

在这里插入图片描述

下式将每种肢体最可能的集合相加，便得到了完整的最可能的肢体连接Z

在这里插入图片描述

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields论文阅读笔记-3

Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields论文阅读笔记-3Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields论文阅读笔记-3身体部位关键点检测（计算S*j（p））部位亲和场的计算（计算L*c（p））利用PAF计算两个部位之间的相关性（之后二部图匹配中各边的权重）二部图匹配完成部位的连接和多人分割Realtime Multi-Pers
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。