张延军（1982 —），河北省丰宁县人，太原科技大学创新创业学院副院长，工学博士，教授/博士导师。主要研究领域：机电液复合传动、智能控制技术及装备，机器人系统工程与控制技术。

主要内容

设计了Optimising HigherHRNet(简称“OH-HRNet”)模型，设计一种基于注意力机制的记忆卷积模块，探索基于部件关联场的强化骨骼关键点分配算法，强化骨骼对人体姿态的约束。构建煤矿井下人体数据集，同时利用COCO数据集，对OH-HRNet模型在煤矿井下场景和开放场景中人体姿态估计进行性能评估。

1.  OH-HRNet模型

图  1  HigherHRNet网络结构示意图

1.1   记忆卷积模块

图  2  各卷积通道特征图

图  3  网络识别结果对比图(利用记忆增强模块改进前后效果)

1.1.1   遗忘机制

图  4  遗忘机制结构图

1.1.2   记忆增强机制

图  5  记忆卷积模块结构图

1.2   关键点分配算法

图  6  关键点识别效果对比图

1.2.1   算法约束

1.2.2   定义损失函数

2.   实验验证与分析

2.1   数据集及评估标准

2.2   实验设置

2.3   消融实验

表  1  消融实验对比

2.4   煤矿井下实验

表  2  煤矿井下场景各网络准确率、推理延迟

图  7  煤矿井下人体姿态估计效果图

3. 结束语

       1) 针对煤矿井下复杂环境下的人体姿态估计网络速度与精度的平衡问题及关键点分配问题，提出一种OH-HRNet模型。消融实验表明：在COCO数据集中，遗忘机制使网络速度提高为原来的21.3倍，记忆增强机制可以使mAP提高到54.6%，使用7×7卷积核可以使mAP提高到61.7%，强化骨骼约束分配算法可以使召回率提高到67.6%。 

2) 在煤矿井下人体姿态方面，OH-HRNet模型在CPU和GPU运行速度上，分别是网络LitePose速度的1.04倍和1.06倍，mAP提高了7.4%，mAR提高了14.0%。