基于改进匈牙利算法对多人人体关键点匹配的研究
信息技术与网络安全 5期
邬春学，贺欣欣
(上海理工大学 光电信息与计算机工程学院，上海200093)
摘要： 在复杂场景下，针对传统人体姿态估计模型中关键点分配算法存在正确率低、资源分配不均等优化问题，在OpenPose模型的基础上提出了一种改进的匈牙利算法，该算法在传统数学模型的基础上采用亲和度向量场与邻接矩阵结合的方式，通过对矩阵内的数值处理，来获取关键点的最佳匹配。实验表明，改进算法的运行时间有一定的减短，同时保证在100×100以内的矩阵中运算的精确度误差率不高于0.014，且在使用本地图像测试的实验中证明了模型的可行性和性能的提升。
中图分类号： TP391.41
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2022.05.007
引用格式： 邬春学，贺欣欣. 基于改进匈牙利算法对多人人体关键点匹配的研究[J].信息技术与网络安全，2022，41(5)：45-50，58.
文献标识码： A
DOI： 10.19358/j.issn.2096-5133.2022.05.007
引用格式： 邬春学，贺欣欣. 基于改进匈牙利算法对多人人体关键点匹配的研究[J].信息技术与网络安全，2022，41(5)：45-50，58.
Research of matching key points of multi-human body based on improved Hungarian algorithm
Wu Chunxue，He Xinxin
(School of Optical-Electrical and Computer Engineering，University of Shanghai for Science and Technology， Shanghai 200093，China)
Abstract： In complex scenarios, there are optimization problems such as low accuracy and uneven resource allocation in the key point allocation algorithm in the traditional human pose estimation model. An improved Hungarian algorithm based on the OpenPose model is proposed. Based on the traditional mathematical model, the algorithm combines the affinity vector field with the adjacency matrix, and obtains the optimal matching of key points through the numerical processing in the matrix. Experimental results show that such algorithm can reduce the running time to a certain extent, while ensuring that the accuracy error rate of the operation in a matrix within 100×100 is not higher than 0.014 .In experiments using local image testing, the feasibility and performance improvement of the model are verified.
Key words : Hungarian algorithm；human pose estimation；key point matching；earthquake rescue；optimization model
0 引言
人体姿态估计是计算机视觉任务中重要的一部分，与人体检测、识别、跟踪等相关技术息息相关，其主要研究如何准确快速地定位人体关键点，并确定各个关键点所在的人体目标[1]。目前存在着传统的定位方法与基于深度学习的方法，它们对推动计算机视觉的研究起着重要的作用。
基于深度学习的检测方法又可分为自上而下(Top-down)和自下而上(Bottom-up)的方法。Top-down检测方法的思想是先识别出图像中的所有人体，然后检测每个人的关键点[2]，但随着图像中人数的增加，Top-down方法的计算成本显著增加，此时则需要考虑使用Bottom-up方法保持稳定。Bottom-up检测方法的思想是先计算出一个图像中所有人体的关键点，然后再将这些关键点通过匈牙利算法、信号聚类等方法划分给不同的目标人体[2-4]。本文基于自下而上的2D多人人体姿态估计，对求解关键点匹配算法进行研究。
在复杂和多人的环境下，传统的匈牙利算法面临着关键点遮挡、算法性能等关键问题。本文基于2017年提出的PAFs理论基础以及OpenPose模型，针对关键点联系和匹配模块，提出了一种改进的匈牙利数学模型进行实验。改进的算法采用亲和度向量场与邻接矩阵结合的方式，通过对矩阵内的数值处理求解最佳匹配，即输出正确的人体姿态框架图。
本文详细内容请下载：http://www.chinaaet.com/resource/share/2000004246
作者信息：
邬春学，贺欣欣
(上海理工大学 光电信息与计算机工程学院，上海200093)
此内容为AET网站原创，未经授权禁止转载。