AlphaPose升级了！一个高效的算法来解决拥挤人群中的姿态估计问题

AlphaPose升级了！上海交大MVIG组(卢策吾团队)构建了CrowdPose数据集，用来衡量算法在拥挤场景中的性能。同时提出了一个高效的算法来解决拥挤人群中的姿态估计问题，实验结果远高于当前最好的算法。

AlphaPose升级了！

拥挤人群场景下的AlphaPose

这个实时多人姿态估计系统，现在可以处理最具挑战的拥挤人群场景了：

上海交大MVIG组(卢策吾团队)建了一个新的数据集——CrowdPose，用来衡量算法在拥挤场景中的性能；

同时提出了一个高效的算法来解决拥挤人群中的姿态估计问题：相比OpenPose提升18mAP、相比Mask-RCNN提升8mAP。

论文已被CVPR2019接收。

论文链接：

https://arxiv.org/abs/1812.00324

代码链接：

https://github.com/MVIG-SJTU/AlphaPose

CrowdPose——拥挤人群姿态估计数据集

为了衡量人体姿态估计算法的性能，学术界与工业界建立了越来越多的公开数据集，如MPII，MSCOCO和AI Challenger。然而，这些数据集的图片通常采集自日常的生活场景，缺乏拥挤人群场景的数据。

主流数据集的拥挤场景分布如图1所示。对于由数据驱动的深度学习方法来说，数据集的分布不均衡，意味着算法性能的不均衡。

图1 主流公开数据集于CrowdPose数据集的拥挤场景数据分布。三个主流数据集的数据中，非拥挤数据占据了绝大部分比例，而CrowdPose数据集有着均匀的数据分布。

随着学术界对人体姿态研究的深入，算法追求像素级的精度，简单场景下的性能已经逐步逼近人类的精度，但在拥挤场景中往往会失效，如图2所示。

图2 随着拥挤程度的加剧，现有开源系统的性能急剧下降。相较于非拥挤的情况，拥挤时算法性能最多下降了20mAP。

针对这样的情况，上海交大MVIG组的研究者开源了CrowdPose数据集。CrowdPose数据集中的图片，有着均匀分布的拥挤程度。既可以评估算法在日常非拥挤情况下的表现，也可以评估其在极度拥挤时的性能。

目前，数据集开源了2万张图片，评估工具也已经上线。在未来的几个月时间內，研究者将会不断扩大数据的规模，开源一个更大的数据集。

实时全局竞争匹配算法

在拥挤人群的场景下，传统的二步法模型往往会失效。主要原因在于：人群过于密集，重合程度太高，每个人的位置难以用人体检测框表示。

图3 人体检测框难以表达人的位置。

研究者们提出了一个全局竞争匹配算法，减少了姿态估计模型对于人体框的依赖，同时提高了模型对于复杂人体场景的鲁棒性，在拥挤场景中的表现超越了现有的方法。

图4 本研究中的全局竞争匹配算法概览。模型对于每个检测到的人体框输出一系列候选关键点。人体实例与关键点实例构建成一个稀疏图模型。通过求解稀疏图模型的最佳匹配问题，可得到全局最优的人体姿态估计方案，对密集拥挤的场景有很强的鲁棒性。

研究者们设计了一个关节点候选损失函数，通过控制模型输出响应程度不同的多峰值热度图，在人体框不准确的情况下，模型尽可能地输出候选关节点可能的位置。

在得到每个人体框的候选关节点后，通过聚类与链接，消除冗余结果的同时，构建出一个人体实例-候选关节的图模型。该图模型表征了人体实例与每个关节点之间的连接关系与概率。

借助此模型，人体姿态估计问题可转化成图模型中的最佳匹配问题。由于人体姿态问题的特殊，该图模型具有很强的稀疏性，经过研究者们的分析，优化匹配问题的时间复杂度与传统的NMS算法相当。

该方法由于建立了一个全局的图模型，在匹配过程中考虑到了整体的连接方式，因此能很好地改善了二步法中缺乏全局视野的不足。

姿态估计各场景性能大幅提升

在实验中，研究者们对比了该算法与其他开源系统与算法之间的性能。

在CrowdPose数据集中，比当前最好的算法提升了5.2mAP。除此之外，在极度拥挤的子集中，提升了6.2mAP。相较于OpenPose和Detectron（Mask R-CNN）等姿态估计开源系统，性能提升的同时，运行速度快了2到3倍。

表1 在CrowdPose数据集上的定量对比实验

表2 三个场景子集中的性能评估与运行速度对比（简单、一般、拥挤）。

本文的方法分数提升的同时，运行速度也大大增强。

未来方向

论文中，研究者们提出了一种新的竞争匹配模型，以解决拥挤场景的人体姿态检测问题。接下来，研究者们会优化竞争匹配模型，对其他形式的拥挤检测问题（如拥挤实例分割）开展进一步研究。