基于Openpose和Yolo的手持物体分析算法

贺文涛， 黄学宇， 李 瑶

(空军工程大学防空反导学院， 西安， 710051)

随着模式识别和图像处理技术的快速发展，人体分析作为该领域一个分支近来也受到了科研人员和工业应用的广泛关注，但当前的大多数分析算法仅将人体自身作为研究点，通过对人体的全身姿态或动作捕捉来进行相关应用，少有针对某一特定身体部位进行的分析研究，对人体与物体的关联研究也比较少。

现有的人体分析算法可按实现方式大致分为两类，自上而下(top-down)和自下而上(bottom-up)。自上而下的方式指的是在每次的检测中首先使用人物检测器识别图片中的人员，然后在此基础上进行分析，如Newell[1],WEI[2]等使用的姿态估计方法。这种方式的缺点是需要很高的前期人员识别准确率保证，一旦无法识别人物，姿态估计就会失效；另外，由于对每个人都要使用一个检测器，随着图片中人物数量的增加，其计算成本会随之成倍增加。相较之下，自下而上的方式则可以弥补这些缺点，其首先在全局进行关节热点图的提取，然后根据向量关系进行连通，从而为前期保证提供了高可靠性。但早期的自下而上方法，如Pishchulin[3],Insafutdinov[4]等提出的方法，由于最终的解析仍需要复杂的全局推断，因此并未提高效率。文献[5]用贪心算法将关键点连接起来，大大提升了效率，使得实时的人体分析成为现实。

当前的目标检测器通常由三部分组成：第一部分是在拥有海量的图片集如ImageNet上经过预训练的主干网络(backbone)；第二部分是用于预测类别和物体方框位置的头(head)，主要可分为二阶检测器(R-CNN[6-10]系列)和单阶检测器(YOLO[11-14]，SSD[15]和RetinaNet[16]等)；……