code: https://github.com/cwlroda/falldetection_openpifpaf
文章目录
- 摘要
- 方法
- 结果
摘要
我们提出了一种新的自下而上的多人二维人体姿态估计方法，特别适合于城市移动性，如自动驾驶汽车和交付机器人。新的方法，PifPaf，使用零件强度字段(PIF)来定位身体部位，并使用零件关联字段(PAF)来将身体部位相互关联起来，以形成完整的人体姿势。我们的方法在低分辨率和拥挤、杂乱和封闭的场景中优于以前的方法，这要感谢(i)我们新的复合字段PAF编码细粒度信息和(ii)回归选择拉普拉斯损失，其中包含了不确定性的概念。我们的体系结构是基于一个完全卷积、单热、无盒的设计。我们在标准COCO关键点任务上与现有最先进的自下而上方法相同，并在运输领域的修改的COCO关键点任务上产生最先进的结果。
方法
我们的方法的目的是在拥挤的图像中估计人类的姿态。我们解决了与低分辨率和部分被遮挡的行人相关的挑战。当行人的边界框被其他行人碰撞时，自上而下的方法尤其困难。以前的自下而上的方法没有边界框，但仍然包含用于本地化的粗糙特性映射。我们的方法对关节的空间定位没有任何基于网格的约束，并有能力估计相互遮挡的多个姿态。
结果
