毋寧， 王鵬， 李曉艷， 呂志剛， 孫夢宇

（1.西安工業(yè)大學(xué) 兵器科學(xué)與技術(shù)學(xué)院， 陜西 西安 710021；2.西安工業(yè)大學(xué) 發(fā)展規(guī)劃處， 陜西 西安 710021；3.西安工業(yè)大學(xué) 電子信息工程學(xué)院， 陜西 西安 710021；4.西安工業(yè)大學(xué) 光電工程學(xué)院， 陜西 西安 710021）

1 引言

隨著計算機視覺領(lǐng)域的不斷發(fā)展，人體姿態(tài)估計逐漸進入人們視野。人體姿態(tài)估計主要是對圖片或視頻中的人體骨骼關(guān)鍵點進行精確定位識別［1-2］。目前人體姿態(tài)估計算法已被廣泛應(yīng)用到人機交互、動作識別、3D姿態(tài)研究、智能武器、智能視頻監(jiān)控等眾多領(lǐng)域［3-6］。但隨著人體姿態(tài)估計算法檢測精度的提升，模型復(fù)雜度也在劇增，造成模型參數(shù)量和計算量的大幅增加，導(dǎo)致現(xiàn)有的人體姿態(tài)估計算法難以滿足實際應(yīng)用中對檢測效率的需求。低內(nèi)存和低計算能力下的姿態(tài)估計問題不僅具有挑戰(zhàn)性，目前還很少受到研究界的關(guān)注［7-10］，因此進行人體姿態(tài)估計模型的輕量化研究十分必要。在確保模型檢測精度的同時，降低網(wǎng)絡(luò)模型的體積與運算量、提高檢測速率變得刻不容緩。

基于深度學(xué)習(xí)的人體姿態(tài)估計可分為兩種：一種是自下向上框架，其直接定位人體骨骼關(guān)鍵點，再通過聚類等方法將關(guān)鍵點匹配到相應(yīng)的人［11-12］；另一種是自頂向下框架，先對人體進行檢測，再通過直接回歸或熱圖回歸的方法對關(guān)鍵點進行定位識別［13］。Fang［14］等人提出基于自上向下框架的多人姿態(tài)估計網(wǎng)絡(luò)（Regional Multi-Person Pose Estimation，RMPE），結(jié)合對稱空間變換網(wǎng)絡(luò)有效提高了關(guān)鍵點檢測效果，但其存在網(wǎng)絡(luò)復(fù)雜度高、算法運行時間長的問題。Chen［15］等人提出的級聯(lián)金字塔網(wǎng)絡(luò)（Cascaded Pyramid Network，CPN）采用在線難例挖掘有效緩解了困難關(guān)鍵點定位問題，但仍存在精度低、時耗長的缺點。Sun［16］等人提出深度高分辨率網(wǎng)絡(luò)（High Resolution Network，HRNet），高分辨率網(wǎng)絡(luò)有效改善了關(guān)鍵點定位精度，但在網(wǎng)絡(luò)中始終保持高分辨率極大增加了網(wǎng)絡(luò)負荷，導(dǎo)致模型參數(shù)量急劇增加。Cheng［17］等人融入多尺度模塊改善高分辨率網(wǎng)絡(luò)的多尺度特征提取能力，但更加深了模型的復(fù)雜度。Yu［18］等人提出輕量級高分辨率網(wǎng)絡(luò)（Lite-High Resolution Network，Lite-HRNet），引入條件信道加權(quán)單元取代昂貴的點態(tài)卷積，并結(jié)合通道混洗有效減少了網(wǎng)絡(luò)的復(fù)雜度，但也造成了精度的極大損失。

針對人體姿態(tài)估計模型在準(zhǔn)確度與速度之間難以平衡的問題［19］，本文展開了人體姿態(tài)估計算法的輕量化研究，主要從卷積模塊輕量化、注意力機制輕量化及損失函數(shù)3個角度進行改進，使模型在保證檢測精度的同時減少了網(wǎng)絡(luò)參數(shù)量與運算量，壓縮了模型體積，從而改善了實際應(yīng)用中人體姿態(tài)估計模型的檢測效率。實驗結(jié)果證明，最終得到的輕量級人體姿態(tài)估計模型有效提高了多人復(fù)雜場景下的關(guān)鍵點檢測性能，實現(xiàn)了人體姿態(tài)估計模型的輕量化。

