基于DeepPose和Faster RCNN的多目标人体骨骼节点检测算法

• 作者: 余保玲 傅旭波 孙耀然 杨振 虞松坤
• 来源期刊: 中国科学院大学学报
• 学科: 工学
• 关键词: Faster RCNN DeepPose 人体关节节点检测
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 计算机科学
• 页码范围: 828-834
• 页数: 7页
• 分类号: TP212.9
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2020.06.015

摘要

近年来,随着计算机视觉技术的不断发展,深度学习技术在人体关节节点检测中得到了很好的应用.但是由于人体关节结构复杂,关节之间存在相互依赖的关系和互相遮挡的问题,因此人体骨骼节点检测依然是一个极具挑战的任务.传统的模型难以预测多个目标的骨骼节点,为了解决这个问题,提出一种基于Faster RCNN和DeepPose相结合的方法,首先通过Faster RCNN检测出包含人体的感兴趣区域,并将该区域作为改进的DeepPose算法的输入,使其能够处理多目标关节节点检测的问题.实验表明,该算法在MPII数据集的手腕、膝盖两种关键节点检测上均取得最好结果,比之前的最好结果各提升1.2％和0.3％,在全部的关键节点检测上PCKh为87.6％.