刘 涛， 杨 璐， 邵肖伟

(1 天津市先进机电系统设计与智能控制重点实验室(天津理工大学)， 天津 300384; 2 机电工程国家级实验教学示范中心(天津理工大学)， 天津 300384； 3 日本东京大学 空间信息科学中心， 柏市 2778568)

0 引 言

人体姿态估计是计算机视觉领域中一个重要的研究任务。该任务旨在定位人体部位的关节点(例如：头、肩膀、手腕等)，并将关节点正确连接起来形成人体骨架。而对此展开研究、付诸应用则将对包括人体行为的理解[1-2]、人体的重识别[3]、人机交互等在内的诸多领域发展有着积极的意义。

过去，人体姿态识别多采用图结构模型(pictorial structure models)，主要包括三大部分。首先通过图模型来描述人体的约束关系，其次使用人体部件观测模型对人体部件外观建立模型，最后依据约束信息和部件外观模型进行图结构的推理，从而估计人体姿态[4-5]。但是这些方法都不能很好地解决人体姿态估计的问题。

得益于深度学习的发展，卷积神经网络在图像领域中取得了可观的研究成果。近些年来，越来越多的人使用CNN来解决人体姿态估计问题。基于CNN的人体姿态估计大致可分为两大类：自上而下和自下而上。对此可阐释如下。

自上而下先检测图像中人的位置，生成包含人的边界框，然后对框中的人体进行姿态估计。文献[6]使用Faster-RCNN[7]检测图片中的人并生成边界框，使用全卷积的ResNet对每一个边界框中的任务预测关节点的热图(heatmap)和坐标进行补偿，融合这两部分信息得到人体关节点的定位。……