【《人体的目标检测和姿态识别的相关理论基础》1700字】

人体的目标检测和姿态识别的相关理论基础综述关于人体的目标检测和姿态识别，相关的理论研究越来越多，层出不穷，在计算机视觉领域的重要地位也让人体检测在我们的日常生活也开始扮演起越来越重要的地位，我们对此都是有目共睹。1.1骨骼关键点姿态估计中,人体关键点检测很大程度上取决于对人体骨骼关键点位的预先判断和估计,总的来说可以分为两个大类，分别是基于单人和基于多人的骨骼关键点检测这两种。其中,基于多人的骨骼关键点检测分为自上而下和自下而上两种形式。自上而下的多人骨骼关键点检测算法主要包括:多人人体检测算法和单人关键点提取算法。先检测出人,再对检测到的每个人进行单人姿态的估计,即通过检测算法将视野范围内的每个人检测出来,然后根据检测到的人数,对单人进行人体骨骼关键点检测[5]。自下而上的多人骨骼关键点检测算法主要包括:关键点检测和关键点聚类。先检测出关节点,再判断每一个关节点属于哪一个人,即先将图像中所有的关键点都检测出来,再将所有的关键点聚类成不同的个体。1.2AlphaPose算法AlphaPose是一种自上而下的检测算法,这种算法的构筑框架是很多人在一定范围内姿态判断,这种算法的优点在于即使是图像中的目标比较模糊，对于目标的形体大小不是很容易判断的情况，这种算法依然可以保持较高的判断准确率，基本上不会出现识别不出来的问题，这也是近几年新兴且比较好用的算法，好评颇多。该算法由三部分组成:对称空间变换网络、参数化姿态非最大抑制和姿态引导区域框生成器[6]。其中，在以前常用的对单一目标进行姿态研究时，由于目标只有一个，算法有时会对目标检测得不够全面，而对称空间变换网络对这方面有着相当不错的改善，参数化姿态非最大抑制则是有效避免了在某些情况下对图片会出现反复多次的检测，有效节约了时间和成本，而姿态引导区域框生成器则是将平时测试训练时所用的样本池进行了进一步的扩大，通过数量的增加可以将误差进一步的降低，这三个部分从三个不同的角度，以独具自己风格的方式极大地提高了AlphaPose算法对于目标姿态识别的正确率。1.3尺度不变特征SIFT是一种计算机视觉领域的特征检测算法,它的主要功能是用来判断图像中的非完整特性,提取图像局部的位置、角度大小和在旋转时不会改变的量等特征。SIFT算法的本质是查找不同角度大小空间上的重要点位,并计算这些重要点位的方向,它在检测有一部分被挡住的物体时的检测成功率较高,能够轻易判断目标的状态性质，并且发生错误判断的概率也比较低。1.4加速鲁棒特征SURF是一种计算机视觉领域的特征检测算法,它的主要机制是积分图像的Haar求导,通过计算两个特征点之间的欧氏距离来确定它们的对应程度,即判断该点是否是关键点。SURF算法有特征稳定,在旋转、角度变换时保持亮度不变,视角可以变换、噪声具有稳定性等优点[8]。SURF特征是SIFT特征的改进版,SURF特征提取与SIFT特征提取步骤类似,只是在建立尺度空间之前构建—个Hessian矩阵。1.5基于CPN的姿态估计方法基于CPN的姿态估计方法是一种金字塔型的串接模型（cascadedpyramidnetwork，CPN)并于2017年取得了COCOKeypointsChallenge竞赛的第一名[7]。该方法主要用于辨别很多人在户外的姿态估计问题。该方法设计了一个新模型，对不可见点和拥挤的背景中只通过表层特征不能识别的关键点进行了改进。CPN网络分为两个部分：GlobalNet和RefineNet。GlobalNet网络是一个特征金字塔网络，该网络用于定位简单的关键点，如眼睛和手等，但是对于遮挡点和不可见的点可能缺乏精确的定位；RefineNet网络通过集合来自GlobalNet网络的多级别特征来解决复杂条件下的关键点检测问题。该方法首先使用FPN和MaskRCNN网络，得到每个人的检测框（Bounding-boxes），然后使用Bounding-boxes对原图进行裁剪，并将裁剪后的结果作为CPN网络输入进行关键点检测。当人体目标检测数据经过CPN网络时，首先进入GlobalNet网络。以resnet50为例，该网络使用imagenet上预先训练的resnet50网络提取特征，其中分别使用1/4,1/8,1/16,1/32四个级别的网路特征，然后，在网络中分别将四层特征的通道转换为相同的通道数，得到了四层通道数相同的特征图。接着对该四层网络特征做如下操作：低层特征进行上采样，与上一层特征进行相加，即不同尺度特征进行融合，得到融合了低层特征的四层特征。最后，对该四层特征分别进行通道转换（转换为与关键点数目相同的通道数）并都上采样到1/4大小，用于计算该阶段的L2