A estimativa de pose corporal humana e o reconhecimento de ações têm um valor importante em aplicações nas áreas de segurança, medicina e esportes. Para resolver o problema da estimativa de pose corporal humana e reconhecimento de ações sob diferentes fundos e ângulos, este artigo propõe um algoritmo YOLOv7-POSE melhorado e criou um conjunto de dados com vários ângulos de filmagem para treinamento. Este algoritmo é baseado no YOLOv7, adicionando a função de classificação ao modelo de rede original, e introduzindo o mecanismo de atenção convolucional CA na rede Backbone, aumentando a capacidade da rede de reconhecer características importantes para a classificação dos pontos articulares do esqueleto humano e dos movimentos. A estrutura da rede HorNet substitui o núcleo convolucional CBS original, melhorando a precisão da detecção dos pontos-chave humanos e a acurácia da classificação dos movimentos. A estrutura de pooling piramidal espacial da camada Head foi substituída por uma estrutura de pooling piramidal espacial dilatada, o que melhorou a precisão da detecção e acelerou a convergência do modelo. A função de regressão da caixa de detecção de objetos foi trocada de CIOU para EIOU, aumentando a precisão da regressão das coordenadas. Foram projetados dois grupos de experimentos comparativos, e os resultados experimentais demonstraram que o YOLOv7-POSE melhorado alcançou um mAP de 95,7% no conjunto de validação, um aumento de 4% em relação ao algoritmo YOLOv7 original. A precisão do reconhecimento das diversas ações esportivas aumentou significativamente, os erros de detecção incorreta e omissão de pontos-chave na inferência prática diminuíram significativamente, e o erro na estimativa da posição dos pontos-chave foi claramente reduzido.

Processamento de imagem;Detecção de pontos-chave;Estimação de pose;Mecanismo de atenção;Pooling piramidal espacial dilatado