基于深度学习的自顶向下人体姿态估计算法

针对自顶向下的人体姿态估计算法出现的目标框定位错误问题和冗余检测问题,提出了一种基于深度学习的自顶向下人体姿态估计算法。设计了对称空间变换网络与单人姿态估计网络相连接,以从不准确的人体边界框中提出高质量的人体目标框,并且引入了参数化姿态非极大值抑制消除了冗余的姿态估计,应用消除规则对相似的姿态进行消除,得到唯一的人体姿态估计结果。在公共人体姿态估计数据集MPII上选取部分数据集进行训练和测试,实验结果表明所提出的方法能够准确地检测出人体关键点,有效地提高了人体姿态估计的准确率,且能够适应人员密集、存在遮挡的复杂场景。