自上而下的人体姿态估计方法综述

二维图像与视频中的人体姿态估计因其在改善人类生活方面的巨大益处与潜在应用（如行为识别、动作捕捉与增强现实、机器人训练以及运动追踪）而成为近来计算机视觉领域的热点问题。许多基于深度学习的最先进方法已应对若干挑战，并在人体姿态估计领域取得了卓越成果。方法分为两类：两步框架（自上而下方法）与基于部件框架（自下而上方法）。两步框架先引入人体检测器，再独立估计各框内姿态；而基于部件框架则在图像中检测所有身体部件并将属于不同人的部件进行关联。本文旨在为新手提供基于深度学习方法的二维图像人体姿态识别的广泛综述，仅聚焦于自 2016 年以来的自上而下方法。文中讨论依据数学背景、挑战与局限、基准数据集、评估指标以及方法间比较，介绍了重要的检测器与估计器。