人体姿态识别方法有哪些？
1. 现阶段人体姿态识别主流的通常有2个思路： Top-Down（自上而下）方法：将人体检测和关键点检测分离，在图像上首先进行人体检测，找到所有的人体框，对每个人体框图再使用关键点检测，这类方法往往比较慢，但姿态估计准确度较高。 目前的主流是CPN，Hourglass，CPM，Alpha Pose等。
人体姿态评估模块是什么？
人体姿态评估模块主要是基于估计模块输出的骨骼点坐标集，来对图像中人体的动作进行识别，通过将待预测姿态与标准姿态库中的姿态对比匹配，输出识别结果和匹配损失。 在这一部分，采用局部评估+相似度的方法来进行匹配，只比较右上肢、右下肢、左下肢三个部分的骨骼点，将每个骨骼点的相似度与标准姿态的进行对比，计算累计误差，累计误差越小的，说明匹配度越高，从而得到和待预测姿态最接近的标准姿态。
自下而上的人体姿态估计方法是什么？
摘要：自下而上的人体姿态估计方法由于尺度变化的挑战，在预测小人物的正确姿态方面存在困难。 本文提出了一种新的自底向上的人体姿态估计方法，该方法利用高分辨率特征金字塔来学习尺度感知表示。
什么是2d人体姿态估计算法？
在HRNet之前，2D人体姿态估计算法是采用（Hourglass/CPN/Simple Baseline/MSPN等）将高分辨率特征图下采样至低分辨率，再从低分辨率特征图恢复至高分辨率的思路（单次或重复多次），以此过程实现了多尺度特征提取的一个过程。 HRNet的主要特点是在整个过程中特征图（Feature Map）始终保持高分辨率，low resolution representlations和high resolution representlations是并行设计的，他们是在相同的level上。