2 RMPE算法原理

圖1是一種經(jīng)典多人姿態(tài)估計網(wǎng)絡(luò)RMPE（Regional Multi-person Pose Estimation）的結(jié)構(gòu)圖，主要由人體檢測、空間變換網(wǎng)絡(luò)（Spatial transformation network，STN）、姿態(tài)估計網(wǎng)絡(luò)SPPE、空間反變換網(wǎng)絡(luò)（Spatial de-transform network，SDTN）以及姿態(tài)非極大值抑制Pose-NMS 5部分組成。RMPE算法先通過目標(biāo)檢測算法進行人體檢測，然后將檢測到的人體送入姿態(tài)估計網(wǎng)絡(luò)SPPE中，對每一個人的關(guān)鍵點分析定位，再通過姿態(tài)非極大值抑制對冗余的人體檢測結(jié)果進行消除，得到最終的人體姿態(tài)估計檢測結(jié)果。

圖1 多人姿態(tài)估計網(wǎng)絡(luò)RMPEFig.1 Multi-person pose estimation network RMPE

RMPE網(wǎng)絡(luò)為自頂向下的多人姿態(tài)估計網(wǎng)絡(luò)，其在追求高精度關(guān)鍵點檢測的同時會涉及大量的運算量，加深了模型復(fù)雜度，且隨著輸入圖片中人數(shù)的增多，關(guān)鍵點的數(shù)量也在成倍增加，導(dǎo)致檢測效率大幅降低，實際應(yīng)用效果差。故如何在保證模型檢測精度的同時，有效減少網(wǎng)絡(luò)的參數(shù)量和計算量，提高人體姿態(tài)估計網(wǎng)絡(luò)的檢測效率十分必要。為了提升人體姿態(tài)估計算法在實際應(yīng)用中的檢測效率，本文將對RMPE算法展開輕量化研究。

3 本文算法

3.1 改進的RMPE-tiny網(wǎng)絡(luò)結(jié)構(gòu)

RMPE網(wǎng)絡(luò)作為多人姿態(tài)估計模型具有較好的檢測效果，但在實際應(yīng)用中由于網(wǎng)絡(luò)較復(fù)雜、參數(shù)量多，導(dǎo)致模型龐大，檢測速率慢。本文為降低多人姿態(tài)估計網(wǎng)絡(luò)RMPE的復(fù)雜度，提高模型的實時檢測效率，改進并得到了如圖2所示的輕量化人體姿態(tài)估計模型RMPE-tiny。

本文算法首先針對模型參數(shù)量大的情況，結(jié)合Ghost卷積［20］構(gòu)建G-Bottleneck模塊，實現(xiàn)特征提取網(wǎng)絡(luò)的輕量化重構(gòu)，所構(gòu)建的G-Bottleneck模塊如圖2所示。其次由于特征提取網(wǎng)絡(luò)參數(shù)量減少會導(dǎo)致網(wǎng)絡(luò)缺少部分特征信息，因此融合了多個改進的輕量級自適應(yīng)特征感知注意力機制Sa-ECA，增強通道間的信息交流以得到更豐富的語義信息。最后采用指數(shù)平方損失函數(shù)Huber Loss［21］來優(yōu)化損失回歸，加速模型收斂，提升模型對異常點的檢測效果。

最終通過改進得到了一個輕量級、高精度、強魯棒性的輕量級人體姿態(tài)估計模型RMPE-tiny，可以有效降低網(wǎng)絡(luò)參數(shù)量，壓縮模型體積，充分融合通道間交互信息并增強人體關(guān)鍵點的定位效果，顯著提高了人體姿態(tài)估計模型檢測效率，實現(xiàn)了人體姿態(tài)估計網(wǎng)絡(luò)的輕量化。

3.2 基于Ghost模塊的特征提取網(wǎng)絡(luò)重構(gòu)

