姿态估计评价指标

在这里插入图片描述

PCK

正确估计出关键点的百分比（Percentage of Correct Keypoints），现在已基本不用。

$PCK_i^k=\frac{\sum_i\delta(\frac{d_i}{d}\leq T_k)}{\sum_i1}$

检测出的关键点与其对应的groundtruth间的归一化距离小于设定阈值 $T_k$ 的比例。 $T_k$ 表示人工设定的阈值， $T_k\in[0:0.01:0.1]$

其中 $i$ 表示关节点的编号

$d_i$ 表示第 $i$ 个关节点的预测值和groundtruth的欧氏距离。

$d$ 是一个人体的尺度因子，这个因子不同公开数据集使用的计算方法不同。

$\delta(*) $表示如果条件成立，那么 $\delta(*)=1$

OKS

oks（object keypoint similarity）受目标检测的IOU启发，其用来衡量预测关键点与 groundtruth 的相似度。
$OKS_p=\frac{\sum_iexp\{-d_{pi}^2/2S_p^2\sigma_i^2\}\delta(v_{pi}>0)}{\sum_i\delta(v_{pi}>0)}$
其中 $p$ 表示在ground truth中的某个人， $p^i$ 表示表示这个人的关键点；

$d_{p^i}$ 表示当前检测的第p个人的第 $i$ 个关键点与ground truth 的欧式距离 $d_{p^i}=\sqrt{(x'_i-x_{p^i})(y'_i-y_{p^i})}$ ，其中$ (x’_i,y’_i)$ 为检测结果， $x_{p^i},y_{p^i})$ 是ground truth,

$v_{p^i}=1$ 表示这个关键点的可见性为1，即关键点无遮挡并且已标注。 $v_{p^i}=2$ 表示关键点有遮挡但已标注。

$S_p$ 表示groundtruth p的尺度因子，其值为行人检测框面积的平方根： $S_{p}=\sqrt{wh}$ ， $w, h$ 为检测框的宽和高。

$\sigma_i$ 第 $i$ 个关键点的归一化因子，和关键点标注的难易有关，是通过对所有样本的人工标注和真实值的统计标准差， $\sigma$ 越大表示此类型的关键点越难标注。

对coco数据集中的5000个样本统计出17类关键点的归一化因子， $\sigma$ 的取值为：{鼻子：0.026，眼睛：0.025，耳朵：0.035，肩膀：0.079，手肘：0.072，手腕：0.062，臀部：0.107，膝盖：0.087，脚踝：0.089}，因此此值可作为常数，如果使用的关键点类型不在此当中，则另外计算。

AP(Average Precision)平均准确率

对于单人姿态估计的AP，目标图片中只有一个人体，AP计算方式为：
$AP=\frac{\sum_p\delta(oks_p>T)}{\sum_p1}$
表示所有图片的oks大于阈值 $T$ 的百分比(T是人为给定的)。
在这里插入图片描述

对于多人姿态估计而言，由于一张图像中有 M 个目标，假设总共预测出N个人体，那么groundtruth和预测值之间能构成一个 $M\times N$ 的矩阵，然后将每一行的最大值作为该目标的oks，则：
$AP=\frac{\sum_m\sum_p\delta(oks_p>T)}{\sum_m\sum_p1}$
如果采用的检测方法是自底向上，先把所有的关键点找出来然后再组成人。假设一张图片中有M个人，预测出N个人，由于不知道预测出的N个人与groundtruth中的M个人的一一对应关系，因此需要计算groundtruth中每一个人与预测的N个人的oks，那么可以获得一个大小为 $M * \times * N$ 的矩阵，矩阵的每一行为groundtruth中的一个人与预测结果的N个人的oks，然后找出每一行中oks最大的值作为当前GT的oks。最后每一个GT行人都有一个标量oks，然后人为的给定一个阈值 T，然后可以通过所有图片中的所有行人计算 AP:

MPJPE

对于3D的姿态估计而言，常用的评价指标是MPJPE（Mean Per Joint Postion Error），从字面意思也可以看出其就是预测关键点和groundtruth之间的平均欧式距离，不过一般关键点的表示形式为root-relative，即以其中一个关键点为根节点的坐标。然后通常是在相机坐标系下进行计算。

P-MPJPE

P-MPJPE（Procrustes analysis MPJPE）是基于Procrustes分析的MPJPE，先对输出进行刚性变换向groundtruth对齐后再计算MPJPE。