计算机辅助设计与图形学学报

作者：刘赏, 代娆, 周煜炜, 董林芳

关键词：多人姿态估计, 多头自注意力机制, 坐标注意力机制, 空洞空间卷积池化金字塔

二维多人姿态估计是计算机视觉中一项具有挑战性的任务, 其中基于回归的单阶段方法大多缺乏对多人姿态特征学习的针对性, 对人体关节结构特征提取能力不足和关键点位置特征融合能力不足. 针对上述人体关键点特征约束能力不足的问题进行改进, 提出一种增强人体关键点特征的算法. 首先基于 MixFormer 思想给出多头自注意力机制和深度卷积并行的策略, 以增强人体姿态的局部和全局特征, 在获取高质量视觉表征的同时学习更多的人体关节结构信息; 然后给出坐标注意力机制和空洞空间卷积池化金字塔串行融合策略, 先将人体姿态特征进行拆分来捕获跨通道信息, 再采用空洞卷积扩大感受野, 减少小目标信息的丢失, 提高多尺度特征融合能力; 最后结合YOLO-Pose 算法进行姿态估计. 在 2 个数据集上进行实验的结果表明, COCO2017 数据集上, 所提算法的 AP 值提高0.9 个百分点, AR 值提高 1.2 个百分点; OC_Human 遮挡数据集上, AP 值提高 2.3 个百分点; 该算法可以在保证运行速度的同时增强人体关键点特征, 提高整体性能.

来源：2025年第9期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第9期