摘要

本文研究了2D人体全身姿态估计任务，旨在定位人体全身（包括面部、双手、躯干及双脚）的密集关键点。由于现有数据集缺乏完整的全身标注，以往的方法不得不分别在人脸、手部和躯干等不同数据集上独立训练多个深度模型，从而面临数据集偏差问题以及模型复杂度高的挑战。为填补这一空白，本文提出了COCO-WholeBody数据集，该数据集在COCO数据集基础上扩展了全身标注信息。据我们所知，COCO-WholeBody是首个提供人体全身手动标注的基准数据集，包含133个密集关键点：面部68个、双手42个、躯干与双脚23个。为此，本文设计了一种单网络模型——ZoomNet，该模型充分考虑人体全身的层次化结构，有效应对同一人体不同部位之间的尺度差异问题。实验结果表明，ZoomNet在所提出的COCO-WholeBody数据集上显著优于现有方法。大量实验证明，COCO-WholeBody不仅可用于从零开始训练全身姿态估计的深度模型，还可作为多种下游任务（如面部关键点检测、手部关键点估计）的强大预训练数据集。该数据集已公开发布，获取地址为：https://github.com/jin-s13/COCO-WholeBody。