周昆阳 赵梦婷 张海潮 蒋 雯

（1.南通大学张謇学院，江苏 南通 226019；2.南通大学交通与土木工程学院，江苏 南通 226019）

1 引言

人体姿态估计在人体运动学分析、医疗康复、3D游戏等有着十分广泛的应用，人体姿态估计主要任务是通过摄像头等设备能够在任意场景中对人体的关节点进行准确的定位。

人体姿态估计最初的方法基于手工特征，但是这种方法过多依赖相关设备[1-2]，并且方法的鲁棒性较低。随着深度学习和神经网络的快速发展，人体姿态估计取得很大的进展。Yaser Sheikh等[3]提出的Convolutional Pose Machine(CPM)，首次使用人体姿态热图对人体关节点进行建模，通过寻找热图的最大响应点实现人体姿态估计。随着人体检测器(YOLO，SSD等)的发展，人体姿态估计逐渐由单人人体姿态估计转向多人人体姿态估计。现有的人体姿态估计方法主要分为两类：Top-Down和Bottom-Up。

Bottom-Up是先检测出所有关节点，然后按不同的人将关节点进行组装的。Bottom-Up经典算法是Openpose[4]。Openpose通过CPM定位图片中所有人的关节点，然后提出部件亲和场(Part Affinity Fields,PAF)对关节点按不同的人进行组装。

Top-Down是先检测出图片中所有人的区域，然后在该区域上对人体的关节点进行检测。Top-Down的代表算法是CPN[5]，CPN是一种由粗到细的网络，通过对人体的上下文信息进行分析最终实现人体关节点检测。FastHand[6]是一种基于Top-Down的手势姿态估计算法，通过一种由低、中、高层组成Backbone有效提取手上的各个关节点，实现姿态估计。

本文以Simple Baselines[7]为基础，通过把Simple Baselines的特征提取网络替换为FastHand的特征提取网络以提高模型检测性能；……