基于DeepPose和Faster RCNN的多目标人体骨骼节点检测算法     

余保玲  虞松坤  孙耀然  杨振  傅旭波 《中国科学院大学学报》2020,37(6):828-834

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%。  相似文献