一种人体姿态检测方法和装置制造方法及图纸

本发明专利技术公开了一种人体姿态检测方法和装置，其中该方法包括获取人物图像，人物图像包括行人区域和背景区域，行人区域包括左肩点及右肩点；检测行人区域在人物图像中的位置和行人区域的宽度，以及检测关键点的个数和关键点在人物图像中的位置；若关键点的个数等于预设个数，则标记人物图像为未遮挡状态；计算左肩点和右肩点之间的第一距离；若第一距离不小于转身阈值，则标记人物图像为非转身状态。通过关键点的个数和关键点之间的距离判断人物图像的状态。可以根据人物图像的状态对多个人物图像进行分类，或者是挑选没有遮挡的、非转身状态的人物图像进行下一步的行人识别等操作，可以提高行人识别的准确率。

Method and device for detecting human posture

The invention discloses a human posture detection method and device, wherein the method comprises obtaining a character image, a character image including the pedestrian area and background area, pedestrian areas including the left shoulder and right shoulder; pedestrian detection area in the character image of the location and width of the pedestrian area, and the location and the number of key point detection the key points of the characters in the image; if the number of key points is equal to the preset number, mark character image for occlusion state; calculate the first distance between the left shoulder and right shoulder point; if the distance is not less than the first turn threshold, mark character image into non turned state. The state of the image is judged by the number of key points and the distance between the key points. It can classify the characters according to the state of the image, or select the non occluded and non rotating state image for the next step of pedestrian recognition, which can improve the accuracy of pedestrian recognition.

【技术实现步骤摘要】
一种人体姿态检测方法和装置
本专利技术涉及图像处理技术，尤其涉及一种人体姿态检测方法和装置。
技术介绍
行人识别在监控视频、图像检索等应用有较大的应用前景。行人识别的基础是从图片或视频中获得行人所在的区域，即行人检测。行人检测是在视频中检测出行人的位置，该问题的难点在于监控视频中的行人存在很大的姿态变化，在不同场景下可能会有不同的干扰背景造成误检，还存在人体被遮挡等问题。现有的行人检测有些是通过FasterRCNN(Fasterregionbasedconvolutionnetwork)实现的。FasterRCNN是一种通用的检测算法，其对物体定位是使用回归的方法确定物体包围框位置和大小，训练难度较大；在实际监控场景中随着人物来回走动，框经常会出现框不准的情况，而框不准的就会降低后续行人识别的正确率；同时，检测的结果不能确定人物是什么样的姿势，而行人识别对人体的遮挡、形变等比较敏感，将侧身或遮挡的行人检测结果送入识别模块会明显降低最终识别率。
技术实现思路
为了克服现有技术的不足，本专利技术的目的之一在于提供一种人体姿态检测方法，其能解决现有的行人检测方法检测的结果不能确定人物是什么样的本文档来自技高网...

【技术保护点】
一种人体姿态检测方法，其特征在于，包括以下步骤：获取人物图像，所述人物图像包括行人区域和背景区域，所述行人区域包括多个关键点，所述关键点包括左肩点及右肩点，或者包括左胯点及右胯点；检测所述行人区域在所述人物图像中的位置和所述行人区域的宽度，以及检测所述关键点的个数和所述关键点在所述人物图像中的位置；若所述关键点的个数等于预设个数，则标记所述人物图像为未遮挡状态；计算所述左肩点和右肩点之间的第一距离，或者计算所述左胯点和右胯点之间的第二距离；若所述第一距离或第二距离不小于转身阈值，则标记所述人物图像为非转身状态。

【技术特征摘要】
1.一种人体姿态检测方法，其特征在于，包括以下步骤：获取人物图像，所述人物图像包括行人区域和背景区域，所述行人区域包括多个关键点，所述关键点包括左肩点及右肩点，或者包括左胯点及右胯点；检测所述行人区域在所述人物图像中的位置和所述行人区域的宽度，以及检测所述关键点的个数和所述关键点在所述人物图像中的位置；若所述关键点的个数等于预设个数，则标记所述人物图像为未遮挡状态；计算所述左肩点和右肩点之间的第一距离，或者计算所述左胯点和右胯点之间的第二距离；若所述第一距离或第二距离不小于转身阈值，则标记所述人物图像为非转身状态。2.如权利要求1所述的人体姿态检测方法，其特征在于，所述检测所述行人区域在所述人物图像中的位置和所述行人区域的宽度，以及检测所述关键点的个数和所述关键点在所述人物图像中的位置之后，还包括以下步骤：若所述关键点的个数小于所述预设个数，则标记所述人物图像为遮挡状态。3.如权利要求1所述的人体姿态检测方法，其特征在于，所述计算所述左肩点和右肩点之间的第一距离，或者计算所述左胯点和右胯点之间的第二距离之后，还包括以下步骤：若所述第一距离或第二距离小于所述转身阈值，则标记所述人物图像为转身状态。4.如权利要求3所述的人体姿态检测方法，其特征在于，还包括以下步骤：根据所述人物图像被标记为非转身状态或转身状态判断是否输出所述人物图像。5.如权利要求1-4中任一项所述的人体姿态检测方法，其特征在于，所述检测所述行人区域在所述人物图像中的位置和所述行人区域的宽度，以及检测所述关键点的个数和所述关键点在所述人物图像中的位置，具体为通过深度神经网络模型检测。6.如权利要求5所述的人体姿态检测方法，其特征在于，所述深度神经网络模型包括共享特征提取模块，以及与所述共享特征提取模块连接的行人检测分支和关键点检测分支；所述共享特征提取模块用于提取所述人物图像的共享特征图，所述行人检测分支用于检测所述行人区域在所述人物图像中的位置以及所述行人区域的宽度，所述关键点检测分支用于检测所述关键点在所述人物图像中的位置。7.如权利要求6所述的人体姿态检测方法，其特征在于，所述行人检测分支...

【专利技术属性】
技术研发人员：徐鹏飞，赵瑞，王露，王涛，
申请(专利权)人：深圳市深网视界科技有限公司，
类型：发明
国别省市：广东,44