A comprehensive review of progress in deep-learning-based occluded human pose estimation
Linhao Xu, Lin Zhao, Xinxin Sun, Kedong Yan, Guangyu Li · Journal of Image and Graphics · 2024
人体姿态估计（human pose estimation，HPE）是计算机视觉中的一项基本任务，旨在从给定的图像中获取人体关节的空间坐标，在动作识别、语义分割、人机交互和人员重新识别等方面得到了广泛应用。随着深度卷积神经网络（deep convolutional neural network，DCNN）的兴起，人体姿态估计取得了显著进展。然而，尽管取得了不错的成果，人体姿态估计仍然是一项具有挑战性的任务，特别是在面对复杂姿态、关键点尺度的变化和遮挡等因素时。为了总结关于遮挡的人体姿态估计技术的发展，本文系统地概述了自2018年以来的代表性方法，根据神经网络包含的训练数据、模型结构以及输出结果，将方法细分为基于数据增广（data augmentation）的预处理、基于特征区分的结构设计和基于人体先验的结果优化3类。基于数据增广方法通过生成遮挡的数据来增加训练样本；基于特征区分的方法通过利用注意力机制等方式来减少干扰特征；基于人体结构先验的方法通过利用人体结构先验来优化遮挡姿态。同时，为了更好地评测遮挡方法的性能，重新标注了MSCOCO （Microsoft common objects in context）val2017数据集。最后，对各种方法进行了对比和总结，阐明了它们在面对遮挡时性能的优劣。此外，在此基础上总结和讨论了遮挡情况下人体姿态估计困难的原因以及该领域未来的发展趋势。