随着计算机视觉技术的快速发展,目标检测和动作检测等技术都慢慢开始发展并普及应用,因此引申出来一个很重要的技术,那就是人体姿态估计。这个技术的实现能帮助计算机快速理解人类动作和行为,并进一步提高人类的生活质量。在实时监测应用场合,自底向上的多人姿态估计方法更全面且更有优势。传统的自底向上多人姿态估计方法中关键点分组通常独立于关键点检测来解决,从而使其无法端到端训练并且具有次优的性能。针对这个问题,想到使用一种端到端的自底向上多人姿态估计方法来获得更快更精确的定位结果。基于这种思考,提出了两种改进想法:1)采用不同尺度的特征相互作用来获得更加精确的定位。2)考虑使用图聚类和图神经网络进行关键点分组,并根据关键点之间的关系来优化分组结果。具体来说,提出了一个新的网络框架,将图分组部分嵌入了关键点检测部分以实现端到端。整体网络可以分为两个部分,第一部分用于关键点检测定位,第二部分则将关键点检测结果输入图神经网络部分做正确分组,最终实现精确的定位结果。在关键点检测部分,通过修改当前精度最高方法HRNet为自底向上后引入反卷积模块来获得高分辨率特征。在分组部分,用图神经网络进行分组,以关键点检测部分获得的人体关键点候选项作为图节点,并对关键点聚类,使用集群判别器和边缘判别器来监督分组过程,然后采用基于图的姿态优化算法,探索关键点之间的关系,最终获得更准确的定位结果。对比实验结果显示,在COCO和Crowd Pose数据集上,基于图分组优化的多人姿态估计方法能得到较好的姿态估计精度,同时具有较好的姿态估计实时性。