基于OpenPose改进的轻量化人体动作识别模型

来源：电子测量技术杂志2022年第1期北京时间：

作者：李一凡，袁龙健，王 瑞

单位：上海大学 通信与信息工程学院 上海 200444

摘要：本文聚焦于自下而上的人体姿态估计网络OpenPose模型参数量大的缺点，对OpenPose模型的特征提取网络和预测网络分别进行改进，实现轻量化模型的目标。本文使用参数量更少、准确度更高的ResNet18网络替代了原模型中的VGG19网络，并且在不损失过多识别精度的前提下,以深度可分离卷积替代了预测网络中的部分卷积核，以此来降低网络结构的参数量。接着通过人工神经网络对人体动作进行分类，在传统的非线性网络中加入了线性模块提高了网络的记忆能力和泛化能力。结果表明，轻量化OpenPose模型的运行帧数比原先提高了9%至16%，动作识别网络经过3000次迭代训练后，站立、坐着、走、坐下和起立的识别精度达到了0.877、0.835、0.793、0.815和0.808。最后，将整体识别网络应用于真实场景下，根据结果表明，本文的方法可以在嵌入式设备中正常运行，且识别效果较好。

关键词：人体姿态估计;OpenPose;轻量化模型;深度可分离卷积;人工神经网络

基金资助：中国国家自然科学基金(61771299)资助