摘要

在视频中进行人体姿态估计时，如何利用帧间的时间信息至关重要。本文提出了一种肢体时间流图（Temporal Flow Maps for Limbs, TML）和多步长方法来估计和跟踪人体姿态。所提出的肢体时间流图是描述肢体运动的单位向量。我们构建了一个网络，以端到端的方式学习空间信息和时间信息。在空间网络部分，回归了诸如关节热图和部位亲和力场等空间信息；而在时间网络部分，则回归了TML。此外，我们还提出了一种数据增强方法，以便更好地学习各种类型的TML。所提出的多步长方法通过在定义范围内随机选择两帧来扩展数据。我们在PoseTrack 2017和2018数据集上展示了该方法能够高效地估计和跟踪人体姿态。