学习感悟（人体姿态估计与识别技术）

1.姿态估计与识别技术的简介

2.研究方法

3.感悟

姿态估计与识别技术的简介

随着深度学习技术的快速发展，极大的推动了人体姿态估计与识别的研究。网络结构的精度得到了很大的提高，但是训练出来的模型参数很大。算法 的复杂度主要来自于模型本身的设计复杂对和深度学习卷积网络参数计算。
从静态图像与视频序列，单目标与复杂目标阐述了当前人体姿态估计与识别的研究现状。通过基于卷积神经网络的图像处理算法与传统图像处理算法进行比对，说明了轻量化网络的技术手段和高效率的特征提取技术。姿态估计与行为技术一方面应用于实现高质量的人机交互体验，另一方面，用于行为预判功能的实现，分析当前的行为，推测下一时间轴的若干行为。而识别的场景也从静态图像到动态视频，从单一个体到复杂场景多目标识别。基于视觉的人体姿态估计有两种方法，一种是基于模板匹配的方法，另一种是基于机器学习的方法。基于深度学习的人体姿态估计能够快速将样本标签中的人体姿态信息进行拟合，从而生成具有姿态分析能力的模型。

研究方法

1.卷积神经网络技术
典型的卷积神经网络的隐藏层大方向可以分为两个部分，一个线性变换层（卷积，池化，连接）负责模型的线性泛化能力。另一个是非线性层，用来激活函数来获取非线性分类能力。
卷积神经网络是最突出的特征是自动拟合所需的特征。首先通过卷积操作老获取特征，然后级联池化层来控制特征映射图的尺寸，再通过样本标签的对比来修正卷积核的参数，自动生成需要的特征图，这