人体姿态估计是什么？从图像中定位人的各个关节

人体姿态估计（Human Pose Estimation，HPE）是计算机视觉中的一项任务，它要在人的图像或视频中，检测和估计各个身体部位的位置。通过它，可以了解人的姿势、动作和行为，实现人机交互、视频监控、运动分析等应用。

它做什么

人体姿态估计的核心，是找出人体的一组关键点，通常包括头部、颈部、双肩、双肘、双腕、双髋、双膝、双踝等主要关节的位置，然后按照人体的结构把这些点连接起来，形成一个骨架，就像一个“火柴人”。有了这个骨架，计算机就能知道这个人是站着还是坐着、在举手还是在跑步、身体朝向哪个方向。更精细的姿态估计还会检测手指的关节、面部的特征点，以及脚部的细节。

二维和三维

二维姿态估计：在图像平面上定位关键点的像素坐标。三维姿态估计：进一步推断出关键点在三维空间中的位置，包括深度信息，能更准确地还原人的真实动作，但难度更大，因为从单张二维图像推断三维信息本身存在歧义。此外，还可以估计出完整的三维人体网格模型，不只是骨架，而是包括身体的形状。

单人和多人

处理画面中有多个人的情况，主要有两种思路。自顶向下：先用目标检测找出画面中的每一个人，再对每个人分别估计姿态。准确率通常较高，但人越多速度越慢。自底向上：先检测出画面中所有的关键点，不管它们属于谁，再把这些关键点组合分配给不同的人。速度受人数影响较小。卡内基梅隆大学的 OpenPose 是自底向上方法的代表，曾被广泛使用。

难点

遮挡，身体的部分被其他物体或其他人挡住；姿势千变万化，包括各种不常见的、复杂的动作；衣服宽松遮住了身体的轮廓；多人拥挤、相互重叠；光照条件差、图像模糊；以及从二维推断三维时的深度歧义。

应用

健身和运动：健身应用通过摄像头识别用户的动作，判断动作是否标准并实时纠正；体育训练中分析运动员的技术动作。动作捕捉和动画：用普通的摄像头就能捕捉人的动作，驱动虚拟角色，降低了动画制作和虚拟主播的成本。人机交互：体感游戏、手势控制。医疗康复：评估病人的康复训练动作和步态。安防：识别跌倒、打架等异常行为，用于老人看护和公共安全。AI 图像和视频生成：用骨架图来控制生成人物的姿势和动作。在这些应用中，需要注意保护被拍摄者的隐私。