人体姿态识别(Pose Estimation)是检测图像或者视频中人体关键点的位置、构建人体骨架图的过程。利用人体姿态信息可以进一步进行动作识别、人机信息交互、异常人体关键点检测(Human Keypoints Detection)又称为人体姿态估计2D Pose,是计算机视觉中一个相对基础的任务，是人体动作识别、行为分析、人机交互等的前置任务。一般情况下可以将人体
实验原理针对人体姿态检测一般有两种做法，分别是top-down以及bottom-up的方法。1.对于top-down的方法，往往是先做行人检测，然后把每一个人分割出来，最后基于每一个独立目前最为常用的就是OKS(Object Keypoint Similarity)指标，这个指标启发于目标检测中的IoU指标，目的就是为了计算真值和预测人体关键点的相似度。OKS O K S p = ∑ i e x p { −
(1)two-step framework,就是先进行行人检测，得到边界框，然后在每一个边界框中检测人体关键点，连接成一个人形，缺点就是受检测框的影响太大，漏检，误检，IOU大小等都会对结果有影响，代可以实现人体动作、面部表情、手指运动等姿态估计。适用于单人和多人，具有极好的鲁棒性。是世界上首个基于深度学习的实时多人二维姿态估计应用，基于它的实例如雨后春笋般涌现。其
ˇωˇ 该论文指出，定位和识别中不可避免的会出现错误，这些错误会引起单人姿态估计(single-person pose estimator,SPPE)的错误，特别是完全依赖人体检测的姿态估计算法。因而该论文提出了区代码：pytorch_Realtime_Multi-Person_Pose_Estimation 一、背景介绍首先我们要明确什么是人体姿态检测。从上图可以看出人体姿态检测分为两个部分，第一个部
