计算机应用

作者：李卓然, 李华, 王桐, 蒋朝哲

单位：1.西南交通大学 信息科学与技术学院，成都 611756；2.西南交通大学 交通运输与物流学院，成都 611756

关键词：人体姿态估计,坐标回归,状态空间模型,轻量化,软标签

基金：玉麒麟科创基金资助项目(2019H010362)

在人体姿态估计（HPE）领域中，基于热图的方法存在量化误差大、计算复杂度高和需要对热图进行后处理等问题。针对上述问题，以坐标回归的SimCC方法为基线，提出一种基于融合特征的状态空间模型（MSSM）的轻量化HPE方法Lite-SimCC。首先，采用ShuffleNet V2作为骨干网络，替代原有的HRNet（High-Resolution Net），简化为单分支形式结构，并实现模型的轻量化；其次，为了降低精确率的损失，引入大核卷积提取全局特征信息；然后，设计MSSM，用于处理局部和全局长序列特征，增强关键点的表征能力；最后，提出一种基于软标签的损失函数，替代传统的one-hot损失计算方式。实验结果表明，与基线方法SimCC相比，Lite-SimCC的参数量少了87.1%，在COCO2017测试集上的平均精确率（AP）提升了1.4%，在MPII数据集上验证了Lite-SimCC在保证检测精确率的基础上有效降低了模型的参数量。

来源：2025年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第10期