The present invention relates to a multi-person pose estimation method based on multi-layer fractal network and joint relatives model. The method uses three-layer fractal network model to predict the key points of human body, and proposes a hierarchical bidirectional reasoning algorithm to match multi-person joint points. According to the relatives degree between each pair of joint points and the external space constraint relationship, the multi-person joint points are matched. The optimal matching between multiple human joints can be achieved, and the cluttered matching between a large number of joints can be effectively removed. The average accuracy of multi-person pose estimation can be greatly improved.
【技术实现步骤摘要】
一种基于多层分形网络和关节亲属模式的多人姿态估计方法
本专利技术涉及人体姿态估计领域,具体涉及一种基于多层分形网络和关节亲属模式的多人姿态估计方法。
技术介绍
人体姿态估计是进一步理解人体行为的关键步骤,有效预测人体关节点并获得相应运动姿态,对于实现如行为识别、人体追踪及人体重识别等更高级别的计算机视觉任务具有重要的意义。尽管对于人体姿态估计的研究众多,但当单张图像中存在多个人时,可能导致更多的肢体截断或闭塞,难以定位所有个体的关节点;且多人肢体相互作用,容易产生关节依赖导致高维输入空间。传统的单人姿态估计方法在预测到人体关节点之后,只需要直接连接相邻关节点即可形成人体姿态,该方法未考虑到同类关节点之间的互斥性。由于多人关节点之间存在错综复杂的关节依赖,使得一些处理单人姿态估计的方法无法满足多人姿态估计的需求。随着深度学习方法的快速发展,对于多人姿态估计的研究也逐渐多了起来,但始终未能找到一种具有普适性的姿态估计方法。对于RGB图像中多人姿态的估计,Pishchulin等人(2016IEEEConferenceonComputerVisionandPatternRecognition,2016,pp.4929-4937)在论文“DeepCut:JointSubsetPartitionandLabelingforMultiPersonPoseEstimation”中提出了一个联合目标函数来解决多人姿态估计问题,该方法不需要单独的人体检测器或任何关于人数的先验信息,且可以解决任何类型的闭塞或截断,但是对于现实情况而言,这是一个NP难问题且价格昂贵,因此该方法限 ...
【技术保护点】
1.一种基于多层分形网络和关节亲属模式的多人姿态估计方法,其特征在于:首先通过采用多尺度特征提取单元替换原始沙漏网络中的剩余单元,构建三层分形网络模型;然后基于该三层分形网络模型对包含多人的单张图像进行处理,获取该图像的人体候选关节点位置热图;对候选关节点进行分层,计算相邻两层关节点之间的双向条件概率,用于推理各个关节点之间的相互亲属度,根据每对关节的亲属关系和外部空间约束关系,将关节点迭代到多个人中,并组合所有单个人的姿势,形成一个完整的多人姿态。
【技术特征摘要】
1.一种基于多层分形网络和关节亲属模式的多人姿态估计方法,其特征在于:首先通过采用多尺度特征提取单元替换原始沙漏网络中的剩余单元,构建三层分形网络模型;然后基于该三层分形网络模型对包含多人的单张图像进行处理,获取该图像的人体候选关节点位置热图;对候选关节点进行分层,计算相邻两层关节点之间的双向条件概率,用于推理各个关节点之间的相互亲属度,根据每对关节的亲属关系和外部空间约束关系,将关节点迭代到多个人中,并组合所有单个人的姿势,形成一个完整的多人姿态。2.根据权利要求1所述的一种基于多层分形网络和关节亲属模式的多人姿态估计方法,其特征在于:具体包括以下步骤:步骤1、构造并优化三层分形网络模型步骤1.1、采用多尺度特征提取单元替换8堆叠沙漏模型的原始剩余单元,构造三层分形网络模型,该三层分形网络模型包含堆叠卷积,批量归一化和ReLu非线性;步骤1.2、采用多人姿态数据集训练三层分形网络模型,计算各个关节点置信分数,并对相应关节点位置热图进行中间预测,形成中间预测关节点热图;在训练阶段,假设是所有K个人体关节点的地面真值位置,其中K=15,并且lk表示第k个关节点,令为关节点k分配到位置τ的置信分数,其中置信分数可表示成:步骤1.3、计算步骤1.2中生成的中间预测关节点热图与相应的地面真值热图之间的均方误差损失函数Γk,用于训练三层分形网络模型参数,并优化三层分形网络模型;在训练过程中,假设所有中间预测关节点热图为Φ'={Φ'k}k=1,2,...,K,尺度为15×64×64,令Φ={Φk}k=1,2,...,K为高斯激活生成的每个人体部位对应的地面真值热图,其中均方误差损失函数Γk表示成:将整体目标函数设置为最大化置信分数及最小化预测损失Γk,对模型参数进行微调,优化三层分形网络,具体过程表示如下:步骤2、多人姿态估计步骤2....
【专利技术属性】
技术研发人员:骆炎民,柳培忠,徐志通,
申请(专利权)人:华侨大学,泉州市中仿宏业信息科技有限公司,
类型:发明
国别省市:福建,35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。