模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2020, Vol. 33 Issue (10): 944-950    DOI: 10.16451/j.cnki.issn1003-6059.202010009
“结构化特征学习的目标检测与识别”专辑 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于可变形卷积的多人人体姿态估计
赵云霄1,2,3, 钱宇华1,3, 王克琪1,3
1.山西大学 大数据科学与产业研究院 太原 030006;
2.吕梁学院 计算机科学与技术系 吕梁 033000;
3.山西大学 计算机与信息技术学院 太原 030006
Multi-person Human Pose Estimation Based on Deformable Convolution
ZHAO Yunxiao1,2,3, QIAN Yuhua1,3, WANG Keqi1,3
1.Institute of Big Data Science and Industry, Shanxi University, Taiyuan 030006;
2.Department of Computer Science and Technology, Lüliang University, Lüliang 033000;;
3.School of Computer and Information Technology, Shanxi University, Taiyuan 030006

全文: PDF (5282 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 目前针对人体姿态估计的深度神经网络都是在特征图的固定位置上进行采样,无法对人体姿态的几何变换进行建模,当人体实例在尺寸、姿势、拍摄角度等方面发生变化后,网络泛化能力较差.因此,文中提出基于可变形卷积的多人人体姿态估计方法.利用可变形卷积对目标几何变换建模能力较强的特性,设计特征提取模块,可在人体关键点几何变化的条件下保证检测的准确性.为了进一步提高网络性能,利用预训练残差网络.模型的预测值与二维高斯模型生成的真值用于计算损失,并迭代训练模型,能在拍摄视角、附着物及人物尺度变化等复杂条件下有效检测人体关键点.实验表明,文中模型可有效提升人体关键点检测的准确性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
赵云霄
钱宇华
王克琪
关键词 计算机视觉人体姿态估计人体关键点检测深度学习    
Abstract:Deep neural networks for human pose estimation all sample at the fixed position of the feature map, and therefore it is difficult to model the geometric transformation of human pose. The generalization ability of the network is poor with the variation of the size, pose and shooting angle of the human instance. To solve this problem, multi-person human pose estimation based on deformable convolution is proposed.Based on the strong ability of deformable convolution in modeling geometric transformation of targets, a feature extraction module is designed to ensure the detection accuracy under the geometric changes of human key points. To further improve the performance of the network, the prediction value of the model and the truth value generated by the two-dimensional Gaussian model are employed to calculate the loss, and the model is trained iteratively. The human key points are detected effectively by the proposed model under the complex conditions, such as shooting angle, attachment and character scale changes. The experiment shows that the proposed model effectively improves the accuracy of human key point detection.
Key wordsComputer Vision    Human Pose Estimation    Human Keypoints Detection    Deep Learning   
收稿日期: 2020-06-15     
ZTFLH: TP391  
基金资助:国家自然科学基金项目(No.61672332)、山西省回国留学人员科研项目(No.2017023)资助
通讯作者: 钱宇华,博士,教授,主要研究方向为模式识别、特征选择、粗糙集理论、粒计算、人工智能.E-maill:jinchengqyh@126.com.   
作者简介: 赵云霄,硕士研究生,主要研究方向为模式识别、深度学习.E-mail:384498377@163.com. 王克琪,硕士,主要研究方向为机器学习、计算机视觉、计算理论.E-mail:76190504@qq.com.
引用本文:   
赵云霄, 钱宇华, 王克琪. 基于可变形卷积的多人人体姿态估计[J]. 模式识别与人工智能, 2020, 33(10): 944-950. ZHAO Yunxiao, QIAN Yuhua, WANG Keqi. Multi-person Human Pose Estimation Based on Deformable Convolution. , 2020, 33(10): 944-950.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202010009      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2020/V33/I10/944
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn