基于改进沙漏网络的人体姿态估计模型

• 作 者: 刘红 马杰 柴玉晶
• 机 构: 河北工业大学电子信息工程学院,天津300401
• 出 处: 激光与光电子学进展
• 发表日期: 2021年20期
• 关键词: 机器视觉 人体姿态估计 堆栈沙漏网络 残差模块 在线困难关键点挖掘 machine vision human pose estimation stacked h

堆栈沙漏网络(SHN)是人体姿态估计中的代表性研究成果,但该网络忽略了关节局部信息。因此,提出了一种基于改进沙漏网络的人体姿态估计模型。首先,利用多个残差模块及步长为2的卷积层获取低层次到高层次的特征,同时随着网络层数的加深,相应调整残差模块的数目和通道数,以突出局部细节特征信息。然后,为了提取遮挡部位的纹理和形状等局部特征,融合了在线困难关键点挖掘模块。最后,采用反卷积最大化恢复原始的局部特征。实验结果表明,本模型在COCO数据集上的平均精度达到了74.6%,总参数量为1.5×10~7,比叠加8个