基于深度學習的人體姿態(tài)估計與追蹤

打開文本圖片集

摘要：隨著深度學習技術(shù)的發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)的人體姿態(tài)估計和追蹤的準確率得到大幅提高。但在面對遮擋問題時，還存在人體關(guān)鍵點檢測困難、姿態(tài)追蹤精度偏低和速度較慢等問題。本文針對這些問題，構(gòu)建了一個ybasTrack 多人姿態(tài)估計和追蹤模型；提出采用一種改進的YOLOv5s 網(wǎng)絡(luò)進行目標檢測；采用BCNet 分割網(wǎng)絡(luò)區(qū)分遮擋與被遮擋人體，限定人體關(guān)鍵點定位區(qū)域；基于Alphapose 的SPPE（Single-Person Pose Estimator）進行改進，優(yōu)化人體關(guān)鍵點檢測結(jié)果；采用改進的Y-SeqNet 網(wǎng)絡(luò)進行行人重識別，采用MSIM（Multi-Phase IdentityMatching）身份特征匹配算法對人體框、人體姿態(tài)和人體身份信息進行匹配，實現(xiàn)人體姿態(tài)追蹤。（剩余3821字）