基于肢体关节增强的人体遮挡姿态估计

人体姿态估计旨在从图像或视频中定位人的特定关节。虽然现有的深度学习方法已实现高定位精度，但在遮挡场景下往往难以获得良好的泛化能力。本文提出了一种基于肢体关节增强的人体遮挡姿态估计框架，以增强模型在遮挡人体上的泛化能力。具体而言，首先采用遮挡块随机覆盖人体的肢体关节，以模拟其他物体或其他人部分遮挡人体的场景。通过增强样本训练，姿态估计模型被鼓励基于可见关节准确定位遮挡关键点。为进一步增强模型的定位能力，本文基于肢体图构建动态结构损失函数，以评估相邻关节之间的依赖关系来探索遮挡关节的分布。在两个遮挡数据集OCHuman和CrowdPose上进行大量实验评估表明，在推理期间无需额外计算成本即可实现显著性能提升。