基于偏移學習的低分辨率人體姿態(tài)估計

林敏強

摘 要：目前高分辨率人體姿態(tài)估計已經非常準確，但是低分辨率人體姿態(tài)估計效果并不理想，主要原因是低分辨率時模型性能嚴重下降，而偏移學習是解決模型性能下降的一種有效方法。實驗表明，本文提出的基于偏移學習的低分辨率人體姿態(tài)估計算法量化誤差小，準確率高。

關鍵詞：人體姿態(tài)估計；低分辨率；偏移學習

*基金項目：深圳市科技創(chuàng)新委員會資助項目（項目編號：JSGG20191129143214333）

人體姿態(tài)估計是人體生成，動作識別，行人序列重識別，行人跟蹤和行人目標檢測中最關鍵的技術之一。由于受人體的大尺度變換、人體遮擋和拍攝角度等因素干擾，人體姿態(tài)估計充滿挑戰(zhàn)?，F(xiàn)有的人體姿態(tài)估計算法大部分是基于高分辨率的，低分辨率人體姿態(tài)估計研究較少。高分辨率人體姿態(tài)估計計算量大，嚴重阻礙了人體姿態(tài)估計的應用。城市監(jiān)控多采用遠距離拍攝，獲取的圖像分辨率都比較低，因此低分辨率人體姿態(tài)估計更具有研究和應用價值。

人體姿態(tài)估計算法主要分三類：基于坐標的人體姿態(tài)估計算法；基于熱圖的人體姿態(tài)估計算法；基于偏移的人體姿態(tài)估計算法。基于坐標的人體姿態(tài)估計算法是以人體2D圖像作為輸入并學習人體部位的歸一化坐標，為了提升模型的性能，主要采用級聯(lián)網絡來改進預測效果，為了提高低分辨率人體姿態(tài)估計的性能，研究還采用了監(jiān)督學習和對比學習的方法，強制讓特征和輸出保持一致性；……