李 健，马蓉蓉，韩超远，齐 勇，何 斌

(1.陕西科技大学 电子信息与人工智能学院，陕西 西安 710021；2.同济大学 电子与信息工程学院，上海 201804)

0 引言

人体姿态估计从静态图像或视频序列中识别不同人体部位的位置和方向,是人体动作分析与识别的基础,目前广泛应用在人机交互、医学影像、数字娱乐和视频监控等众多领域.参数化人体模型的姿态估计包含表示关节点旋转角度和人体外观体态表现的参数信息,使得人体的三维姿态更加丰富、准确.

目前，大部分研究基于SMPL (Skinned Multi Person Linear model)模型[1]展开，主要依赖于根据检测到人体二维关节点坐标调整3D人体模型到2D图像的映射关系.文献[2]从图像中提取局部特征,再通过优化求解模型参数来拟合这些图像特征.文献[3]提出了包含面部和手部细节的SMPL-X(SMPL eXpressive)模型，并将上述算法扩展至此模型.此类基于优化的算法效果好，但速度慢，易于局部最优，且依赖于初始值.基于学习的方法从图像全局特征进行匹配分析，能有效避免基于优化方法在复杂姿态和遮挡关系情况下出现的特征误匹配问题.但由于SMPL-X是比SMPL维度高的模型且输入不变情况下手、脸部分图像分辨率低，将SMPL模型神经网络回归器扩展到SMPL-X，直接从RGB图像中回归参数来重建完整的3D人体，在细节上难以实现.

为了解决上述问题，本文融合现有基于回归和优化的方法，设计了一种基于SMPL-X的人体姿态和形状估计的方法.首先利用HMR(Human Mesh Recovery)网络[4]，从像素直接回归模型参数，获取姿态更为……