基于高分辨率网络的大熊猫姿态估计方法

作者：漆愚; 苏菡; 侯蓉; 刘鹏; 陈鹏^*; 臧航行; 张志和

来源：兽类学报, 2022, 42(04): 451-460.

DOI：10.16829/j.slxb.150639

• 大熊猫
• 姿态估计
• 图像分析
• 深度学习

对圈养大熊猫(Ailuropoda melanoleuca)开展长期行为监测能及时了解其所处生理周期和健康状况，有助于繁殖饲养机构迅速采取相应繁育保护措施提高饲养管理水平，但目前无法对大熊猫进行24 h监控并及时地获得相应的行为信息。准确的动物姿态估计是动物行为研究的关键，也是诸多下游应用的基础。了解大熊猫的姿态可以促进大熊猫行为研究并提升保护管理水平。为了提高复杂环境下大熊猫姿态估计的准确率，本文以高分辨率网络(High resolution net, HRNet)为基础网络架构提出了一种大熊猫姿态估计方法：针对大熊猫不同部位尺度差异较大的问题，在HRNet-32中引入了空洞空间金字塔池化(Atrous spatial pyramid pooling, ASPP)模块，在提升特征感受野的同时捕获多尺度信息；同时对大熊猫身体关键点进行分组，引入基于部位的多分支结构来学习特定于每个部位组的表征。多次对比实验结果表明本文所用模型具有较高的检测精度：在PCK@0.05中所用模型精度达到了81.51%。本文提出的方法可为大熊猫的行为分析和健康评估提供技术支撑。

• 单位
  成都大熊猫繁育研究基地; 四川师范大学; 四川省濒危野生动物保护生物学重点实验室