基于改进OpenPose的人体关键点检测算法
汪志强
吴静静
江南大学机械工程学院 无锡 214122;江苏省食品先进制造装备技术重点实验室 无锡 214122
摘要：人体关键点检测在人体姿态估计领域具有广泛应用场景,针对其检测速度慢、多人场景下无法实现关键点全局最优匹配的问题,论文提出了一种基于改进OpenPose的人体关键点检测算法.首先,对经典OpenPose前置特征提取网络所使用的普通3D卷积进行深度可分离卷积(DSC)替换,降低模型参数规模提高检测速度;然后,针对关键点坐标回归支路(PCM)对应的坐标标签值,提出了基于高斯核的标注策略,使得网络训练过程更加鲁棒;最后,基于匈牙利算法做二分图匹配,实现了多人场景下关键点的全局最优匹配.论文在COCO2017数据集上进行算法评估,在消融试验中,检测帧率FPS达到34,相对经典OpenPose提升了36%,对应AP50、AP75、AP90指标分别达到92.5、81.4、70.8,提升了8.4%,9.1%,8.9%,且与其他关键点检测方案对比,具有较高的检测精度.
关键词：人体关键点检测OpenPose卷积神经网络二分图匹配
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61873246)国家自然科学基金(62072416)
论文发表日期：2024-08-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2336-2342 )
英文信息