基于轻量级网络的实时人体关键点检测算法

• 作者: 胡江颢 王红雨 乔文超 马靖煊
• 来源期刊: 计算机工程
• 关键词: 深度可分离卷积 多尺度预测 人体关键点检测 轻量级主干网络 融合网络
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 218-225
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057041

摘要

为提升人体姿态估计在移动终端设备上的运行速度与实时性,提出一种改进的人体关键点检测算法.通过将MobileNetV2轻量级主干网络与深度可分离卷积模块相结合加速特征提取过程,使用精炼网络进行多尺度人体关键点预测,并利用融合网络整合多个尺度的预测结果得到最终人体关键点检测结果.实验结果表明,与传统CPM算法相比,该算法在网络模型参数量和浮点运算量明显减少的情况下PCKh@0.5仅下降0.1个百分点,具有较高的检测精度和较好的实时性.