姿态估计

https://marcovaldong.github.io/2017/12/31/%E8%AE%BA%E6%96%87%E9%98%85%E8%AF%BB%EF%BC%9ARealTime-Multi-Person-2D-Pose-Estimation-using-Part-Affinity-Fields/

作者：张晓

链接：https://www.zhihu.com/question/63159179/answer/206158785

来源：知乎

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

二维图像姿态估计基于cnn的单人姿态估计方法

2014  deep pose 直接回归关节的坐标

2015  flow convnet 回归heatmap，间接得到坐标

2016  很多方法了  CPM，hourglass， 以及一票改结构的方法

2017  依旧改结构，感觉很无趣，xiaogang组的wei wang和xiao chu基于hourglass改的一个网络目前是第一，91.5%

总体感觉，单人姿态估计领域被cnn占领的差不多啦，cpm这个模型的鲁棒性相当好，遮挡很多都能推断出来，真的让人很震惊。

---------------------分割线-----------------

基于cnn的多人姿态估计方法

多人估计方法一般分为两大类，即自顶向下和自底向上，其中自顶向下是指先把人框出来，然后再用单人的方法去定位人的关节，而自底向上的方法是先把所有关节位置弄出来，然后再区分关节属于谁。

2016  mpii的deep cut和deeper cut

2017  part affine field方法，cmu的，效果很赞。目前开源的就是这个方法，openpose。

-----------------------------------------

说说目前姿态估计的面临的一些问题

(1)遮挡问题，这个问题恐怕是最难的，也是必须要解决的

(2)速度过慢，当前的所有方法，都是需要像titanx才能做到准实时的，15fps，说白了，距离实用还是有一段距离，不过不远了。

(3)仅仅有二维的姿态是不够的，目前也有这一类的研究，关于直接从2d到3d的姿态进行直接估计。这一点才是未来的趋势。

有空再更。