人体姿态估计概述

一，人体关键点检测，也称为人体姿态检测。
人体骨架是以图形形式对一个人的方位所进行的描述。本质上，骨架是一组坐标点，可以连接起来以描述该人的位姿。骨架中的每一个坐标点称为一个“部分（part）”（或关节、关键点）。两个部分之间的有效连接称为一个“对（pair）“（或肢体）。注意，不是所有的部分之间的两两连接都能组成有效肢体。下图是一个典型的人体骨架举例。

二，人体姿态估计总的来说有两种方式：
1.自顶向下，先检测人这个整体，再检测出人体关键点。
特点：刚加符合人的思维，先整体后后部分，准确率相对较高。
缺点：推理速度慢。
代表算法：MASK-RCNN,CPN,AlphaPose
2.自底向上，先检测出所有的关键点，再group成一个人的关键点。
特点：推理速度较快，准确率不如前者。
代表算法：open pose,DeepCut

三，应用
姿态估计可以应用在很多领域。接下来就列举其中的一些。

1. 动作识别
   追踪一段时间内一个人姿态的变化也可以应用在动作、手势和步态识别上。在这方面有好几个应用场景，包括：
   用于检测一个人是否摔倒或疾病
   用于健身、体育和舞蹈等的自动教学
   用于理解全身的肢体语言（如机场跑道信号、交警信号等）
   用于增强安保和监控

2. 运动捕捉和增强现实
   人体姿态估计的一个有趣应用是 CGI（computer graphic image，一种电影制造技术）应用。如果可以检测出人体姿态，那么图形、风格、特效增强、设备和艺术造型等就可以被加载在人体上。通过追踪人体姿态的变化，渲染的图形可以在人动的时候“自然”地与人“融合”。

3. 训练机器人
   除了手动为机器人编程、让它们跟随特定的路径，我们也可以让机器人跟随一个做特定动作的人体骨架。人类教练可以仅通过演示特定的动作，来教机器人学习这一动作。接着，机器人就可以计算如何移动自己的活动关节，来进行相同的动作。

4. 控制台中的运动追踪
   姿态估计的一个有趣应用是在交互游戏中追踪人体对象的运动。比较流行的 Kinect 使用 3D 姿态估计（采用 IR 传感器数据）来追踪人类玩家的运动，从而利用它来渲染虚拟人物的动作。

结论
人体姿态估计领域发展迅速，因此可以应用在越来越多的任务上。另外，相关领域的研究，例如姿态追踪，可以大大增强姿态估计的应用范围。