二维人体姿态估计：综述
计算机视觉与模式识别
2022-04-18 v1
摘要
人体姿态估计旨在输入数据（如图像、视频或信号）中定位人体解剖关键点或身体部位。它构成使机器能深刻理解了人类行为的关键组件，并已成为计算机视觉及相关领域的突出问题。深度学习技术允许直接从数据中学习特征表示，显著推进了人体姿态估计的性能边界。本文梳理了近期二维人体姿态估计方法的成果并给出全面综述。简言之，现有方法在三个方向上发力，即网络架构设计、网络训练精炼和后处理。网络架构设计关注人体姿态估计模型的架构，提取更鲁棒的特征用于关键点识别与定位。网络训练精炼着眼于神经网络的训练，旨在提升模型的表示能力。后处理进一步引入与模型无关的润色策略以改善关键点检测性能。本综述涵盖超过 200 项研究贡献，包括方法框架、常用基准数据集、评估指标与性能比较。我们力求为研究者提供更全面系统的人体姿态估计综述，使其获得全景认知并更好识别未来方向。
引用
@article{arxiv.2204.07370,
title = {2D Human Pose Estimation: A Survey},
author = {Haoming Chen and Runyang Feng and Sifan Wu and Hao Xu and Fengcheng Zhou and Zhenguang Liu},
journal= {arXiv preprint arXiv:2204.07370},
year = {2022}
}