来源：期刊VIP网 时间：
作者：殷贤涛;胡波;李思照;
单位：贵州师范大学大数据与计算机科学学院;哈尔滨工程大学计算机科学与技术学院;
摘要：现有关键点检测算法在光照变化、人员密集交叉遮挡等情况下，易导致检测精度降低、漏检或关键点检测错位的问题。针对该问题，提出基于YOLOv8n-Pose改进的LBW-YOLOv8n-Pose复杂环境多人人体姿态估计算法。通过在特征提取主干网络的快速空间金字塔池化(Spatial Pyramid Pooling-Fast, SPPF)层引入大核可分离注意力(Large Separable Kernel Attention, LSKA),增强图像特征表达能力和感知能力。在颈部网络引入加权双向特征金字塔网络(Bidirectional Feature Pyramid Network, BiFPN)进行重构，提高多尺度特征融合效果，并采用改进的Wise-IoU损失函数，提升模型收敛速度与复杂场景下的鲁棒性。实验结果表明，改进后模型在MS-COCO2017人体关键点数据集上精确率、召回率、平均精度值分别达到85.7%、76.8%、81.7%,相比原模型均有明显提升，且能更精准、有效地检测复杂情况下多人人体关键点信息。
关键词：姿态估计;;注意力机制;;YOLOv8n-Pose
基金资助：贵州省基础研究(自然科学)(黔科合基础-ZK[2023]一般254)~~
