王柳程，欧阳城添，梁 文

（江西理工大学信息工程学院，江西赣州 341000）

0 概述

通过识别人类姿态和行为动作解析人的需求是实现人体关键点定位的过程。人体姿态在医疗安全监控、医疗残疾人监护、运动目标检测、高级人机交互、游戏体感操作、体育运动分析、视频图像检索等领域具有较高的应用价值。

基于深度学习方法，人体姿态估计对二维和三维的人体进行建模，检测出人体关键点位置信息。由于传统模型匹配方法的局限性［1-3］，人体姿态估计主要用深度学习方法解决，其中卷积网络为首选。混合部件模型基于HOG 等手工特征对人体姿态进行处理［2］，但并未得到关键点之间空间结构关系。基于卷积神经网络（Convolutional Neural Networks，CNN）的姿态估计，利用训练关键点的热点图获得关键点之间的局部和全局空间关系。

文献［4］提出DeepPose 对人体关键点进行深度神经网络回归学习，在人体姿态估计上优于传统方法，常作为深度学习模型的主干网络。目前人体姿态估计主要采用CNN 检测关键点，虽然CNN 的深层特征利于类别识别，但不利于对象的定位。大多数神经网络检测器只在网络的顶层进行关键点检测，而特征金字塔网络（Feature Pyrapaid Networks，FPN）［5］在前向传播过程中形成一个特征金字塔，获取不同语义信息并提高检测小目标的性能。由于FPN 缺乏上下文信息结合，一旦IOU 增大，检测性能就下降，在人体姿态估计上很难判断关键检测位置。文献［6］利用级联金字塔方法改善检测关键点的性能。文献［7］利用反卷层将低分辨率特征扩张为原尺度预测关键点热点图，但并未预测其坐标。……