摘要

实时多人2D姿态估计是实现机器对图像和视频中人物理解的关键组成部分。在本研究中，我们提出了一种实时方法来检测图像中多个人物的2D姿态。所提出的方法采用了一种非参数表示，我们称之为部位亲和场（Part Affinity Fields，PAFs），以学习将身体部位与图像中的个体关联起来。该自下而上的系统无论图像中的人物数量多少，都能实现高精度和实时性能。在以往的研究中，PAFs和身体部位位置估计是在训练阶段同时进行优化的。我们证明了仅对PAFs进行优化而不是同时优化PAFs和身体部位位置，可以显著提高运行时性能和准确性。此外，我们还基于一个已公开发布的内部注释脚部数据集，提出了首个结合身体和脚部关键点检测器。我们展示了这种组合检测器不仅比顺序运行每个检测器减少了推理时间，而且还能保持每个组件的独立准确性。这项工作最终促成了OpenPose的发布，这是首个开源的多人2D姿态检测实时系统，包括身体、脚部、手部和面部关键点的检测。