keras_Realtime_Multi-Person_Pose

论文地址：https://arxiv.org/abs/1611.08050
Github主页：https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation

网络架构

文章代码总共分为两条线

第一条线：求所有的关键点（头，肩膀，手肘，手腕 ... ）

1）一共两个cnn，第一个cnn的输入是原图，输出是热图（每一个热图包含某一种关键点）

2）第二个cnn输入是上一个cnn得到的所有热图，和原图。输出还是热图。循环直至收敛
，共17个关键点，分别是：

Nose = 0            # 鼻子
Neck = 1            # 脖子
RShoulder = 2       # 右肩
RElbow = 3          # 右肘
RWrist = 4          # 右手腕
LShoulder = 5       # 左肩
LElbow = 6          # 左肘
LWrist = 7          # 左手腕
RHip = 8            # 右臀
RKnee = 9           # 右膝盖
RAnkle = 10         # 右脚踝
LHip = 11           # 左臀
LKnee = 12          # 左膝盖
LAnkle = 13         # 左脚踝
REye = 14           # 右眼
LEye = 15           # 左眼
REar = 16           # 右耳
LEar = 17           # 左耳
Background = 18

第二条线：求所有关节区域

1）一共两个cnn，第一个cnn的输入是原图，输出是热图（每一个热图包含某一种连接（可以简单理解为骨头）区域），其实它们是一整片区域，不过每个地方的概率大小不同。

2）第二个cnn输入是上一个cnn得到的所有热图，和原图。输出还是热图。循环直至收敛

根据前边两个阶段得到的两个热图，计算哪两个点连接比较好。这就要根据关节区域和点的位置来计算每个像素的小法向。生成一个法向图。

根据前边生成的法向图，第一条线中最后得到的各个点的连线，确定哪两个点的连线的概率最大，找到所有这样的线。找到一个线就可以开始用最小生成树算法来找下一条线，最终得到一个人的骨架，然后得到所有的骨架，如果有连接不完整的，那就残缺的存在就好了。

参考：https://blog.csdn.net/sun7_she/article/details/76259100