基于改進匈牙利算法對多人人體關鍵點匹配的研究
信息技術與網(wǎng)絡安全 5期
鄔春學，賀欣欣
(上海理工大學 光電信息與計算機工程學院,，上海200093)
摘要： 在復雜場景下,，針對傳統(tǒng)人體姿態(tài)估計模型中關鍵點分配算法存在正確率低、資源分配不均等優(yōu)化問題,，在OpenPose模型的基礎上提出了一種改進的匈牙利算法,，該算法在傳統(tǒng)數(shù)學模型的基礎上采用親和度向量場與鄰接矩陣結合的方式，通過對矩陣內的數(shù)值處理,，來獲取關鍵點的最佳匹配,。實驗表明，改進算法的運行時間有一定的減短,，同時保證在100×100以內的矩陣中運算的精確度誤差率不高于0.014,，且在使用本地圖像測試的實驗中證明了模型的可行性和性能的提升。
中圖分類號： TP391.41
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2022.05.007
引用格式： 鄔春學,，賀欣欣. 基于改進匈牙利算法對多人人體關鍵點匹配的研究[J].信息技術與網(wǎng)絡安全,，2022，41(5)：45-50,，58.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2022.05.007
引用格式： 鄔春學,，賀欣欣. 基于改進匈牙利算法對多人人體關鍵點匹配的研究[J].信息技術與網(wǎng)絡安全,，2022，41(5)：45-50,，58.
Research of matching key points of multi-human body based on improved Hungarian algorithm
Wu Chunxue,，He Xinxin
(School of Optical-Electrical and Computer Engineering，University of Shanghai for Science and Technology,， Shanghai 200093,，China)
Abstract： In complex scenarios, there are optimization problems such as low accuracy and uneven resource allocation in the key point allocation algorithm in the traditional human pose estimation model. An improved Hungarian algorithm based on the OpenPose model is proposed. Based on the traditional mathematical model, the algorithm combines the affinity vector field with the adjacency matrix, and obtains the optimal matching of key points through the numerical processing in the matrix. Experimental results show that such algorithm can reduce the running time to a certain extent, while ensuring that the accuracy error rate of the operation in a matrix within 100×100 is not higher than 0.014 .In experiments using local image testing, the feasibility and performance improvement of the model are verified.
Key words : Hungarian algorithm；human pose estimation,；key point matching,；earthquake rescue；optimization model
0 引言
人體姿態(tài)估計是計算機視覺任務中重要的一部分,，與人體檢測,、識別,、跟蹤等相關技術息息相關，其主要研究如何準確快速地定位人體關鍵點,，并確定各個關鍵點所在的人體目標[1],。目前存在著傳統(tǒng)的定位方法與基于深度學習的方法，它們對推動計算機視覺的研究起著重要的作用,。
基于深度學習的檢測方法又可分為自上而下(Top-down)和自下而上(Bottom-up)的方法,。Top-down檢測方法的思想是先識別出圖像中的所有人體，然后檢測每個人的關鍵點[2],，但隨著圖像中人數(shù)的增加,，Top-down方法的計算成本顯著增加,，此時則需要考慮使用Bottom-up方法保持穩(wěn)定,。Bottom-up檢測方法的思想是先計算出一個圖像中所有人體的關鍵點，然后再將這些關鍵點通過匈牙利算法,、信號聚類等方法劃分給不同的目標人體[2-4],。本文基于自下而上的2D多人人體姿態(tài)估計，對求解關鍵點匹配算法進行研究,。
在復雜和多人的環(huán)境下,，傳統(tǒng)的匈牙利算法面臨著關鍵點遮擋、算法性能等關鍵問題,。本文基于2017年提出的PAFs理論基礎以及OpenPose模型,，針對關鍵點聯(lián)系和匹配模塊，提出了一種改進的匈牙利數(shù)學模型進行實驗,。改進的算法采用親和度向量場與鄰接矩陣結合的方式,，通過對矩陣內的數(shù)值處理求解最佳匹配，即輸出正確的人體姿態(tài)框架圖,。
本文詳細內容請下載：http://forexkbc.com/resource/share/2000004246
作者信息：
鄔春學,，賀欣欣
(上海理工大學 光電信息與計算機工程學院，上海200093)
此內容為AET網(wǎng)站原創(chuàng),，未經授權禁止轉載,。