視覺人工智慧指南

人體姿勢估計

人體姿勢估計是在圖像中定位身體關鍵點。

聆聽此指南AI 語音敘述 · ~1 min

本頁1 分鐘閱讀
  1. 概述
  2. 深入探討
  3. 現實世界的實施
  4. 人體姿勢估計的未來
  5. 付諸實踐
  6. 不斷探索
  7. 常見問題

概述

OpenPose 論文描述了多人 2D 姿勢估計,包含由下而上的部位關聯,以及當附近有人被漏掉時由上而下偵測失敗的情況。影像平面上的關鍵點無法確立 3D 深度或醫療狀態。

深入探討

最初的 OpenPose 論文提出了一個由下而上的系統,能共同預測身體部位位置的信心圖以及用於關聯的部位親和場 (PAFs)。其解析器在二分圖匹配中使用 PAF 分數,將候選部位組合成特定人物的姿勢。該論文指出,由上而下的管線可能會漏掉靠得很近的人;下游的姿勢估計無法補救漏掉的偵測。後續的 OpenPose 論文則描述了身體、足部、手部和臉部關鍵點。這些是影像平面輸出,並非臨床量測或 3D 座標。

現實世界的實施

預測身體部位位置的信心圖。

將候選身體部位與部位親和場 (Part Affinity Fields) 及二分圖匹配進行關聯。

比較由下而上的解析方法與依賴人物偵測的由上而下管線。

在 OpenPose 系統中估計身體、足部、手部和臉部關鍵點。

人體姿勢估計的未來

評估目標條件下的關鍵點估計,包括擁擠、遮擋與相機變化。任何超出影像平面姿勢估計的應用,皆需要額外的證據與針對特定任務的驗證。

付諸實踐

為什麼這很重要

  • 速度與規模. 視覺人工智慧可以大規模自動化檢查、檢測和標記任務。
  • 配裝選擇. 創意團隊可以透過更少的手動修改來更快地建立概念原型。
  • 團隊與工作流程. 操作可以使用以前難以處理的影像和視訊訊號。

留意

  • 如果出處不明,肖像權和同意可能會成為法律風險。
  • 模型表現可能因光照、人口統計和環境的不同而有所不同。
  • 除非監控置信閾值,否則誤報可能會被忽略。

後續步驟

  1. 定義精確度、召回率和錯誤成本的接受標準。
  2. 使用符合實際生產條件的數據進行測試。
  3. 為低置信度或高影響力的預測添加人工審核。
  4. 追蹤模型漂移並在相機或資料集變更後重新驗證。

不斷探索

免費電子報

獲取每日 AI 簡報

每個工作日上午提供三則經過驗證的 AI 新聞,以淺顯易懂的英文撰寫。永久免費,無廣告。

每個工作日一封電子郵件。一鍵取消訂閱。我們絕不出售或分享您的地址。

測試一下自己

進行人體姿勢估計測驗

每個答案皆有即時回饋,通過課程後可獲得具備可驗證 ID 的可分享證書。

開始測驗

支持免費的 AI 教育。AI Understanding 是一個 501(c)(3) 非營利組織——絕無廣告,絕無付費牆。 捐款

常見問題

什麼是人體姿勢估計?

人體姿勢估計是在圖像中定位身體關鍵點。OpenPose 論文描述了多人 2D 姿勢估計,包含由下而上的部位關聯,以及當附近有人被漏掉時由上而下偵測失敗的情況。影像平面上的關鍵點無法確立 3D 深度或醫療狀態。

人體姿態估計主要檢測什麼?

姿勢估計定位身體關鍵點,例如手肘、膝蓋和肩膀,然後將它們連結成骨架。

自上而下的姿態估計方法如何運作?

自上而下的方法首先用邊界框檢測每個人,然後估計其中的關節,這是準確的,但對許多人來說速度會變慢。

OpenPose 預測什麼來估計身體部位的位置?

OpenPose 的網路會預測身體部位位置的信心圖,以及用於關聯身體部位的部位親和場。

OpenPose 解析器使用什麼步驟將候選身體部位關聯成完整的姿勢?

該論文描述了一種解析器,它使用 PAF 分數執行二分圖匹配,然後將身體部位候選者組合成完整的姿勢。

OpenPose 論文討論了擁擠場景中由上而下姿勢估計的哪種失敗模式?

論文指出,由上而下的管線可能會漏掉距離相近的人;下游的姿勢估計無法挽回被漏掉偵測的人物。