基于深度学习的人体姿态估计与追踪

打开文本图片集
摘要:随着深度学习技术的发展,基于卷积神经网络的人体姿态估计和追踪的准确率得到大幅提高。但在面对遮挡问题时,还存在人体关键点检测困难、姿态追踪精度偏低和速度较慢等问题。本文针对这些问题,构建了一个ybasTrack 多人姿态估计和追踪模型;提出采用一种改进的YOLOv5s 网络进行目标检测;采用BCNet 分割网络区分遮挡与被遮挡人体,限定人体关键点定位区域;基于Alphapose 的SPPE(Single-Person Pose Estimator)进行改进,优化人体关键点检测结果;采用改进的Y-SeqNet 网络进行行人重识别,采用MSIM(Multi-Phase IdentityMatching)身份特征匹配算法对人体框、人体姿态和人体身份信息进行匹配,实现人体姿态追踪。(剩余3821字)