OpenPose算法人体姿态识别应用研究

沈阳理工大学 周 越 陈琪然

针对传统图像提取算法、目标识别算法识别精度低，识别性单一，设备容量要求高，无法进行强度较高的交互而难以判断出手势发起人等问题。通过研究Openpose姿态估计算法，将多个关键点设为目标，再进行多目标距离进行处理具有较高的鲁棒性。该算法改进可以对手部和姿态进行单独编码，在人脸识别框架的基础下进行区域姿态的筛选，进而节约计算时间。

随着无人驾驶汽车的快速发展，路面信息变得尤为复杂，因此无人汽车在行驶过程中能准确识别车辆指挥员手势并进行判断变得愈发重要。

手势识别技术对人机交互要求较高，我们通过识别车辆指挥员的手势与我们训练的手势进行对比识别进而执行指令。

我国的手势识别技术也发展了很多年，国内知名高校汇集了大量的研究成果。浙江大学计算机系的董钟书团队研究出一种基于人体表面的手势识别技术。可以通过对运动分割帧间图像进行估计，将运动、形状、纹理等信息统一进行手势识别；研发出的在线识别系统可以识别9种手势，识别率很高。李德平团队提出一种基于AdaBoost算法和光流相匹配的实时手势识别方案：与计算机的摄像头相连读取手势视频片段便可对手势作出较为准确的识别。

国外对于基于视觉的手势识别的研究也进行了很长时间。麻省理工和加州理工的YoungShill Lee、Se-Jun Park等人通过采用熵分析法，将手势区域从复杂背景的视频流中分割出来，然后进行手势识别。……