一种基于深度可分离卷积的实时多人姿态估计

Real-time multi-person pose estimation based on depthwise separable convolution

人体姿态估计是计算机视觉领域中的一个重要研究方向,用来实现从图像或视频中检测人体若干关键点位置。Open Pose模型是一种基于卷积神经网络的多人姿态估计方法,其主要缺点是所需运算量较大且无法在嵌入式设备上实时实现。为了使Open Pose模型能够在嵌入式终端Jetson TX2上快速运行,实现实时多人姿态估计,针对传统Open Pose模型进行改进,一是优化减少了Open Pose模型重复的阶段数,二是把其中的一些标准卷积层替换为深度可分离卷积层。分析和仿真结果表明,使用深度可分离卷积改进的Open Pose模型可以在保留较高精度的同时显著减少计算量。改进的Open Pose模型平均精度AP值下降了5.3%,但运行速度提升了130%,从而使改进Open Pose模型在计算资源相对较少的嵌入式AI计算设备上能够实现实时多人姿态估计。