為降低多人姿態(tài)估計RMPE網(wǎng)絡(luò)的復(fù)雜度，本文首先進行了基于Ghost模塊的特征提取網(wǎng)絡(luò)輕量化重構(gòu)。RMPE姿態(tài)估計模型采用Resnet50骨干網(wǎng)絡(luò)進行特征提取，該網(wǎng)絡(luò)在提高性能的同時也帶來了更多的計算量。由于卷積神經(jīng)網(wǎng)絡(luò)的語義信息中包含眾多冗余特征，普通卷積操作含浪費大量的參數(shù)量和算力來提取冗余特征，限制了模型的運行效率，而Ghost卷積采用廉價線性操作映射生成冗余特征，極大地減少了卷積運算。故本文結(jié)合Ghost卷積，構(gòu)建了輕量級特征提取模塊G-Bottleneck，以減少提取冗余特征造成的算力浪費。

在進行常規(guī)卷積運算時，當(dāng)輸入數(shù)據(jù)為X∈Rc×h×w，則會產(chǎn)生n個特征映射，常規(guī)卷積運算公式如式（1）所示：

式中：Y∈Rh'×w'×n表示n個通道的輸出特征映射，h和w為輸入圖像高和寬；*表示卷積運算，f∈Rc×k×k×n為該層卷積核，c為輸入通道數(shù)，k×k為卷積濾波器f的核大小，b為偏置項。故常規(guī)卷積運算所需計算量為n·h'·w'·c·k·k，其中h'和w'分別為輸出圖像的高和寬。由于濾波器的數(shù)量n和通道數(shù)c通常非常大，故模型的浮點運算量通常非常高。

對比圖3（a）常規(guī)卷積和圖3（b）Ghost卷積可以發(fā)現(xiàn)，通過常規(guī)卷積直接提取全部特征時，生成的全部特征圖中往往包含眾多冗余特征，使用常規(guī)卷積直接生成這些冗余特征會造成極大算力浪費；Ghost卷積則通過線性映射提取冗余信息，避免了采用常規(guī)卷積提取冗余特征帶來的大量算力浪費。Ghost卷積首先通過少量常規(guī)卷積生成內(nèi)在特征，再通過廉價線性變化φ生成冗余特征Ghost feature來增強特征，增加信道，用恒等映射Identity生成內(nèi)在特征Intrinsic feature，線性變化和恒等映射并行，最終融合得到豐富的輸出特征。廉價線性操作的計算公式如式（2）所示：

圖3 常規(guī)卷積和Ghost卷積Fig.3 Conventional convolution and Ghost convolution

式中：?i=1，…，m，j=1，…，s，yi'是Y'中的第i個固有特征映射，φ是生成第j個Ghost特征yij的第j個線性操作，yi'可以有一個或多個Ghost特征映射，最后一個φi，s保留固有特征映射內(nèi)的自身映射。利用公式（2）可獲得n=m·s個特征映射作為Ghost模塊的輸出，線性操作φ在每個信道上的計算成本遠小于普通卷積。

Ghost卷積模塊包含恒等映射與線性操作，線性操作卷積核大小是d×d，Ghost卷積一般采用相同大小的線性操作。理論上，Ghost卷積改進常規(guī)卷積的模型壓縮比Rs如公式（3）所示：

當(dāng)卷積核與大小相似時，這種理想情況的模型壓縮比Rc如式（4）所示。

3.3 輕量級自適應(yīng)特征感知注意力機制

為增強人體姿態(tài)估計網(wǎng)絡(luò)的跨通道信息交互，有效融合局部與全局信息，本文改進了高效注意力模塊（Efficient Channel Attention，ECA）［22］，得到了輕量級自適應(yīng)特征感知模塊（Sa-ECA）。通過在人體姿態(tài)估計網(wǎng)絡(luò)中融入多個Sa-ECA模塊，實現(xiàn)了更加高效的語義信息提取與交互。RMPE網(wǎng)絡(luò)使用注意力機制（Squeeze and Excitation，SE）［23］增強語義信息提取，但SE模塊采用涉及降維操作的全連接層FC捕獲所有通道間的交互信息，造成了信息的極大損失，并極大增加了網(wǎng)絡(luò)負荷。而ECA注意力機制雖可減少網(wǎng)絡(luò)負荷，但其通過設(shè)定固定卷積核來聚合特征信息，導(dǎo)致該操作不能有效地結(jié)合語義信息實現(xiàn)特征聚合。本文采用自適應(yīng)全局平均池化來完成特征聚合，實現(xiàn)特征信息的有效聚合，改進后的輕量級自適應(yīng)特征感知模塊Sa-ECA可使模型在參數(shù)量減少的情況下實現(xiàn)通道信息的有效獲取。

