基于增强特征融合的轻量级人体姿态估计网络

来源：电子测量技术杂志2025年第2期北京时间：

作者：施昕昕，张昊亮

单位：南京工程学院自动化学院 南京 211167

摘要：为了提高轻量化人体姿态估计网络对不同阶段特征图的信息提取和特征融合能力和关键点热力图与分类特征图的后处理能力，提出了一种基于多阶段多层级特征融合的人体姿态估计网络。首先设计了多层级特征融合模块，以提高神经网络模型对特征图的信息提取和归纳总结能力；接着设计了结合特征融合模块设计了特征融合分支，以达到保留模型不同阶段的信息不会随长期卷积运算而丢失的效果；最后对模型输出的关键点分类图进行后处理操作，对分类部分使用分类损失增强模块进行进一步增强，使其能够更好地专注于关键点分类任务，以提高模型输出的准确性。在CrowdPose数据集进行性能测试，本文算法和LitePose算法在XS结构下的AP值分别为50.7%和48.4%；在S结构下，AP值分别为59.1%和58.3%。在MS COCO val2017数据集进行性能测试，本文算法和LitePose算法在XS结构下的AP值分别为41.9%和40.6%；在S结构下，AP值分别为57.0%和56.8%。实验结果表明，本文算法提出的多层级特征融合模块和高分辨率融合分支以及后处理操作对人体姿态估计网络检测性能提升具有正向作用。

关键词：人体姿态估计;轻量级网络;多尺度特征融合;深度可分离卷积

基金资助：国家自然科学基金面上项目(61873120)、南京工程学院校级科研基金创新基金重大项目(CKJA201903)资助