基于YOLOv11n-Pose的人体姿态检测方法

摘要

为了应对复杂场景下人体姿态估计中关键点丢失以及多尺度目标识别难题，提出了一种改进的YOLOv11n-Pose模型架构。通过采用部分卷积（PConv）优化C3k2模块中的Bottleneck，显著增强了网络对多尺度特征的提取与融合能力。此外，采用RepViT Block模块替代传统卷积结构，降低了参数量，同时提高了模型对复杂姿态的识别精度。引入CPAM注意力机制，有效强化对人体关键部位的特征捕获与语义分析能力。结果表明，改进的YOLOv11n-Pose模型在检测精度、召回率和平均精度上均优于原始YOLOv11n-Pose模型，对不同尺度目标识别效果显著提升；同时，参数量和模型大小分别缩减10.1%和8.2%。

关键词

YOLOv11n-Pose / 姿态检测 / 关键点检测 / 部分卷积