本教程利用MATLAB软件完成了人体姿态检测的代码搭建、训练、评估，最后利用训练好的检测器可检测单人、多人人体姿态检测等任务。关注B站-小洋葱UP主可以查看代码教程哦~https://www.bilibili.com/video/BV1CZ4y1a7as/?vd_source=9ed785727873c025ff872897e1d95941

目前很多姿态估计方法基于人体检测器的检测结果，但是人体检测器在定位和识别方面的小错误无法避免，这会导致单人姿态估计器失败。该文提出来一种新颖的区域多人姿态估计框架，可以在人体边界框不精确的时候进行姿态估计。该框架由Symmetric Spatial Transformer Network(对称空间变换网络)、Parameter Pose Non-Maximum-Suppression(非最大抑制姿态参数)、Pose-Guided Proposal Generator(姿态引导提议生成器)三部分组成，可以处理不准确的边界框和冗余检测。

Python-用于3D人体姿态估计的PyTorch实现 用于3D人体姿态估计的PyTorch实现

人体姿态估计代码

一种用于人体姿态估计的强大算法,可以检测并且定位人体的四肢及躯干和头部的位置，用于更高层次的分析。 (Pose estimation) 文件列表： parse_matlab parse_matlab\parseHorse.m parse_matlab\condenseLRResp.m parse_matlab\README parse_matlab\expected_genmodel_FHedgesN.m parse_matlab\util parse_matlab\util\imvq16.m parse_matlab\util\printSegs.m parse_matlab\util\oeFilterc.m parse_matlab\util\mydetGMc.m parse_matlab\util\assert.m parse_matlab\util\printSkel.m parse_matlab\util\sampleWithR.m parse_matlab\util\isum.m parse_matlab\util\buildHistExps.m parse_matlab\util\local_sum_zero.m parse_matlab\util\nonmax.m parse_matlab\horse001.jpg parse_matlab\partshiftZ0.m parse_matlab\GPL parse_matlab\horseModel.mat parse_matlab\expected_genmodel_FHedgecolsW.m parse_matlab\im0229.jpg parse_matlab\getSegmentsEdge.m parse_matlab\peopleModel.mat parse_matlab\sample_genmodel_FHedgecolsW.m parse_matlab\avgSegmentsEdge.m parse_matlab\HorseConvRun.mat parse_matlab\im0229.dat parse_matlab\parseim.m parse_matlab\parsePerson.m

文件网址：https://www.dropbox.com/s/llpxd14is7gyj0z/model.h5

人体姿态估计的目的是通过图像、视频等输入数据定位人体部位，构建人体表征(如人体骨架)。在过去的十年中，它受到了越来越多的关注，并被广泛应用于人机交互、运动分析、增强现实和虚拟现实等领域。

人体姿态估计的模型，用于HOReID，pytorch版本，解压即可使用，注意网络结构必须名字一致否则读取失败！

第一次尝试使用 OpenCV 基于深度学习的人体姿态估计的COCO 模型和MPII 模型

win10环境下的openpose版本，基于cudnn5.1,CUDNA8，可用于人体骨骼识别（面部+手+身体各部位）