《表2 自上而下的多人人体姿态估计方法举例》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的人体姿态估计方法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

但是最为先进的目标检测算法也会存在检测误差，如果提出的人体提议框（Human Proposals）有冗余、漏检或者定位偏差等情况，就会导致姿态的检测的不完整、不准确或者重复检测。因此两步法（Two-step Framework）的第一步，即构建人体检测器是决定第二步单人人体姿态检测器（Single Person Pose Estimator）姿态估计效果好坏的关键。大部分算法致力于通过改进非极大抑制（NMS）策略来提升第一步中回归Human Proposals的精度。多人姿态检测算法中优化提议框（Proposals）的相关策略包括NMS、Soft NMS[28]、p-Pose NMS[29]、OKP NMS[30]等。事实上，单人姿态检测器对于Proposals的偏差是非常脆弱的，由于在一副多人图像上存在人体的互相重叠，人体尺度相差悬殊等复杂情况，有时还需要构建专门用于处理Proposals的网络。对于第二步，总体上基于上述单人人体姿态估计的理论并且进行了有效的改进，具体方法举例如表2所示。