林敏強(qiáng)

摘 要：目前高分辨率人體姿態(tài)估計已經(jīng)非常準(zhǔn)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(yán)重下降，而偏移學(xué)習(xí)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(xué)習(xí)的低分辨率人體姿態(tài)估計算法量化誤差小，準(zhǔn)確率高。

關(guān)鍵詞：人體姿態(tài)估計；低分辨率；偏移學(xué)習(xí)

*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(biāo)檢測中最關(guān)鍵的技術(shù)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(yán)重阻礙了人體姿態(tài)估計的應(yīng)用。城市監(jiān)控多采用遠(yuǎn)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(yīng)用價值。

人體姿態(tài)估計算法主要分三類：基于坐標(biāo)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?；谧鴺?biāo)的人體姿態(tài)估計算法是以人體2D圖像作為輸入并學(xué)習(xí)人體部位的歸一化坐標(biāo)，為了提升模型的性能，主要采用級聯(lián)網(wǎng)絡(luò)來改進(jìn)預(yù)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(xué)習(xí)和對比學(xué)習(xí)的方法，強(qiáng)制讓特征和輸出保持一致性；基于坐標(biāo)的方法的人體姿態(tài)估計算法模型簡單，但是模型容易過擬合，基于熱圖的人體姿態(tài)估計算法剛好可以緩解過擬合?；跓釄D的人體姿態(tài)估計算法采用隱士人體結(jié)構(gòu)，且用高斯分布對關(guān)鍵點坐標(biāo)進(jìn)行編碼，不僅可以防止模型過擬合，而且可以增加容錯能力；但是它容易受到下采樣算子的影響，導(dǎo)致量化誤差增大。基于偏移學(xué)習(xí)的人體姿態(tài)估計算法將人體姿態(tài)估計分為部分檢測和偏移回歸任務(wù)，明顯減少了量化誤差。本文采用基于偏移學(xué)習(xí)的人體姿態(tài)估計算法在低分辨率數(shù)據(jù)集上減少了量化誤差，提升了準(zhǔn)去率。

1 算法

2 實驗

本實驗是COCO數(shù)據(jù)集上完成的。COCO數(shù)據(jù)集是用于圖像檢測、語義分割、人體姿態(tài)估計最常用的數(shù)據(jù)集，它包含220張有標(biāo)注的圖像（COCO數(shù)據(jù)集超過330張圖像），150萬個目標(biāo)，80個行人、汽車、動物等目標(biāo)類別，91種草、墻、天空等材料類別，并且每張圖片還包含5句圖像描述，最重要的是它包含250000個帶關(guān)鍵點標(biāo)注的行人。實驗用平均精度（mean average precision，mAP）和平均召回率（average recall， AR）來作為評價指標(biāo)。實驗結(jié)果如表1。

從上表可以看出，本文算法在COCO數(shù)據(jù)集上的平均精度和平均召回率明顯優(yōu)于其它算法，說明本文提出的基于偏移學(xué)習(xí)的低分辨率人體姿態(tài)估計算法在低分辨率人體姿態(tài)估計上是有效的。

3 結(jié)語

本文提出的基于偏移學(xué)習(xí)的低分辨率人體姿態(tài)估計算法，在低分辨率人體姿態(tài)估計時，將人體姿態(tài)估計分為部分檢測和偏移回歸任務(wù)，明顯減少了量化誤差，提升了準(zhǔn)確率。

參考文獻(xiàn)：

[1] ZHANG Y， HASSAN M， NEUMANN H， et al. Generating 3d people in scenes without people[C]. 2020 IEEE Conference on Computer Vision and Pattern Recognition， 2020：6193-6203.

[2] HUANG J， ZHU Z， GUO F， et al. Delving into unbiased data processing for human pose estimation[C]. 2020 IEEE Conference on Computer Vision and Pattern Recognition， 2020：5700-5709.

[3] MA C， RAO Y， CHENG Y， et al. Structure-preserving super resolution with gradient guidance [C]. 2020 IEEE Conference on Computer Vision and Pattern Recognition， 2020：7766-7775.

[4] FENG Z， XIATIAN Z， HANBIN D， et al. Distributionaware coordinate representation for human pose estimation[C]. 2020 IEEE Conference on Computer Vision and Pattern Recognition， 2020：7091-7100.

[5] QIAN X， FU Y， XIANG T， et al. Pose normalized image generation for person re-identification[C]. 2018 European Conference on Computer Vision， 2018：661-678.

[6] CHEN Y， WANG Z， PENG Y， et al. Cascaded pyramid network for multi-person pose estimation[C]. 2018 IEEE Conference on Computer Vision and Pattern Recognition， 2018：7103-7112.

[7] SUN K， XIAO B， LIU D et al. Deep high-resolution representation learning for human pose estimation[C]. 2019 IEEE Conference on Computer Vision and Pattern Recognition， 2019：5693-5703.

[8] XIAO B， WU H， WEI Y， et al. Simple baselines for human pose estimation and tracking[C]. 2018 European Conference on Computer Vision， 2018：472-487.