人體姿態識別方法有哪些？
1. 現階段人體姿態識別主流的通常有2個思路： Top-Down（自上而下）方法：將人體檢測和關鍵點檢測分離，在圖像上首先進行人體檢測，找到所有的人體框，對每個人體框圖再使用關鍵點檢測，這類方法往往比較慢，但姿態估計準確度較高。 目前的主流是CPN，Hourglass，CPM，Alpha Pose等。
人體姿態評估模塊是什么？
人體姿態評估模塊主要是基于估計模塊輸出的骨骼點坐標集，來對圖像中人體的動作進行識別，通過將待預測姿態與標準姿態庫中的姿態對比匹配，輸出識別結果和匹配損失。 在這一部分，采用局部評估+相似度的方法來進行匹配，只比較右上肢、右下肢、左下肢三個部分的骨骼點，將每個骨骼點的相似度與標準姿態的進行對比，計算累計誤差，累計誤差越小的，說明匹配度越高，從而得到和待預測姿態最接近的標準姿態。
自下而上的人體姿態估計方法是什么？
摘要：自下而上的人體姿態估計方法由于尺度變化的挑戰，在預測小人物的正確姿態方面存在困難。 本文提出了一種新的自底向上的人體姿態估計方法，該方法利用高分辨率特征金字塔來學習尺度感知表示。
什么是2d人體姿態估計算法？
在HRNet之前，2D人體姿態估計算法是采用（Hourglass/CPN/Simple Baseline/MSPN等）將高分辨率特征圖下采樣至低分辨率，再從低分辨率特征圖恢復至高分辨率的思路（單次或重復多次），以此過程實現了多尺度特征提取的一個過程。 HRNet的主要特點是在整個過程中特征圖（Feature Map）始終保持高分辨率，low resolution representlations和high resolution representlations是并行設計的，他們是在相同的level上。