文献类型：期刊文章

作　　者：周燕[1] 刘紫琴[1] 曾凡智[1] 周月霞[1] 陈嘉文[1] 罗粤[1]

ZHOU Yan;LIU Ziqin;ZENG Fanzhi;ZHOU Yuexia;CHEN Jiawen;LUO Yue(Department of Computer Science,Foshan University,Foshan,Guangdong 528000,China)

机构地区：[1]佛山科学技术学院计算机系,广东佛山528000

出　　处：《计算机科学与探索》

基　　金：国家自然科学基金(61972091);广东省普通高校重点项目(2019KZDXM007);广东省工程技术研究中心项目(G601624);广东省自然科学基金(2017A030313388);佛山市教育局特色创新项目(2019XJZZ10)。

年　　份：2021

卷　　号：15

期　　号：4

起止页码：641-657

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、ZGKJHX、核心刊

摘　　要：近年来人体姿态估计作为计算机视觉领域的热点,在视频监控、人机交互、智慧校园等领域具有广泛的应用前景。随着神经网络的快速发展,采用深度学习方法进行二维人体姿态估计,相较于传统需要人工设定特征的方法,更能充分地提取图像信息,获取更具有鲁棒性的特征,因此基于深度学习的方法已成为二维人体姿态估计算法研究的主流方向。然而,深度学习尚在发展中,仍存在训练规模大等问题,研究者们主要从设计网络以及训练方式入手对人体姿态估计算法进行改进。首先,将二维人体姿态估计分为单人与多人两大类进行论述;根据真值类型不同将单人姿态估计分为基于坐标回归与基于热图检测两类,根据算法步骤不同将多人姿态估计分为二步法与一步法两类,对近年来先进的算法进行总结分类介绍,并分析它们的优缺点以及适用范围;然后,介绍了相关的国际标准数据集以及相应的评价指标,并对几种经典算法进行实验数据对比;最后,对当前研究所存在的问题以及未来发展趋势进行了总结概述。

关 键 词：人体姿态估计  深度学习  神经网络 关节点检测  

分 类 号：TP391]