实时理解人体姿势

《NeuroNuggets: Understanding Human Poses in Real-Time》

今天，我们基于所谓的Part Ajnity Fields（PAF）提出了一个姿态估计模型，该模型是我们在NeuroPlatform上作为演示上传的一篇文章。

文章下载地址：https://pan.baidu.com/s/1j83iOqZxOLupScIAUw8xtw

姿态估计是计算机视觉中长期存在的问题之一。 它在过去的几十年中对感兴趣的研究人员有兴趣，因为姿态估计本身不仅是一个重要的问题类别，而且还是许多更有趣的问题的预处理步骤。 如果我们知道人的姿势，我们可以进一步训练机器学习模型，以自动推断肢体的相对位置，并生成姿势模型，可用于执行具有异常行为检测的智能监视，分析医疗实践中的病理，控制3D 现实动画中的模型动作等等。

而且，不仅人类可以有肢体或姿势！ 基本上，姿态估计可以处理在某些关节处彼此连接的刚性移动部件的任何组合，并且问题是从图像特征恢复身体部位的代表性布局。 举例来说，我们Neuromation一直在对猪的合成图像进行姿态估计：

传统上，姿势估计过去是通过从附着在肢体上的光学标记检索运动模式来完成的。 自然地，如果我们能够为图片上的每个人添加特殊的标记，那么姿态估计会更好。 在本文中，我们将重点放在单个标准单眼相机上， 基本上，我们希望能够识别任何旧照片的姿势。

方法概述：

结构：

从身体部位到肢体：

Demo演示：

效果来说还算不错，有兴趣可以看一下论文，说的很详细。