姿態演算法

Ⅰ openpose人體姿態識別優點

隨著計算機視覺的發展及其在日常生活中的廣泛應用，基於各種演算法的行為檢測和運動識別項目在實踐中得到越來越多的應用，並在相關領域得到了廣泛的研究。在行為監控方面，不僅僅是圖形、溫濕度、聲音等信息。用於監控蜜蜂的行為，但更多的應用集中在對人類行為的監控。人體姿態識別作為行為監控的重要參考，已經廣泛應用於視頻採集、計算機圖形學等領域。其中，傳統的人體姿態識別方法有RMPE模型和掩膜R-CNN模型，這兩種方法都是自頂向下的檢測方法。Openpose作為姿態識別的經典項目，是自底向上的檢測方法，主要應用於行為監測、姿態修正和動作分類，在智能家居、自動駕駛、智能監控等領域具有重要的研究意義和應用價值。

在多人目標的手勢識別方面，歷史上常用的方法有自上而下搜索候選關鍵點，用空間連接優化演算法進行人的匹配，通過建立部分親和場由關鍵點檢測人體骨架連接等。

針對當前行為監測中准確率低、效率低的問題，該項目結合openpose手勢識別技術，通過不同肢體之間的協調關系構建分類演算法。通過比較不同的分類演算法，選擇最優模型構建多目標分類方法，最終實現手勢顯示、目標檢測和多目標分類的實時顯示。在該模型中，調用輕量級openpose模型來識別人體姿態。主要方法是通過openpose獲取人體骨骼的關鍵點，然後通過歐氏距離匹配兩塊骨骼，檢測出每個人。對於常見檢測中缺少的關鍵點，可以用前一幀的骨骼信息來填充。