Image processing 人体姿势估计-身体部位的有效连接

问题描述： 我正在从事一个项目，其目标是在图像中识别人的身体部位（躯干、头部、左臂和右臂等）。该方法基于找到人体的各个部位（假设），然后搜索最佳姿势配置（=真正构成人体的所有部位）。ideea在本链接中有更好的描述

假设是在对每个身体部位分别运行检测算法（这里我使用机器学习领域的分类器）后获得的。因此，每个假设的类型是已知的。此外，每个假设都有一个位置（图像中的x和y坐标）和一个方向

确定两个部分连接在一起的代价，可以认为类型头的每个假设可以与类型躯干的每个假设相联系（例如）。但是，位于图像右上角位置的头部假设不能（从人的角度）与位于图像左下角位置的躯干假设相联系。基于上一条语句以及执行时间，我试图避免此类链接

---

问题：我计划通过考虑到最远假设的距离来减少搜索空间，该假设可能是链接候选。解决这个搜索问题的最快方法是什么？

对于类似的问题，我将源图像分割成16个（或更多，取决于您尝试链接的部分的相对大小）较小的图像，分别在每个图像中执行检测和链接步骤，还有一个额外的步骤，您将只为每个子图像执行一个链接步骤，并且它（可能是8个）相邻

在这种情况下，您甚至不会尝试将左上角的一个部分与右下角的一个部分连接起来，作为额外的奖励，您问题的第一部分现在非常平行

更新：

---

你可以先对图像进行边缘检测，永远不要将图像一分为二，因为这意味着将边缘一分为二。递归地这样做将允许您获得许多带有身体部位的小图像，然后您可以单独处理。

这种离散分配问题可以使用

在计算成本（=距离）矩阵时，当距离大于预定义阈值时，可以将该项设置为某个无限或非常高的值， 这将防止算法将头部分配给距离太远的躯干

---

最后一种技术在跟踪讲座中也被称为选通。

您是否在寻找一种算法的名称，以便进一步研究？不是为了回答您的具体问题，而是为您提供一个相关项目的链接，该项目可能对您有用（或不有用）：-）是，我需要一种算法或任何其他方法，它比考虑两种不同类型的假设之间的所有可能联系的方法性能更好。@Nelson：谢谢你的建议，但我的案例中的输入图像是简单的RGB图像。谢谢你的回答，但据我所知，通过这种方式，我应该将每个躯干假设与每个头部假设（例如）进行比较，以获得成本矩阵。但是，我的目的是避免不必要的计算（=尝试将彼此距离太远的两个部分连接起来）。匈牙利算法是解决此问题的有效算法。这确实值得一试。你可以在我提供的链接上查看它的算法复杂性。我正在查看你指出的链接。复杂度为O（n^3）。但是，我认为这个连接过程可以更复杂地完成。现在，我尝试使用八叉树来实现它。如果n是躯干假设的数量，m是头部假设的数量，那么构建树的复杂性是O（nlog（n）），并且为所有头部寻找近邻的复杂性是>=O（mlog（n））（最佳情况=O（mlog（n））。谢谢你的建议。我给你+1作为并行运行检测算法的想法。但是，我不确定你提出的链接方法。正如我在@sansuiso答案的最后一条评论中提到的，我正试图通过使用八叉树来实现这一点。