一、簡介

    這篇論文是2011年的時候發表的，可以推測這個工作起碼在2009年底左右就開始了，也就說是屬於比較早期的人體姿態估計的工作。這個文章有程式碼github上的，程式碼。文章主要採用的是傳統方法做的，沒有使用到深度學習，也不需要使用GPU，可以說速度上已經很快了，而且精度上也是不低的。程式碼我在mac上的matlab2015b沒跑起來，在win10上的matlab R2016a正常運行了。

二、文章主要方法介紹

    文章所描述的“flexible mixtures-of-parts”這個模型主要是利用了parts之間的關係進行建模，一種樹狀結構的模型。文章中提出了兩種特徵表示：

    “represenations for articulated pose”：就是對於關節點之間進行配對，有一種葉子節點和父節點的關係。

    “representations for objects”：覺得以前的模型建立的太簡單了，需要更復雜的編碼。

    Model：

        I用來標記一張Image，Pi=(x,y)用來表示某一個part的位置，ti用來表示part i的一個附加資訊。i 屬於 {1~K}也就是總共K個身體parts；pi屬於{1~L} 有L個原因是採用了特徵金字塔，金字塔有L層；ti屬於{1~T}。作者把ti叫做“part i的型別”，就像是形容手臂的時候可以說“豎直，水平”這樣。

        1、定義了一個為t打分的函式：

            這裡兩部分分別表示，區域性得分總和以及配對得分總；i代表K個關節中的第幾個。這屬於一種type的得分，但是具體如何得到b的值，還需要研究下。個人理解是因為HOG特徵需要對不同狀態的part有不同的濾波filter，如手臂橫著和豎著這兩種狀態需要兩種filter，那麼對於手臂這個part 就會有2張feature map。最後max一下把score得分最高的提出來就行。

        2、最終的得分的函式，對於這部分的話，後兩部分我看起來還算是比較理解：

            這個公式的意思就是，對於每一個圖片I，他的P的集合以及t的集合可以最終來得到一個score map這個map是輸入影象的一定倍數縮小。公式中第一部分，就是公式（1），第二部分表示了對於每一個HOG特徵去點乘W，其實就是卷積操作，在實現的時候還會加上一個bias，w和bias都是訓練得到的。實際操作的時候，HOG有32層，每一層有32個feature maps，這是特徵金字塔。公式中的第二部分後一項=[dx,dx^2,dy,dy^2].T  dx=xi-xj;這主要是用於描述part 之間的關係的得分。

        3、special case

            主要是去考慮T=1的這種情況。在這種情況下，部分引數就可以簡化了(主要是以下幾個引數)：

        4、inference

            推測的時候，需要給每一個候選的part i，進行打分，這也涉及了該候選part i的kid 節點：

        這裡的計算過程相當複雜，很多的遞迴和迭代，而且w還有很多中的狀態組合，時間複雜度很高，在程式碼中作者給了一種比較簡化的版本，應該是屬於special case裡面。

三、訓練過程

       這裡下次更新，還沒弄明白。

四、實驗結果

       值得一提的是，作者也用自己設計的特徵計算框架進行person檢測：

        99.6這個結果，哪怕現在用最好的FPN接面構的rcnn也怕是難以匹敵。

        作者在實驗中給T的個數進行了實驗，以及part個數，資料集中part只有14個標註，可以增加mid point的方式增加到27個。特徵的結果顯著，雖然總體結果和deep的有差距，但是deep現在在mpii和coco上都已經比較高了，我用mask rcnn在mpii上沒有完全訓練，已經要接近平均93map了，這基本上想要網上有大的提升很難搞，但是deep的泛化能力和魯棒性有時候經常會出問題，這一部分傳統模型做的還是比較好的。