基于扩展目标表示的人体部位联合检测与关联
计算机视觉与模式识别
2023-03-14 v2
摘要
自深度 CNN 取得突破以来，人体及其相关部位（如人脸、头部或手部）的检测已得到深入研究和大幅改进。然而，这些检测器大多独立训练，使得将检测到的身体部位与对应人物进行关联成为一项具有挑战性的任务。本文关注人体及其对应部位的联合检测问题。具体而言，我们提出了一种新颖的扩展目标表示，该表示整合了身体或其部位的中心位置偏移，并构建了一个密集的单阶段基于锚点的身体部位联合检测器（BPJDet）。BPJDet 中的身体部位关联被嵌入到包含语义和几何信息的统一表示中。因此，BPJDet 不受易出错的关联后匹配影响，并具有更好的精度-速度权衡。此外，BPJDet 可无缝推广到联合检测任意身体部位。为验证方法的有效性和优越性，我们在 CityPersons、CrowdHuman 和 BodyHands 数据集上进行了大量实验。所提出的 BPJDet 检测器在这三个基准上取得了最先进的关联性能，同时保持了高检测精度。代码见 https://github.com/hnuzhy/BPJDet。
引用
@article{arxiv.2212.07652,
title = {Body-Part Joint Detection and Association via Extended Object Representation},
author = {Huayi Zhou and Fei Jiang and Hongtao Lu},
journal= {arXiv preprint arXiv:2212.07652},
year = {2023}
}
备注
accepted by ICME2023