一种基于深度学习的人体姿态识别方法技术

本发明专利技术公开一种基于深度学习的人体姿势识别方法，主要解决当前姿势识别技术计算量大，准确度不高的问题。该方法首先用Kinect V2.0深度传感器采集多个人体样本的动作姿态特征；保存其人体动作姿势的RGB数据和骨骼数据；把骨骼数据经过图像预处理后得到骨骼图像作为训练集与测试集；将训练集输入一种基于卷积神经网络(CNN)的专用于人体姿态识别领域的Posture‑CNN中，经过训练、测试调整网络结构和网络参数后得到分类结果；并将不同人体样本的动作姿态特征作为测试集输入分类网络，输出概率最大的动作即为识别结果。本发明专利技术使用卷积神经网络提高了识别准确率，降低了识别时间、运行成本低、方法简便可以应用在智能家居、安全监控、运动分析等场所。

【技术实现步骤摘要】
一种基于深度学习的人体姿态识别方法
本专利技术涉及深度学习与生物特征识别领域，具体是一种基于深度学习的人体动作姿势识别方法。
技术介绍
随着社会的发展和科技水平的进步，近年来国家和社会给予了人工智能
更多的关注与投入。计算机视觉作为人工智能领域的重要组成部分也同样吸引的广大人员的目光。人们希望计算机能够像人类那样有一双眼睛来实现对实际场景的理解，从而帮助人类完成一系列的工作，获得更好的人机交互实例。计算机视觉领域当前最热门的方向为生物特征识别，通过视频或图像对人员身份进行识别，包括人脸识别、指纹识别、掌纹识别、静脉识别、动作姿态识别、手势识别等。其中动作姿态识别技术涉及计算机视觉、模式识别等。动作识别可应用在医疗、安防、学生教育、虚拟现实、增强现实等多方面。人体动作识别的目的是及时准确的将采集到的人体动作特征与完备的人体动作姿态库中的动作进行识别分类，匹配出相似度最高的动作姿态并输出。在得知当前动作后，可以对该行为进行分析，达到人机交互的目的。当前动作识别技术主要分为两种，一种基于RGB图像，另外一种基于深度图像。基于RGB图像的识别算法，利用人体躯干的外形特征，如人体躯干各部本文档来自技高网...

【技术保护点】
1.一种基于深度学习的人体动作姿态识别方法，包括：步骤A1，人体躯干检测与人体躯干图像采集部分；步骤A2，对采集到的人体躯干图像进行骨骼特征提取部分；步骤A3，数据集的建立部分；步骤A4，深度学习网络Posture‑CNN搭建部分；步骤A5，采用深度学习网络技术利用人体骨骼特征实现人体姿态识别部分。

【技术特征摘要】
1.一种基于深度学习的人体动作姿态识别方法，包括：步骤A1，人体躯干检测与人体躯干图像采集部分；步骤A2，对采集到的人体躯干图像进行骨骼特征提取部分；步骤A3，数据集的建立部分；步骤A4，深度学习网络Posture-CNN搭建部分；步骤A5，采用深度学习网络技术利用人体骨骼特征实现人体姿态识别部分。2.如权利要求1所述的一种基于深度学习的人体动作姿态识别方法，其中所述人体躯干检测与人体躯干图像采集部分：利用Kinect图像采集设备中的彩色传感器和红外传感器检测并获取人体躯干图像。3.如权利要求1所述一种基于深度学习的人体动作姿态识别方法，其中所述对采集到的人体躯干图像进行骨骼特征提取部分：利用Kinect作为采集设备，从人体躯干图像中对20个人体关键关节点进行定位，并得到人体骨骼图。4.如权利要求3所述的方法，对人体骨骼图进行骨骼特征提取，仅保留人体骨骼信息，得到人体骨骼特征图。并对人体骨骼特征图进行去燥与归一化处理，并将其缩放至30...

【专利技术属性】
技术研发人员：林丽媛，刘冠军，周卫斌，尹宏轶，陈静瑜，周圆，刘建虎，申川，
申请(专利权)人：天津科技大学，
类型：发明
国别省市：天津,12