多人姿态估计

Parent: ai_keywords

多人姿态估计（Multi-Person Pose Estimation）

核心定义

多人姿态估计是计算机视觉领域中从图像或视频中同时检测并精确定位多个个体的人体关键点（如头部、肩肘腕、髋膝踝等关节），形成骨骼拓扑结构的技术。该任务需解决“谁是谁的关键点”这一关联难题，是动作理解、人机交互与临床分析的基础。

关键技术点

• 自上而下 vs 自下而上范式
  自上而下：先通过目标检测（如YOLO）框出每个人，再对单个实例进行单人体姿态估计。精度高，但推理时间随人数线性增长，且依赖检测器性能。
  自下而上：先检测所有关键点热力图，再通过Part Affinity Fields（PAF）或基于图匹配的方法将关键点聚类到不同个体。适合密集场景，计算效率更稳定。

• 高分辨率特征表示
  核心网络架构（如HRNet、Hourglass、ViT）通过并行多尺度特征融合或堆叠沙漏结构，保持空间细节，输出精确的关节置信图。近年采用Transformer捕捉全局依赖，在遮挡和复杂姿势下表现优异。

• 关联分组与图优化
  在自下而上方法中，关键点关联是关键瓶颈。PAF利用矢量场编码肢干方向，PersonLab采用“中点偏移”策略，HigherHRNet引入跨尺度融合，均旨在实现鲁棒的实例级分组。图卷积网络也被用于学习关键点间的结构约束。

• 时域一致性与身份保持
  视频场景中需将单帧估计结果跨帧关联并维持身份标签。常用策略包括：时序检测-跟踪（如PoseFlow）、光流引导的帧间关键点传播、或基于图卷积的时空建模，以处理快速运动与遮挡。

• 轻量化与实时推理
  针对移动端或嵌入式医疗设备，需压缩模型体积。采用深度可分离卷积（如MobilePose）、知识蒸馏或神经架构搜索，可在保持精度的前提下达到实时帧率（>30 FPS）。

医学/神经科学应用场景：帕金森病运动功能量化评估

在首都医科大学宣武医院神经病学研究中，多人姿态估计被创新性地应用于帕金森病（PD）患者运动障碍的客观评估。传统量表（UPDRS-III）依赖医生主观评分，存在观察者间变异。通过部署于诊室或家庭康复场景的摄像头，算法可同时捕捉患者与家属/治疗师的双人交互姿态，提取以下关键指标：

• 步态参数：双人行走时，分别计算患者与陪同者的步长、步速、步频及双下肢相位差，识别PD特有的“冻结步态”前兆——当患者跨步周期变异系数突增时，系统自动标记。
• 上肢协调性：在指令任务（如“模仿治疗师动作”）中，比较患者患侧与健侧的关节角速度、运动平滑度（频谱熵），以及感知对他（Inter-Personal Coordination）——患者与陪同者上肢运动的相关性衰减可作为社会功能退化的量化标志。
• 姿势稳定性：通过多人关键点连线计算重心轨迹及支持多边形面积，评估其抗干扰能力与跌倒风险。

该技术有望实现低成本、非侵入式的居家运动障碍监测，推动神经退行性疾病的远程诊疗与药物疗效评价。