抛弃热图回归，滑铁卢大学提出多人姿态估计新办法

发布时间：2021-11-27 11:26:16 所属栏目：传媒来源：互联网

导读：关键点估计是一项计算机视觉任务，涉及定位图像中的兴趣点。作为计算机视觉工作中研究最多的主题之一，关键点估计在相关应用中发挥着重要作用，包括人体姿态估计、手部姿态估计、动作识别、目标检测、多人跟踪、运动分析等。估计关键点位置最常用的方法是生

关键点估计是一项计算机视觉任务，涉及定位图像中的兴趣点。作为计算机视觉工作中研究最多的主题之一，关键点估计在相关应用中发挥着重要作用，包括人体姿态估计、手部姿态估计、动作识别、目标检测、多人跟踪、运动分析等。

估计关键点位置最常用的方法是生成 target 场的热图（heatmap）方法。但热图回归作为检测和定位关键点的标准方法，也存在以下缺点：

首先，这种方法存在量化误差；关键点预测的精度本质上受到热图空间分辨率的限制。因此，较大的热图更优，但需要额外的上采样操作和昂贵的更高分辨率处理；并且即使使用大型热图，也需要特殊的后处理步骤来优化关键点预测，这会降低推理速度；

其次，当两个相同类型（即类别）的关键点彼此靠近时，重叠的热图信号可能会被误认为是单个关键点。

基于此，已有一些工作开始研究可替代的、无热图的关键点检测方法。

近日，来自加拿大滑铁卢大学的研究者提出了一种全新的单阶段多人关键点和姿态检测方法 KAPAO。使用一块 TITAN Xp GPU 实时运算，720p 视频的推理速度可以达到每秒 35 帧，1080p 的视频可达到每秒 20 帧。在不使用测试时增强 (TTA) 时，KAPAO 比此前的单阶段方法（如 DEKR 和 HigherHRNet）更快、更准确。

在滑铁卢大学的这项研究中，研究者提出了一种新的无热图关键点检测方法 KAPAO（Keypoints And Poses As Objects），并将其应用于单阶段多人人体姿态估计。其中单个关键点和空间相关的关键点（即姿态）集被建模为基于 anchor 的密集检测框架中的目标。这种把关键点和姿态视为目标的 KAPAO 方法可以同时检测关键点目标和姿态目标，并使用简单的匹配算法融合结果。通过检测姿态目标，该研究统一了人体检测和关键点估计，从而形成了一种高效的单阶段多人人体姿态估计方法。

（编辑：玉林站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!

看完小红书500篇家居爆	拍短视频的10种秘诀！
运用GPU的强大功能实现	realme 9i渲染图曝露