輕量級自適應(yīng)特征感知模塊Sa-ECA如圖4所示，圖中卷積塊的輸入為χ∈RW×H×C，其中W、H和C分別為輸入的寬度、高度和通道尺寸。自適應(yīng)注意力機制將高分辨率特征與卷積后特征融合，保證了特征信息的有效融合。自適應(yīng)全局平均池化（Adaptive Global Average Pooling，Adaptive GAP）不涉及降維操作可有效獲得聚合特征，使通道和權(quán)重之間直接聯(lián)系，避免了降維帶來的信息損失，保證了信息的有效獲取。

圖4 輕量級自適應(yīng)特征感知模塊Fig.4 Lightweight adaptive feature perception module

自適應(yīng)全局平均池化通過對每個輸出通道的所有像素計算平均值，根據(jù)輸入?yún)?shù)自適應(yīng)地調(diào)節(jié)控制輸出大小，學(xué)習(xí)自適應(yīng)和可判別性的特征圖以匯總特征，同時丟棄無用信息特征，極大地保留目標(biāo)的大量細節(jié)。通過快速一維卷積C1D實現(xiàn)通道間信息交互，捕獲跨通道交互信息，如公式（5）所示：

式中：k為自適應(yīng)卷積核的大小，表示局部跨通道交互的范圍，是由通道數(shù)C的映射自適應(yīng)地確定的；σ是Sigmoid函數(shù)；C1D是一維卷積，即1×k的卷積，它只涉及k個參數(shù)，可有效減少注意力機制帶來的大量參數(shù)。

3.4 損失函數(shù)

為加快輕量化之后模型訓(xùn)練的收斂速度，本文對訓(xùn)練所采用的損失函數(shù)進行改進。原算法采用平方損失函數(shù)（Mean Square Loss，MSE Loss）訓(xùn)練網(wǎng)絡(luò)，雖梯度會隨損失值接近最小值時不斷減小，但其對離群點兼容性不夠好，降低了模型魯棒性。本文結(jié)合指數(shù)平方損失函數(shù)Huber Loss訓(xùn)練模型，該損失函數(shù)圍繞訓(xùn)練中的最小值減小梯度并降低網(wǎng)絡(luò)對異常點懲罰程度，同時可加快模型收斂，相比于平方損失函數(shù)有更好的魯棒性。Huber Loss可更好地擬合數(shù)據(jù)分布，Huber損失函數(shù)公式如（6）所示：

式中：yi和f(xi)分別表示第i個樣本的真實值及其對應(yīng)的預(yù)測值，δ為超參數(shù)。從定義可以看出Huber Loss處處可導(dǎo)。當(dāng)預(yù)測誤差大于δ時，采用均方絕對誤差損失函數(shù)（Mean Absolute Loss，MAE Loss）；當(dāng)預(yù)測值誤差小于δ時，則采用MSE Loss。

采用MAE損失訓(xùn)練網(wǎng)絡(luò)時，其梯度始終很大，不利于模型學(xué)習(xí)，而且在使用梯度下降訓(xùn)練模型時易忽略較小值；而采用MSE訓(xùn)練網(wǎng)絡(luò)時，梯度會隨損失值接近最小值時不斷減小，但其對離群點的兼容性不夠好。Huber Loss同時包含MAE Loss與MSE Loss兩者的優(yōu)點，對于異常點有較好的擬合效果，可有效避免梯度爆炸的問題。隨著訓(xùn)練誤差的減小，梯度也在減小，這可加快收斂速度，使模型較快收斂到最小值。最終本文結(jié)合Huber Loss損失函數(shù)進行訓(xùn)練，加快了模型的收斂速度，提高了模型的魯棒性。

