2019年3月23日
这周从已有的二维图像姿态预测的算法出发，参考论文Convolutional pose machines的算法进行二维姿态预测，得出人体14个关节点的位置。
（S.-E. Wei, V. Ramakrishna, T. Kanade, and Y. Sheikh. Convolutional pose machines. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pages 4724–4732, 2016）
1.算法研究部分
cpm是CMU开源项目OpenPose的前身，目前在MPII竞赛single person中排名第七。
Pose estimation任务属于FCN的一种，输入是一张人体姿势图，输出n张热力图，代表n个关节的响应。
Pose estimation任务属于FCN的一种，输入是一张人体姿势图，输出n张热力图，代表n个关节的响应。
CPM网络结构如下图所示，X代表了经典的VGG结构，在每个stage末用1✖️1卷积输出heatmap，与label计算loss（中间监督）。
.Stage 1 input是原图，经过全卷机网络，输出是一个P+1层的2Dmap
Stage 2 input是 StageOutput做处理，并且加上 原图通过几层网络后的中层map。输出同上。
Stage t>2 类似2
（这里相加的话会有一些尺度问题，应该是ψ中操作了，但论文中没有解释ψ。）## 2.用
2.运行准备
环境：windows10+TensorFlow1.4.0+opencv+python3.5
（下载TensorFlow库费了不少劲）
下载官方models放进models/weigh文件夹下
修改几个DEMO_TYPE,输入图片
修改在cpu上运行
运行_cpm_body.py
结果还不错
下一步是提取出人物关节点的位置。
下周再接再厉。