《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 设计应用 > 基于改进匈牙利算法对多人人体关键点匹配的研究
基于改进匈牙利算法对多人人体关键点匹配的研究
信息技术与网络安全 5期
邬春学，贺欣欣
(上海理工大学 光电信息与计算机工程学院，上海200093)
摘要： 在复杂场景下，针对传统人体姿态估计模型中关键点分配算法存在正确率低、资源分配不均等优化问题，在OpenPose模型的基础上提出了一种改进的匈牙利算法，该算法在传统数学模型的基础上采用亲和度向量场与邻接矩阵结合的方式，通过对矩阵内的数值处理，来获取关键点的最佳匹配。实验表明，改进算法的运行时间有一定的减短，同时保证在100×100以内的矩阵中运算的精确度误差率不高于0.014，且在使用本地图像测试的实验中证明了模型的可行性和性能的提升。
中圖分類號(hào)： TP391.41
文獻(xiàn)標(biāo)識(shí)碼： A
DOI： 10.19358/j.issn.2096-5133.2022.05.007
引用格式： 鄔春學(xué)，賀欣欣. 基于改進(jìn)匈牙利算法對(duì)多人人體關(guān)鍵點(diǎn)匹配的研究[J].信息技術(shù)與網(wǎng)絡(luò)安全，2022，41(5)：45-50，58.
Research of matching key points of multi-human body based on improved Hungarian algorithm
Wu Chunxue，He Xinxin
(School of Optical-Electrical and Computer Engineering，University of Shanghai for Science and Technology， Shanghai 200093，China)
Abstract： In complex scenarios, there are optimization problems such as low accuracy and uneven resource allocation in the key point allocation algorithm in the traditional human pose estimation model. An improved Hungarian algorithm based on the OpenPose model is proposed. Based on the traditional mathematical model, the algorithm combines the affinity vector field with the adjacency matrix, and obtains the optimal matching of key points through the numerical processing in the matrix. Experimental results show that such algorithm can reduce the running time to a certain extent, while ensuring that the accuracy error rate of the operation in a matrix within 100×100 is not higher than 0.014 .In experiments using local image testing, the feasibility and performance improvement of the model are verified.
Key words : Hungarian algorithm；human pose estimation；key point matching；earthquake rescue；optimization model

0 引言

人體姿態(tài)估計(jì)是計(jì)算機(jī)視覺(jué)任務(wù)中重要的一部分，與人體檢測(cè)、識(shí)別、跟蹤等相關(guān)技術(shù)息息相關(guān)，其主要研究如何準(zhǔn)確快速地定位人體關(guān)鍵點(diǎn)，并確定各個(gè)關(guān)鍵點(diǎn)所在的人體目標(biāo)[1]。目前存在著傳統(tǒng)的定位方法與基于深度學(xué)習(xí)的方法，它們對(duì)推動(dòng)計(jì)算機(jī)視覺(jué)的研究起著重要的作用。

基于深度學(xué)習(xí)的檢測(cè)方法又可分為自上而下(Top-down)和自下而上(Bottom-up)的方法。Top-down檢測(cè)方法的思想是先識(shí)別出圖像中的所有人體，然后檢測(cè)每個(gè)人的關(guān)鍵點(diǎn)[2]，但隨著圖像中人數(shù)的增加，Top-down方法的計(jì)算成本顯著增加，此時(shí)則需要考慮使用Bottom-up方法保持穩(wěn)定。Bottom-up檢測(cè)方法的思想是先計(jì)算出一個(gè)圖像中所有人體的關(guān)鍵點(diǎn)，然后再將這些關(guān)鍵點(diǎn)通過(guò)匈牙利算法、信號(hào)聚類等方法劃分給不同的目標(biāo)人體[2-4]。本文基于自下而上的2D多人人體姿態(tài)估計(jì)，對(duì)求解關(guān)鍵點(diǎn)匹配算法進(jìn)行研究。

在復(fù)雜和多人的環(huán)境下，傳統(tǒng)的匈牙利算法面臨著關(guān)鍵點(diǎn)遮擋、算法性能等關(guān)鍵問(wèn)題。本文基于2017年提出的PAFs理論基礎(chǔ)以及OpenPose模型，針對(duì)關(guān)鍵點(diǎn)聯(lián)系和匹配模塊，提出了一種改進(jìn)的匈牙利數(shù)學(xué)模型進(jìn)行實(shí)驗(yàn)。改進(jìn)的算法采用親和度向量場(chǎng)與鄰接矩陣結(jié)合的方式，通過(guò)對(duì)矩陣內(nèi)的數(shù)值處理求解最佳匹配，即輸出正確的人體姿態(tài)框架圖。



本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.ihrv.cn/resource/share/2000004246





作者信息：

鄔春學(xué)，賀欣欣

(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院，上海200093)


此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容