人体骨骼关键点检测

challenge
关键点可见性受穿着，姿态，视角影响很大，而且面临着遮挡，光照，雾等环境的影响，2d人体检测和3d人体关键点视觉上会有明显的差异，身体的不同部位有视觉缩短的效果，使得人体骨骼关键点。
关键点检测算法
关键点检测算法主要分为自上而下和自下而上两种。

• 自上而下
  就是目标检测+单人骨骼关键点检测
  1关键点的局部信息区分度很弱，背景中很容易出现同样的局部信息造成的混淆，需要考虑较大的感受野区域。
  2 对于人体的不同部位，关键点检测的难易程度不一样，腰部腿部这类关键点检测明显难于头部关键点的检测，所以不同的关键点要区别对待
  3 自上而下的关键点依赖于检测算法提出的proposals，会有检测不准，或者重复检测
  人体检测加从人体关键点检测，目标检测将人检测出来，然后在检测框的基础上针对单个人做人体骨骼关键点的检测，主要有G-RMI,CFN,PMPE,MASK-RCNN.
  **convolution pose machine：**本文将深度学习应用到人体姿态估计用卷积图层表示纹理信息加空间信息，主要网络结构分为多个stage，第一个stage会产生初步的关键点检测，结果，接下来的几个stage均以前一个stage的输出从原图中提取的特征作为输入进一步提高关键点检测的效果。
  各局部响应图来表示部件之间的空间约束，响应图和特征图一起作为数据在网络中传递，人体关键点在空间上的先验分布会指导网络学习。
  使用多阶段监督，对各个阶段预测输出都有监督训练，避免过深网络的难以优化问题，感受野随着stage的增多而逐渐变大&#