4 實驗與結(jié)果

4.1 實驗環(huán)境及數(shù)據(jù)集

本文使用Pytorch深度學(xué)習(xí)框架來實現(xiàn)人體姿態(tài)估計算法，實驗操作系統(tǒng)為Ubuntu16.04，顯卡為NVIDIA Quadro M6000。在本實驗中選用Adam優(yōu)化器對模型進行優(yōu)化，訓(xùn)練批量Batch size為32，學(xué)習(xí)率（LR）為1e-3，訓(xùn)練周期為200 epoch。所有實驗均在以上環(huán)境中進行。

本文使用MSCOCO 2017數(shù)據(jù)集驗證模型的有效性，該數(shù)據(jù)集共定義17個人體關(guān)鍵點，其具體表示如圖5所示。按需將其劃分為訓(xùn)練集、驗證集及測試集，其中64 115張訓(xùn)練集圖片作為訓(xùn)練樣本，5 000張驗證集作為驗證樣本。

圖5 人體關(guān)鍵點示意圖Fig.5 Schematic diagram of key points of the human body

4.2 評估指標(biāo)

本文采用COCO數(shù)據(jù)集的主要評估指標(biāo)AP、AP50、AP75、APM、APL來評估模型的精度。其中AP表示在10個OKS閾值（OKS=0.50，0.55，0.60，…，0.95）處的平均精度，AP50表示OKS=0.50時的檢測精度，AP75表示OKS=0.75時的檢測精度，APM表示中等物體的檢測精度，APL表示大型物體的檢測精度。OKS（Object Keypoint Similarity）表示關(guān)鍵點相似度，其值在（0，1）之間分布，OKS的值越接近1則預(yù)測結(jié)果越好，OKS計算公式如式（7）所示：

式中：di表示每個預(yù)測關(guān)鍵點與真實關(guān)鍵點之間的歐幾里得距離，vi表示關(guān)鍵點可視，s表示物體尺度，ki表示控制衰減常數(shù)。

對模型輕量化程度評價時，通常選取的評價指標(biāo)是參數(shù)量（Params）、浮點運算數(shù)（GFLOPs）及模型大小。參數(shù)量是指網(wǎng)絡(luò)模型中需要訓(xùn)練的參數(shù)總量，直接決定模型的大小。浮點運算數(shù)是網(wǎng)絡(luò)實際運行過程中計算量的大小，即算力，其用來衡量算法或模型的復(fù)雜度，計算公式如式（8）所示：

式中：K為卷積核，H、W為輸入圖像的高與寬，輸入通道數(shù)是Cin，輸出通道數(shù)是Cout。文中所用GFLOPs指10億次浮點運算數(shù)，其中1GFLOPs=109FLOPs。

4.3 模型訓(xùn)練損失對比分析

模型訓(xùn)練損失曲線對比如圖6所示。使用MAE Loss訓(xùn)練模型時，損失曲線變化如藍色曲線所示，可以看出損失曲線收斂慢，損失值較高。使用MSE Loss訓(xùn)練時，損失曲線變化如灰色曲線所示，可以看出模型收斂速度相對較慢，損失值最終收斂在3.5e-4左右，對異常值的處理效果不佳。結(jié)合Huber Loss訓(xùn)練模型時，損失變化如紅色曲線所示，該損失曲線相對較平滑，訓(xùn)練過程中對異常值的處理優(yōu)于使用其他兩者訓(xùn)練時的效果。使用Huber Loss訓(xùn)練時，模型在訓(xùn)練到約160批次開始收斂，收斂速度較快，收斂后的曲線較平穩(wěn)，最終損失值收斂在3.1e-4左右。

圖6 網(wǎng)絡(luò)訓(xùn)練損失對比Fig.6 Comparison of network training losses

損失函數(shù)是評價模型的預(yù)測值與真實值之間的不一致程度，損失函數(shù)越小，模型的魯棒性越好。合適的損失函數(shù)會加快模型的收斂速度，提高模型的檢測精度?？梢钥闯?，改進模型損失函數(shù)，結(jié)合Huber Loss訓(xùn)練模型可加快模型收斂，模型收斂值更優(yōu)，而且該損失函數(shù)對異常值的處理效果更好，增強了模型的魯棒性。

