周昆阳，赵梦婷，张海潮，邵叶秦

(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)

0 引 言

人体姿态估计是人体运动识别、运动学分析、人机交互、动画制作等方面的基础性工作。人体姿态估计的目的是借助摄像头等传感器，在复杂场景、不同人群中对人体的关节点进行准确定位。

多年来，人体姿态估计大多基于手工特征，主要包括基于可穿戴设备[1]和基于模版匹配[2]的方法。这2种方法都存在泛化能力较低、检测流程繁琐等缺点。随着神经网络的发展，人体姿态估计取得了很大的进展。Wei等[3]提出了卷积姿态网络(Convolutional Pose Machine, CPM)，首次对人体关节点信息进行建模，基于模型输出的热力图，在每个通道上找到最大响应点实现人体姿态估计。同时，由于行人检测算法性能逐步提升，出现很多优秀的检测模型，例如YOLO、Faster-RCNN等。这使得姿态估计算法逐渐从单人姿态估计转向多人姿态估计。按照姿态估计实现方式的差异，多人姿态估计分为2类：自底向上(Bottom-Up)和自顶向下(Top-Down)。

自底向上的多人姿态估计是先检测所有关节点，然后根据所属人体组装这些关节点，其典型模型是OpenPose[4]。OpenPose通过CPM定位所有关节点的位置，并采用部件亲和场(Part Affinity Fields)组装定位好的各个关节点。OpenPose已经被许多学者广泛应用到各个领域中。Hung等[5]将OpenPose应用到传统武术表演评价中，唐心宇等[6]将OpenPose应用到患者康复医疗中。也有学者根据OpenPose的优缺点和应用场景对OpenPose进行改进。冯文宇等[7]提出了CT-OpenPose，通过将OpenPose的底层特征提取……