基于深度学习的人体姿态估计与追踪

TP391; 随着深度学习技术的发展,基于卷积神经网络的人体姿态估计和追踪的准确率得到大幅提高.但在面对遮挡问题时,还存在人体关键点检测困难、姿态追踪精度偏低和速度较慢等问题.本文针对这些问题,构建了一个ybasTrack多人姿态估计和追踪模型;提出采用一种改进的YOLOv5s网络进行目标检测;采用BCNet分割网络区分遮挡与被遮挡人体,限定人体关键点定位区域;基于Alphapose的SPPE(Single-Person Pose Estimator)进行改进,优化人体关键点检测结果;采用改进的Y-SeqNet网络进行行人重识别,采用MSIM(Multi-Phase Identity Matc...

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 50; no. 5; pp. 750 - 759
Main Authors 张雪芹, 朱荟潼, 王宁
Format Journal Article
LanguageChinese
Published 华东理工大学信息科学与工程学院,上海 200237 01.10.2024
Subjects
SeqNet
AlphaPose
human pose estimation
YOLOv5s
BCNet
人体姿态估计
Online AccessGet full text

Cover

More Information
Summary:TP391; 随着深度学习技术的发展,基于卷积神经网络的人体姿态估计和追踪的准确率得到大幅提高.但在面对遮挡问题时,还存在人体关键点检测困难、姿态追踪精度偏低和速度较慢等问题.本文针对这些问题,构建了一个ybasTrack多人姿态估计和追踪模型;提出采用一种改进的YOLOv5s网络进行目标检测;采用BCNet分割网络区分遮挡与被遮挡人体,限定人体关键点定位区域;基于Alphapose的SPPE(Single-Person Pose Estimator)进行改进,优化人体关键点检测结果;采用改进的Y-SeqNet网络进行行人重识别,采用MSIM(Multi-Phase Identity Matching)身份特征匹配算法对人体框、人体姿态和人体身份信息进行匹配,实现人体姿态追踪.实验表明,所提算法对遮挡场景下的人体姿态估计和姿态追踪具有较好的效果,模型运行具有较快速度.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20231018001