实时检测17个人体关键点，谷歌SOTA姿态检测模型，手机端也能运行

机器之心报道

编辑：陈

近日，来自谷歌的研究者更新了用于实时姿态检测的项目，该项目包含 3 种 SOTA 模型，其中 MoveNet 模型可检测人体 17 个关键点、并以 50+ fps 在电脑和手机端运行；BlazePose 可检测人体 33 个关键点；PoseNet 可以检测人体多个姿态，每个姿态包含 17 个关键点。

不久之前谷歌研究院推出了最新的姿态检测模型 MoveNet，并在 TensorFlow.js 中推出了新的姿态检测 API，该模型可以非常快速、准确地检测人体的 17 个关键节点。这一开源项目对于姿态检测以及机器学习领域来说，是一件非常有意义的事。

最近，来自谷歌的研究者又更新了一个新的项目，该项目提供了包括 MoveNet 在内的多个可用于实时姿态检测的 SOTA 模型，目前该项目已有 3 种可选模型：

MoveNet：是一种速度快、准确率高的姿态检测模型，可检测人体的 17 个关键点，能够以 50+ fps 的速度在笔记本电脑和手机上运行。

BlazePose：MediaPipe BlazePose 可以检测人体 33 个关键点，除了 17 个 COCO 关键点之外，它还为脸部、手和脚提供了额外的关键点检测。

PoseNet：可以检测多个姿态，每个姿态包含 17 个关键点。

项目地址：https://github.com/tensorflow/tfjs-models/tree/master/pose-detection

其中 MoveNet 模型效果是这样的：下图中MoveNet 在跟踪人锻炼过程中的运动，可以实时、准确的检测人体关键点。值得注意的是，此时 MoveNet 一次只针对一个人进行了优化。

MoveNet 在移动应用程序中示例：

在上述示例中，MoveNet 用到了 FormFit，FormFit 是一款数字健身教练项目，基于 MoveNet，可以实时分析人体姿态，评估运动时的姿势和范围。此外，MoveNet 的研究结果还可用于健康应用程序，甚至运动训练应用程序。

关于 MoveNet、BlazePose、PoseNet 更多的演示，请参考项目，都有对应的 Demo 示例。

人体关键点

COCO 17 个关键点所对应的人体部位包括：0: 鼻子、1: 左眼、2: 右眼、3: 左耳、4: 右耳、5: 左肩、6: 右肩、7: 左肘、8: 右肘、9: 左腕、10: 右腕、11: 左胯、12: 右胯、13: 左膝、14: 右膝、15: 左踝、16: 右踝。

COCO 关键点：用于 MoveNet 和 PoseNet。

BlazePose 关键点：用于 MediaPipe BlazePose检测器，示例如下：

MoveNet 介绍

目前，MoveNet 有两个版本以提供性能的权衡。Lightning 版本时效性更快，但是产生的结果可能准确率不高；Thunder 版本时效性稍微慢一点，但准确率更高；因此，我们可以看到 Thunder 模型的关键点得分通常会比 Lightning 略高。

MoveNet 可以做什么？首先，它是一个高速位置跟踪器。

由于 MoveNet 是一个预训练模型，所以设置好以后即可使用。MoveNet 能够跟踪人体的 17 个关节点（如脚踝、膝盖、肩膀、手肘、手腕、耳朵、眼睛和鼻子等）。这些关键点与 (x, y)坐标系相关联，并且在每次调用「detector.estimatePoses(*some video element*)」时更新。

当在程序循环中反复调用该函数时，我们可以实时获得所有关键点的 (x, y) 坐标。返回的每个 (x, y) 关键点坐标都与一个分数相关联，该分数代表 MoveNet 对读数准确率的置信度。分数介于 0-1 之间，其中 0 和 1 这两个极端几乎是无法实现的，但这也意味着分数越接近 1，模型的置信度越好，越能说明读出的关键点位置越接近真实的人体关键点。

传统方案（上）与 MoveNet（下）在高难度姿态检测上的对比结果，传统方案会跟丢关键点，而 MoveNet 不会。

如何使用？

总体来说，使用该项目分为两步：

首先需要从 SupportedModels 中选择一个模型来创建检测器，模型包括 MoveNet、BlazePose、PoseNet。如下代码是创建 MoveNet 检测器：

然后使用所创建检测器来检测姿态。

这样将会返回姿态列表，该列表包含检测到的图像中每个个体的姿态。对于单人模型，列表中只有一个元素。目前，只有 PoseNet 支持多姿态估计。如果模型不能检测到任何姿态，列表将为空。

每个姿态包含一个置信度得分和一组关键点。PoseNet 和 MoveNet 都返回 17 个关键点，Mediapipe BlazePose 返回 33 个关键点。每个关键点包含 x, y，得分和名字。

示例输出如下所示：

x，y 代表图像中实际关键点位置，如果你想标准化关键点位置，你可以使用

对于要求高精度的应用程序，这里建议使用较大的置信度；相反，需要高召回率的应用程序可能会选择降低阈值。模型之间的置信度没有校准，因此设置一个合适的置信度阈值可能需要一些实验。

参考链接：

https://medium.com/@samhannan47/tensorflows-new-model-movenet-explained-3bef80a8f073

ACL 2021论文分享会

为了给国内 NLP 社区的从业人员搭建一个自由轻松的学术交流平台，机器之心计划于 7 月 31 日组织「ACL 2021 论文分享会」。

ACL 论文分享会设置 Keynote、 论文分享 、圆桌论坛、 Poster与企业展台环节 。Keynote 嘉宾包括字节跳动人工智能实验室总监李航和华为诺亚方舟实验室语音语义首席科学家刘群，创新工场首席科学家周明将作为圆桌论坛嘉宾参与此次活动。