4.4 實驗結(jié)果及分析

為驗證算法的有效性，本文主要從模型的參數(shù)量、算力以及檢測精度等方面對模型進行對比分析。不同人體姿態(tài)估計方法性能對比如表1所示。CPN模型采用堆疊金字塔進行多人姿態(tài)估計，檢測精度低，這是其對深層語義信息的提取不夠充分導(dǎo)致的；SimpleBaseline-101［24］模型簡單的反卷積結(jié)構(gòu)使精度提升至71.4%，但同時由于網(wǎng)絡(luò)較深也造成了模型參數(shù)量劇增；HRNet網(wǎng)絡(luò)始終保持高分辨率使檢測精度可達73.4%，但始終保持高分辨率造成了模型體積高達116.2 MB；HigherHRNet為改善多尺度場景檢測效果導(dǎo)致模型算力劇增。從對比實驗結(jié)果可以看出，本文提出的RMPE-tiny模型相比于基準(zhǔn)模型RMPE，參數(shù)量減少了約56.1%；算力減少了約32.0%；模型體積壓縮至72.1 MB，減少了約57.0%；模型檢測精度為72.8%，提升了約0.5%。故可以得出，本文改進后的模型檢測效率更高。

表1 不同人體姿態(tài)估計方法的性能對比Tab.1 Performance comparison of different human posture estimation methods

4.5 消融實驗

表2為改進的人體姿態(tài)估計算法的消融實驗對比分析，主要對比分析了本文所做各個改進的實驗結(jié)果。實驗結(jié)果表明，進行基于Ghost模塊的特征提取網(wǎng)絡(luò)輕量化重構(gòu)后，模型參數(shù)量由原來的40.5 M下降至29.0 M，與RMPE網(wǎng)絡(luò)相比減少了約25.0%，算力減少了約32.5%，模型體積減少了約28.1%?？梢钥闯觯珿host卷積可顯著降低網(wǎng)絡(luò)的參數(shù)和運算量，但會導(dǎo)致精度AP有所損失。當(dāng)采用輕量級注意力模塊ECA恢復(fù)精度時，模型參數(shù)量明顯下降，但模型AP值降至71.5%，檢測精度有所降低，模型性能有所損失。為進一步恢復(fù)損失精度，本文融入多個改進的輕量級自適應(yīng)特征感知模塊Sa-ECA，此時模型體積減少為原來的約57.0%，檢測精度提升為72.6%。故Sa-ECA模塊可使網(wǎng)絡(luò)充分獲取關(guān)鍵點語義信息，在降低網(wǎng)絡(luò)參數(shù)量的同時增強模型檢測精度，性能更好。最后改進訓(xùn)練損失函數(shù)，結(jié)合Huber Loss訓(xùn)練模型時檢測精度提高了約0.2%，進一步增強了模型的魯棒性。最終通過本文優(yōu)化改進得到了一個體積小、精度高、魯棒性強的人體姿態(tài)估計模型。

表2 消融實驗的對比分析Tab.2 Comparative analysis of ablation experiments

表3為本文改進前后的模型性能對比。從表3可以看出，對RMPE多人姿態(tài)估計網(wǎng)絡(luò)進行一系列輕量化改進后，本文模型RMPE-tiny與基準(zhǔn)模型RMPE相比，模型檢測精度提升約0.5%，模型檢測速率提高了約2.1倍。本文改進后的模型在顯著壓縮模型體積、減少運算量的同時，有效改善了模型的檢測速率，提升了人體姿態(tài)估計模型的檢測效率。

表3 模型性能對比Tab.3 Model performance comparison

4.6 關(guān)鍵點熱圖可視化分析

圖7為模型改進前后的關(guān)鍵點定位熱圖可視化分析。從圖7可以看出，注意力機制改進前后的關(guān)鍵點檢測效果有著顯著區(qū)別。熱圖是對COCO數(shù)據(jù)集中定義的17個人體關(guān)鍵點進行預(yù)測的中間過程展示。由于關(guān)鍵點為細粒度的像素級目標(biāo)，故關(guān)鍵點熱圖的范圍相對較小。使用注意力機制ECA時，不能很好地檢測到Right ear和Right eye，檢測結(jié)果存在一定誤差。這是因為ECA模塊聚合通道間的交互信息具有一定的局限性，導(dǎo)致關(guān)鍵點定位效果不理想。

