一种基于全卷积神经网络的人体姿态识别装置及方法制造方法及图纸

本发明专利技术涉及一种基于全卷积神经网络的人体姿态识别装置及方法。首先，采集人体姿态数据构建训练数据集，捕获人体姿态图像并以手动标注对应图像上人体的关节点位置坐标；然后，对三阶段的全卷积神经网络进行训练，优化关节点预测器的识别精度；其次，在全卷积神经网络的前两个阶段依次提取待识别图像局部特征和关节点邻域特征；再次，在全卷积神经网络的第三阶段对两个特征进行叠加融合；最后，将融合后的特征作为关节预测器的输入，进而识别图像中人体关节点位置。本发明专利技术利用一个三阶段的全卷积神经网络配合多源特征来提高关节点的识别精度，改进了传统手工设计特征的弊端，具有简单、可靠等优点。

【技术实现步骤摘要】
一种基于全卷积神经网络的人体姿态识别装置及方法
本专利技术属于深度学习和计算机视觉领域，具体涉及一种基于全卷积神经网络的人体姿态识别装置及其识别方法。
技术介绍
人体运动分析和人体姿态识别是非常重要的技术，该技术使用有意义的人体姿态作为输入参数，有助于实现下一代人机交互、虚拟三维交互游戏和医学康复等应用。近年来，由于具有良好的学术价值和商业价值前景，人体运动捕获研究受到了越来越多的关注。目前存在用于人体运动分析的多种方案。一些方案需要在对象上贴上特定的标记块或需要特定的运动捕获设备，而在一般的环境中(诸如家庭娱乐、3D交互游戏等)，上述需要对于用户是不方便的，因而限制了这些方案的使用。现有的方法主要划分为两类，即，基于人体部位模板匹配的方法和基于深度学习的方法。从数据来源方面，现有的方法还可分为单纯使用彩色图像的方法以及使用深度图像和彩色图像，红外图像多种数据融合的方法。众所周知，彩色图像只能提供二维(2D)信息，诸如颜色、纹理、形状等，存在人体的一些部位出现自遮挡的(self-occlusion)情况。因此，不可避免地会导致传统的基于模板匹配和特征分类等算法使用2D信息而导致的姿态本文档来自技高网...

【技术保护点】
1.一种基于全卷积神经网络的人体姿态识别装置，其特征在于，该装置包括：输入模块(101)，用于捕获人体姿态，形成输入图像；预处理模块(102)，用于将输入的图像剪裁、填充和归一化；训练模块(103)，利用预处理模块(102)处理后的数据对三阶段全卷积神经网络训练关节预测器，建立一种从原始图像空间到人体姿态关节点之间的非线性映射；模型固化模块(104)，对经训练得到的关节预测器的参数进行保存；特征融合模块(105)，用于将全卷积神经前两个阶段依次提取的待识别图像局部特征和关节点邻域特征进行叠加融合；识别模块(106)，用于识别待预测图像中人体关节点的位置；输出模块(107)，用于将人体姿态识别的...

【技术特征摘要】
1.一种基于全卷积神经网络的人体姿态识别装置，其特征在于，该装置包括：输入模块(101)，用于捕获人体姿态，形成输入图像；预处理模块(102)，用于将输入的图像剪裁、填充和归一化；训练模块(103)，利用预处理模块(102)处理后的数据对三阶段全卷积神经网络训练关节预测器，建立一种从原始图像空间到人体姿态关节点之间的非线性映射；模型固化模块(104)，对经训练得到的关节预测器的参数进行保存；特征融合模块(105)，用于将全卷积神经前两个阶段依次提取的待识别图像局部特征和关节点邻域特征进行叠加融合；识别模块(106)，用于识别待预测图像中人体关节点的位置；输出模块(107)，用于将人体姿态识别的结果信息输出。2.利用如权利要求1所述的一种基于全卷积神经网络的人体姿态识别装置识别人体姿态的方法，其特征在于，该方法包括以下步骤：S1：采集人体姿态数据构建训练数据集，捕获形态各异的人体姿态图像并以手动标注对应图像上人体的14个关节点位置坐标；S2：利用步骤...

【专利技术属性】
技术研发人员：张强，张正轩，董婧，周东生，魏小鹏，夏时洪，刘玉旺，
申请(专利权)人：大连大学，
类型：发明
国别省市：辽宁,21