基于偏移學習的低分辨率人體姿態估計*

摘要：目前高分辨率人體姿態估計已經非常準確，但是低分辨率人體姿態估計效果并不理想，主要原因是低分辨率時模型性能嚴重下降，而偏移學習是解決模型性能下降的一種有效方法。實驗表明，本文提出的基于偏移學習的低分辨率人體姿態估計算法量化誤差小，準確率高。

關鍵詞：人體姿態估計；低分辨率；偏移學習

*基金項目：深圳市科技創新委員會資助項目（項目編號：JSGG20191129143214333）

人體姿態估計是人體生成，動作識別，行人序列重識別，行人跟蹤和行人目標檢測中最關鍵的技術之一。由于受人體的大尺度變換、人體遮擋和拍攝角度等因素干擾，人體姿態估計充滿挑戰。現有的人體姿態估計算法大部分是基于高分辨率的，低分辨率人體姿態估計研究較少。高分辨率人體姿態估計計算量大，嚴重阻礙了人體姿態估計的應用。城市監控多采用遠距離拍攝，獲取的圖像分辨率都比較低，因此低分辨率人體姿態估計更具有研究和應用價值。

人體姿態估計算法主要分三類：基于坐標的人體姿態估計算法；基于熱圖的人體姿態估計算法；基于偏移的人體姿態估計算法。基于坐標的人體姿態估計算法是以人體 2D 圖像作為輸入并學習人體部位的歸一化坐標，為了提升模型的性能，主要采用級聯網絡來改進預測效果，為了提高低分辨率人體姿態估計的性能，研究還采用了監督學習和對比學習的方法，強制讓特征和輸出保持一致性；基于坐標的方法的人體姿態估計算法模型簡單，但是模型容易過擬合，基于熱圖的人體姿態估計算法剛好可以緩解過擬合。基于熱圖的人體姿態估計算法采用隱士人體結構，且用高斯分布對關鍵點坐標進行編碼，不僅可以防止模型過擬合，而且可以增加容錯能力；但是它容易受到下采樣算子的影響，導致量化誤差增大。基于偏移學習的人體姿態估計算法將人體姿態估計分為部分檢測和偏移回歸任務，明顯減少了量化誤差。本文采用基于偏移學習的人體姿態估計算法在低分辨率數據集上減少了量化誤差，提升了準去率。

1 算法

基于偏移學習的人體姿態估計算法是從關鍵點坐標偏移場中提取偏移向量，再將偏移向量反饋到關鍵點坐標，通過熱圖回歸和偏移回歸方法來進行最終預測。訓練時，激活區被定義為真實關鍵點的中心，通過激活每個像素來實現正確預測，也就是說，每個像素是平等的。測試時，首先用熱圖識別峰值位置，然后檢索偏移量生成輸出。假設偏移損失符合高斯混合模型，為了進一步用掩碼來權衡滅國像素的偏移損失，將偏移學習和粗略預測相結合。

現有基于偏移學習的人體姿態估計多采用二進制熱圖來表示身體關節的激活區域，活圈區域內的置信度值都是 1，這樣無法學習發哦真實數據位置和空間的關系，反應不了較近像素的置信度應該大于較遠像素置信度關系，因此本文采用高斯分別縮放二進制熱圖，并將需要的置信度編碼：

2 實驗

本實驗是 COCO 數據集上完成的。COCO 數據集是用于圖像檢測、語義分割、人體姿態估計最常用的數據集，它包含 220 張有標注的圖像（COCO 數據集超過 330 張圖像），150 萬個目標，80 個行人、汽車、動物等目標類別，91 種草、墻、天空等材料類別，并且每張圖片還包含 5 句圖像描述，最重要的是它包含 250000 個帶關鍵點標注的行人。實驗用平均精度（mean average precision，mAP）和平均召回率（average recall, AR）來作為評價指標。實驗結果如表 1。

從上表可以看出，本文算法在 COCO 數據集上的平均精度和平均召回率明顯優于其它算法，說明本文提出的基于偏移學習的低分辨率人體姿態估計算法在低分辨率人體姿態估計上是有效的。

3 結語

本文提出的基于偏移學習的低分辨率人體姿態估計算法，在低分辨率人體姿態估計時，將人體姿態估計分為部分檢測和偏移回歸任務，明顯減少了量化誤差，提升了準確率。

參考文獻：

[1] ZHANG Y, HASSAN M, NEUMANN H, et al. Generating 3d people in scenes without people[C].2020 IEEE Conference on Computer Vision and Pattern Recognition,2020:6193-6203.

[2] HUANG J, ZHU Z, GUO F, et al. Delving into unbiased data processing for human pose estimation[C].2020 IEEE Conference on Computer Vision and Pattern Recognition,2020:5700-5709.

[3] MA C, RAO Y, CHENG Y, et al. Structure-preserving super resolution with gradient guidance [C].2020 IEEE Conference on Computer Vision and Pattern Recognition,2020:7766-7775.

[4] FENG Z, XIATIAN Z, HANBIN D, et al. Distributionaware coordinate representation for human pose estimation[C]. 2020 IEEE Conference on Computer Vision and Pattern Recognition,2020:7091-7100.

[5] QIAN X, FU Y, XIANG T, et al. Pose normalized image generation for person re-identification[C].2018 European Conference on Computer Vision,2018:661-678.

[6] CHEN Y, WANG Z, PENG Y, et al. Cascaded pyramid network for multi-person pose estimation[C].2018 IEEE Conference on Computer Vision and Pattern Recognition,2018:7103-7112.

[7] SUN K, XIAO B, LIU D et al. Deep high-resolution representation learning for human pose estimation[C].2019 IEEE Conference on Computer Vision and Pattern Recognition,2019:5693-5703.

[8] XIAO B, WU H, WEI Y, et al. Simple baselines for human pose estimation and tracking[C].2018 European Conference on Computer Vision,2018:472-487.

(注：本文轉載自《電子產品世界》雜志2022年9月期)