仪器仪表学报

作者：李帆雅，张泽辉，陈博洋，徐晓滨，管聪

单位：李帆雅,杭州电子科技大学自动化学院杭州310018,,张泽辉,杭州电子科技大学自动化学院杭州310018,zhangzehui@hdu.edu.cn,陈博洋,宁夏石化银骏安全技术咨询有限公司银川750000,,徐晓滨,杭州电子科技大学自动化学院杭州310018,,管聪,武汉理工大学船海与能源动力工程学院武汉430070,

关键词：人体姿态估计;工业遮挡;数据增强;计算机视觉

基金：浙江省自然科学基金（LTGG24F030004）、国家水运安全工程技术研究中心开放基金（A202403）、国家重点研发计划（2022YFE0210700）、国家自然科学基金（52401376）、浙江省科协青年人才托举培养（ZJSKXQT2015049）项目资助

人体姿态估计是工业制造5.0的重要支撑技术之一，已经在行为识别、人机交互、数字孪生等多种场景展开了应用。然而，在复杂工业场景下，告示牌、管线、立柱等物品极易对作业人员形成局部或全局遮挡，导致人体姿态估计模型在关键点定位时出现偏差，造成模型对姿态估计的准确率降低。针对该问题，提出了一种面向复杂工业场景的人体姿态估计性能增强方法，该方法首先基于量子化自编码器对人体关键点进行结构化建模，将关节点特征映射到量子化隐空间，以提升人体部分遮挡时姿态估计的准确率。然后，针对工人遮挡数据集构建困难的问题，创新地提出了一种面向人体姿态遮挡的动态数据增强训练方法，在模型训练过程中，通过评估人体姿态估计模型在数据集上对各关键点的估计结果，使用工业场景真实遮挡物动态生成符合工业场景特征的工人遮挡图片用于下一次模型训练，进一步提升模型在人体姿态估计任务中的鲁棒性。实验结果证明，所提的方法在自建数据集上相比先进方法PCT平均准确率AP和平均召回率AR分别提升了3.8%和2.7%，其能够有效地应对复杂工业场景中的作业人员人体遮挡问题。

来源：2025年第8期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第8期