基于DeepPose和Faster RCNN的多目标人体骨骼节点检测算法

	基于DeepPose和Faster RCNN的多目标人体骨骼节点检测算法
	余保玲 1; 虞松坤 1; 孙耀然 1; 杨振2 ; 傅旭波 1
发表期刊	中国科学院大学学报
ISSN	2095-6134
	2020
卷号	37 期号:6 页码:828-834
摘要	近年来,随着计算机视觉技术的不断发展,深度学习技术在人体关节节点检测中得到了很好的应用。但是由于人体关节结构复杂,关节之间存在相互依赖的关系和互相遮挡的问题,因此人体骨骼节点检测依然是一个极具挑战的任务。传统的模型难以预测多个目标的骨骼节点,为了解决这个问题,提出一种基于Faster RCNN和DeepPose相结合的方法,首先通过Faster RCNN检测出包含人体的感兴趣区域,并将该区域作为改进的DeepPose算法的输入,使其能够处理多目标关节节点检测的问题。实验表明,该算法在MPII数据集的手腕、膝盖两种关键节点检测上均取得最好结果,比之前的最好结果各提升1.2%和0.3%,在全部的关键节点检测上PCKh为87.6%。
关键词	Faster RCNN DeepPose human body joint nodes detection Faster RCNN DeepPose 人体关节节点检测
收录类别	CSCD
语种	中文
CSCD记录号	CSCD:6849368
引用统计	被引频次：3[CSCD] [CSCD记录]
文献类型	期刊论文
条目标识符	http://ir.ia.ac.cn/handle/173211/42255
专题	复杂系统认知与决策实验室_听觉模型与认知计算
作者单位	1.浙江大学 2.中国科学院自动化研究所
推荐引用方式 GB/T 7714	余保玲,虞松坤,孙耀然,等. 基于DeepPose和Faster RCNN的多目标人体骨骼节点检测算法[J]. 中国科学院大学学报,2020,37(6):828-834.
APA	余保玲,虞松坤,孙耀然,杨振,&傅旭波.(2020).基于DeepPose和Faster RCNN的多目标人体骨骼节点检测算法.中国科学院大学学报,37(6),828-834.
MLA	余保玲,et al."基于DeepPose和Faster RCNN的多目标人体骨骼节点检测算法".中国科学院大学学报 37.6(2020):828-834.