文獻(xiàn)標(biāo)識(shí)碼: A
DOI: 10.19358/j.issn.2096-5133.2022.05.007
引用格式: 鄔春學(xué),,賀欣欣. 基于改進(jìn)匈牙利算法對(duì)多人人體關(guān)鍵點(diǎn)匹配的研究[J].信息技術(shù)與網(wǎng)絡(luò)安全,2022,,41(5):45-50,,58.
0 引言
人體姿態(tài)估計(jì)是計(jì)算機(jī)視覺(jué)任務(wù)中重要的一部分,,與人體檢測(cè),、識(shí)別、跟蹤等相關(guān)技術(shù)息息相關(guān),,其主要研究如何準(zhǔn)確快速地定位人體關(guān)鍵點(diǎn),,并確定各個(gè)關(guān)鍵點(diǎn)所在的人體目標(biāo)[1]。目前存在著傳統(tǒng)的定位方法與基于深度學(xué)習(xí)的方法,,它們對(duì)推動(dòng)計(jì)算機(jī)視覺(jué)的研究起著重要的作用,。
基于深度學(xué)習(xí)的檢測(cè)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(cè)方法的思想是先識(shí)別出圖像中的所有人體,,然后檢測(cè)每個(gè)人的關(guān)鍵點(diǎn)[2],,但隨著圖像中人數(shù)的增加,Top-down方法的計(jì)算成本顯著增加,,此時(shí)則需要考慮使用Bottom-up方法保持穩(wěn)定,。Bottom-up檢測(cè)方法的思想是先計(jì)算出一個(gè)圖像中所有人體的關(guān)鍵點(diǎn),然后再將這些關(guān)鍵點(diǎn)通過(guò)匈牙利算法,、信號(hào)聚類(lèi)等方法劃分給不同的目標(biāo)人體[2-4],。本文基于自下而上的2D多人人體姿態(tài)估計(jì),對(duì)求解關(guān)鍵點(diǎn)匹配算法進(jìn)行研究,。
在復(fù)雜和多人的環(huán)境下,,傳統(tǒng)的匈牙利算法面臨著關(guān)鍵點(diǎn)遮擋、算法性能等關(guān)鍵問(wèn)題,。本文基于2017年提出的PAFs理論基礎(chǔ)以及OpenPose模型,,針對(duì)關(guān)鍵點(diǎn)聯(lián)系和匹配模塊,提出了一種改進(jìn)的匈牙利數(shù)學(xué)模型進(jìn)行實(shí)驗(yàn),。改進(jìn)的算法采用親和度向量場(chǎng)與鄰接矩陣結(jié)合的方式,,通過(guò)對(duì)矩陣內(nèi)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(xì)內(nèi)容請(qǐng)下載:http://forexkbc.com/resource/share/2000004246
作者信息:
鄔春學(xué),,賀欣欣
(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院,上海200093)