OpenPose：基于部位亲和场的实时多人二维姿态估计
计算机视觉与模式识别
2019-06-03 v2
摘要
实时多人二维姿态估计是使机器理解图像与视频中人物这一能力的关键组成部分。在本工作中，我们提出一种实时方法来检测图像中多人的二维姿态。所提方法使用一种我们称之为部位亲和场（Part Affinity Fields, PAFs）的非参数表示，以学习将身体部位与图像中的个体相关联。该自底向上系统无论图像中人数多少，均实现高精度与实时性能。在先前工作中，PAFs 与身体部位位置估计在训练阶段被同时精炼。我们证明，仅精炼 PAF 而非同时精炼 PAF 与身体部位位置，可显著提升运行性能与精度。我们还提出了首个组合的身体与脚部关键点检测器，基于我们已公开发布的内部标注脚部数据集。我们展示该组合检测器不仅相比顺序运行减少了推断时间，且保持了各组件各自的精度。本工作最终发布了 OpenPose——首个用于多人二维姿态检测的开源实时系统，包含身体、脚、手与面部关键点。
引用
@article{arxiv.1812.08008,
title = {OpenPose: Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields},
author = {Zhe Cao and Gines Hidalgo and Tomas Simon and Shih-En Wei and Yaser Sheikh},
journal= {arXiv preprint arXiv:1812.08008},
year = {2019}
}
备注
Journal version of arXiv:1611.08050, with better accuracy and faster speed, release a new foot keypoint dataset: https://cmu-perceptual-computing-lab.github.io/foot_keypoint_dataset/