针对现有体态识别模型检测精度不高、检测周期过长以及模型参数规模过大等问题，提出一种新的改进模型——KP-Detector。该模型将关节点和肢体分开检测和识别，使用改进的PLF匹配方法及Dense连接机制，减少模型复杂度；运用匈牙利算法进行肢体高效匹配，优化使用6层模型结构，同时应用于单人和多人关节点检测。在MPII数据集上测试显示，该模型检测精度优于对比模型，测试速度较其他模型快近4FPS，而模型大小只有18M，具有较大优势。
0 引言
对人体姿态进行关节点检测具有重要的现实意义，如对病人的病态进行监护和调理、在自动驾驶技术上对行人的行为进行识别以保证驾驶安全等。早在2008年，叶蓬等[1]就提出了传统的基于代数计算的方法，对视频帧之间简单运动模式进行指数形式的线性化操作，经过简化欧式变换的矩阵对线性操作后的数据进行提取和重组，求得表征运动参数&