一种基于关节依赖的人体骨架提取方法技术

本发明专利技术公开了一种基于关节依赖的人体骨架提取方法，包括以下步骤：S1、对图片数据集进行预处理和扩增，并划分为训练集和测试集；S2、构建关节依赖的人体骨架提取网络；S3、将训练集输入关节依赖的人体骨架提取网络，得到关节依赖的人体骨架提取网络模型以及关节的预测类标；S4、根据关节的预测类标，使用反向传播算法对关节依赖的人体骨架提取网络模型进行优化，得到最优关节依赖的人体骨架提取网络模型；S5、将测试集输入最优关节依赖的人体骨架提取网络模型，得到关节的测试类标；S6、根据关节的测试类标，提取出人体骨架；本发明专利技术解决了现有技术存在的优化困难、过程复杂、关节之间的关系建模效果差、准确性低以及实用性低的问题。

A Human Skeleton Extraction Method Based on Joint Dependence

The invention discloses a method for extracting human skeleton based on joint dependence, which includes the following steps: S1, preprocessing and amplifying the image data set, and dividing it into training set and test set; S2, constructing a joint dependence human skeleton extraction network; S3, inputting the training set into the joint dependence human skeleton extraction network, and obtaining a joint dependence human skeleton extraction network model. Fourth, according to the predictive classes of joints, the back-propagation algorithm is used to optimize the network model of human skeleton extraction based on joint dependence, and the optimal network model of human skeleton extraction based on joint dependence is obtained. Fifthly, the test set is input into the network model of human skeleton extraction based on optimal joint dependence, and the test classes of joints are obtained. The invention solves the problems of optimization difficulty, complex process, poor modeling effect of the relationship between joints, low accuracy and low practicability existing in the prior art.

【技术实现步骤摘要】
一种基于关节依赖的人体骨架提取方法
本专利技术属于计算机视觉
，具体涉及一种基于关节依赖的人体骨架提取方法。
技术介绍
目前，在图像理解、人机交互、虚拟现实等众多计算机视觉领域中，人体骨架提取是人体动作识别和行为分析的关键技术。近年来也是一个非常热门的研究方向，所谓人体骨架提取，简单来说，就是能够正确估计出给定图像上人体关键部位的位置、方向以及尺度信息，如头部、肩膀、左右手臂、大小腿等的姿态变化。在现实生活中具有重要的应用价值。人体骨架提取是一项富有挑战性的任务，如何设计一个有效的人体骨架提取系统需要考虑人体姿态的差异、光照的影响、拍摄的角度变换、部分遮挡、局部形变等因素。现有技术存在以下问题：(1)对于人体骨架提取中关节之间的关系建模问题，传统的方法使用图模型来进行处理，但是由于图模型的优化比较困难，过程复杂，且没有考虑关节与关节之间的差异性，因此不能取得很好的效果；(2)现有技术没有考虑不同类型的关节具有不同的难度，方法的实用性低；(3)现有技术没有考虑到采用卷积神经网络的方法得益于表征学习能够自动学习到具有鉴别性的特征，因此方法的准确性低。
技术实现思路
针对现有技术中的上述本文档来自技高网...

【技术保护点】
1.一种基于关节依赖的人体骨架提取方法，其特征在于，包括以下步骤：S1：对图片数据集进行预处理和扩增，并划分为训练集和测试集；S2：构建关节依赖的人体骨架提取网络；S3：将训练集输入关节依赖的人体骨架提取网络，得到关节依赖的人体骨架提取网络模型以及关节的预测类标；S4：根据关节的预测类标，使用反向传播算法对关节依赖的人体骨架提取网络模型进行优化，得到最优关节依赖的人体骨架提取网络模型；S5：将测试集输入最优关节依赖的人体骨架提取网络模型，得到关节的测试类标；S6：根据关节的测试类标，提取出人体骨架。

【技术特征摘要】
1.一种基于关节依赖的人体骨架提取方法，其特征在于，包括以下步骤：S1：对图片数据集进行预处理和扩增，并划分为训练集和测试集；S2：构建关节依赖的人体骨架提取网络；S3：将训练集输入关节依赖的人体骨架提取网络，得到关节依赖的人体骨架提取网络模型以及关节的预测类标；S4：根据关节的预测类标，使用反向传播算法对关节依赖的人体骨架提取网络模型进行优化，得到最优关节依赖的人体骨架提取网络模型；S5：将测试集输入最优关节依赖的人体骨架提取网络模型，得到关节的测试类标；S6：根据关节的测试类标，提取出人体骨架。2.根据权利要求1所述的基于关节依赖的人体骨架提取方法，其特征在于，所述步骤S1中，进行预处理，包括如下步骤：S1-1：生成变换矩阵；S1-2：将图片数据集中原始图像上的像素点坐标乘以变换矩阵，得到变换后坐标位置；S1-3：将坐标位置位于缩放图像范围中的像素点复制到变换矩阵中，并舍去范围外的像素点，实现图像的预处理。3.根据权利要求1所述的基于关节依赖的人体骨架提取方法，其特征在于，所述步骤S2中，关节依赖的人体骨架提取网络模型，包括前端的特征提取部分和后端的关节依赖建模部分；所述特征提取部分依次由卷积、残差模块、最大池化以及两个残差模块构成。4.根据权利要求1所述的基于关节依赖的人体骨架提取方法，其特征在于，所述关节依赖建模的方法，包括如下步骤：A-1：使用单关节回归网络建立关节依赖关系模型；A-2：根据关节依赖关系模型，使用单关节回归网络从头部关节依次回归所有类型关节；A-3：根据所有类型关节，构建人体树模型，实现关节依赖建模。5.根据权利要求4所述的基于关节依赖的人体骨架提取方法，其特征在于，所述单关节回归网络依次由沙漏模块、残差模块和卷积构成。6....

【专利技术属性】
技术研发人员：李建平，顾小丰，胡健，苌浩阳，王晓明，蔡京京，李伟，张建国，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51