圖7 熱圖可視化分析Fig.7 Heatmap visualization analysis

本文改進后的算法RMPE-tiny通過融入輕量級自適應(yīng)特征感知模塊Sa-ECA來實現(xiàn)通道信息有效聚合。Sa-ECA模塊只涉及少量參數(shù)，通過自適應(yīng)全局平均池化更加有效地獲取與聚合局部跨通道交互信息，模型檢測效率更高。從圖7可以看出，融入輕量級自適應(yīng)特征感知模塊的檢測效果更為理想，它能從特征圖中獲取更加充分的關(guān)鍵點信息。Sa-ECA模塊在提升模型檢測精度的同時，降低了模型參數(shù)量，壓縮了模型體積，故本文有效地實現(xiàn)關(guān)鍵點熱圖定位。

4.7 可視化結(jié)果

本文方法的可視化效果如圖8所示。圖8（a）為遮擋檢測結(jié)果，是針對不同遮擋情況下的檢測結(jié)果。當(dāng)人體某一關(guān)節(jié)被物體或自身遮擋時，本文模型可獲取充分的上下文語義信息完成關(guān)鍵點位置判斷，從而定位到遮擋關(guān)節(jié)的大致邏輯位置。圖8（b）為復(fù)雜姿態(tài)檢測效果。當(dāng)人體做出復(fù)雜動作時，關(guān)鍵點極易發(fā)生多尺度變化。當(dāng)場景中人體相對較小時，本文模型依舊可精確定位。圖8（c）為多人場景檢測效果。當(dāng)輸入圖像中的人數(shù)較多時，會存在各種遮擋場景及多尺度情況，本文模型依舊可在此類情況下進行高效檢測，準(zhǔn)確定位到多人場景下的人體關(guān)鍵點，實現(xiàn)高效的人體關(guān)鍵點定位。圖8（d）為本文算法模型在實際拍攝場景下的檢測結(jié)果。當(dāng)背景復(fù)雜且人物較小有遮擋時，由于本文模型有著較好的泛化能力與魯棒性，依舊可進行高效的關(guān)鍵點檢測。因此，從可視化結(jié)果可以得出，本文提出的RMPE-tiny算法具有較強的魯棒性且泛化能力更優(yōu)。該算法在顯著降低網(wǎng)絡(luò)復(fù)雜度的同時，依舊可以保持較好的關(guān)鍵點檢測效果。

圖8 可視化結(jié)果Fig.8 Visualization results

5 結(jié)論

本文針對一般多人姿態(tài)估計算法存在的參數(shù)量多、計算量大、檢測速率低，模型檢測速度與檢測精度之間難以平衡的問題，提出了一種改進的輕量級多人姿態(tài)估計算法RMPE-tiny。該算法首先結(jié)合Ghost模塊輕量化重構(gòu)特征提取網(wǎng)絡(luò)，壓縮模型體積；其次融合自適應(yīng)特征感知模塊Sa-ECA，在增強檢測精度的同時降低模型復(fù)雜度；最后結(jié)合Huber Loss損失函數(shù)加快模型收斂，進一步提高模型魯棒性。實驗結(jié)果表明，本文算法RMPE-tiny的檢測效果優(yōu)于原算法RMPE，改進后模型的檢測精度可達約72.8%，模型的參數(shù)量為17.8 M，模型體積為72.1 MB，檢測速率可達約15.3 FPS，模型的輕量化程度達約57.0%。輕量級人體姿態(tài)估計算法RMPE-tiny以更少的參數(shù)和計算成本達到了更優(yōu)的檢測效果，有效改善了人體姿態(tài)估計模型在多人復(fù)雜場景中的檢測性能，提升了模型的檢測精度與檢測速率，實現(xiàn)了高效的人體姿態(tài)估計。