基于自适应参数化非极大值抑制的二维人体姿态估计算法

摘要

针对检测器的准确率低和检测结果导致的关键点冗余两个问题，提出了基于自适应参数化NMS的二维人体姿态估计算法。首先，采用Center Net检测器取代原有检测器，提高了人体检测的性能，并为后续姿态估计打下基础。然后，提出了自适应参数化的Pose NMS算法，引入样本外观相似度实现样本自适应度量调节，使NMS中的过滤条件更加灵活。最后，提出了一种基于检测置信度的非均匀采样方法，在训练过程中保证了样本的有效性，实现了困难样本的发现与挖掘。在MSCOCO 2017数据集上采用本文检测器输出的检测结果作为后续目标框的条件取得了71.9%的m AP。另外，本文算法同样在MPII和MSCOCO 2015数据集上进行了大量实验，定量实验与可视化结果说明本文方法有效解决了上述两个问题，实现了更准确的姿态估计。

关键词

CenterNet / 关键点检测 / 非极大值抑制 / 姿态估计 / 非均匀采样