基于深度学习的二维人体姿态估计研究进展

刘 勇，李 杰，张建林，徐智勇，魏宇星

（1.中国科学院大学电子电气与通信工程学院，北京 100049；2.中国科学院光电技术研究所，成都 610209）

0 概述

二维人体姿态估计是计算机视觉领域的主要研究方向，在行为识别、姿态跟踪等领域有着重要研究价值和应用前景，其本质是研究如何从给定图像中精确识别目标人体并获得目标人体姿态估计的问题，是姿态估计研究领域的重要分支。

二维人体姿态估计的研究方法可划分为早期传统的基于图结构模型的方法以及目前主流的基于深度学习的方法。传统的人体姿态方法通过图模型建立人体姿态架构，参考人体运动学与人体姿态学等理论约束并优化人体姿态模型，但其需要根据样本的具体情况来选择姿态信息的特征描述子，如尺度不变特征描述子（Scale Invariant Feature Transform，SIFT）［1］以及方向梯度直方图描述子（Histogram of Oriented Gradient，HOG）［2］。这些特征提取策略难以应对视角不同、外观不同以及遮挡等情况的干扰。此外，人体可表达的姿态丰富程度使得其变化更为复杂多样，这为相关姿态特征信息的提取造成了很大挑战。传统姿态估计方法可被视为一种基于图结构优化后的代数求解问题，当人体姿态过于复杂时，针对同一样本案例的图结构优化将存在多组解，使得估计结果不再具有唯一性。

而卷积神经网络（Convolutional Neural Network，CNN）［3］对二维图像中的人体进行特征提取则可以获得更为精确和稳定的卷积特征。多层卷积叠加可以控制特征感受野的信息感知范围，从而获得不同尺度下的特征信息。……