The embodiment of the invention provides a detection method and system for key points of human skeleton. Among them, the method includes: input the human body image to the key point detection model of human skeleton after training, and determine the key points of human skeleton according to the output results; among them, the key point detection model of human skeleton after training is composed of multi-level asymmetric neural network, and the network structure of all levels of asymmetric neural network in multi-level asymmetric neural network is uniform. Similarly, the network structures of the convolution layer and the pooling layer are replaced by the void convolution. The method and system provided by the embodiment of the present invention can benefit more from the advantages of migration learning by inputting the human body image to the model and determining the key points of human skeleton according to the output results of the model. The model adopts an asymmetrical multi-level repetitive network structure with heavy coding and light decoding, and improves the detection accuracy without affecting the speed by reducing the number of channels.
【技术实现步骤摘要】
一种人体骨骼关键点的检测方法及系统
本专利技术实施例涉及人体骨骼关键点检测
,尤其涉及一种人体骨骼关键点的检测方法及系统。
技术介绍
人体骨骼关键点指人体的固定部位的位置,包括眼睛、鼻子、肩、腰等,人体骨骼关键点对于描述人体姿态,预测人体行为至关重要,因此人体骨骼关键点检测是诸多计算机视觉任务的基础,例如动作分类、异常行为检测、自动驾驶等。近年来,随着深度学习技术的发展,人体骨骼关键点检测效果不断提升,已经开始广泛应用于计算机视觉的相关领域。基于深度学习的人体骨骼关键点检测方法主要分为两类:自上而下的检测方法和自下而上的检测方法。其中,自上而下的检测方法主要包含两个部分,人体检测和单人人体骨骼关键点检测,即首先通过目标检测算法将原始图像中的每一个人检测出来,然后再针对单个人做人体骨骼关键点检测,其中代表性算法有G-RMI、CFN、RMPE、MaskR-CNN和CPN等,目前在MSCOCO数据集上进行检测所达到的最高精度为72.6%;自下而上的检测方法也主要包含两个部分,关键点检测和关键点聚类,即首先将原始图像中所有的关键点都检测出来,然后通过相关策略将所有的关键点聚类成不同的个体,其中对关键点之间关系进行建模的代表性算法有PAF、AssociativeEmbedding、PartSegmentation和Mid-Rangeoffsets等,目前在MSCOCO数据集上进行检测所达到的最高精度为68.7%。相比之下,自上而下的检测方法有着更高的检测精度。对于自上而下的检测方法中的单人人体骨骼关键点检测,由于关键点局部信息的区分性很弱、不同关键点的检测的难 ...
【技术保护点】
1.一种人体骨骼关键点的检测方法,其特征在于,包括:将待测人体图像输入至训练后的人体骨骼关键点检测模型,获取所述训练后的人体骨骼关键点检测模型的输出结果;根据所述输出结果,确定所述待测人体图像的人体骨骼关键点;其中,所述训练后的人体骨骼关键点检测模型由多级非对称神经网络所组成,所述多级非对称神经网络中的各级非对称神经网络的网络结构均相同,且均为使用空洞卷积替换卷积层和池化层的网络结构。
【技术特征摘要】
1.一种人体骨骼关键点的检测方法,其特征在于,包括:将待测人体图像输入至训练后的人体骨骼关键点检测模型,获取所述训练后的人体骨骼关键点检测模型的输出结果;根据所述输出结果,确定所述待测人体图像的人体骨骼关键点;其中,所述训练后的人体骨骼关键点检测模型由多级非对称神经网络所组成,所述多级非对称神经网络中的各级非对称神经网络的网络结构均相同,且均为使用空洞卷积替换卷积层和池化层的网络结构。2.根据权利要求1所述的方法,其特征在于,所述输出结果为所述待测人体图像的热力图集合和对应的回归图集合;其中,所述热力图集合携带有所述待测人体图像的多个人体骨骼关键点的位置信息,所述回归图集合用于对多个所述位置信息进行修正。3.根据权利要求2所述的方法,其特征在于,所述根据所述输出结果,确定所述待测人体图像的人体骨骼关键点,包括:获取所述热力图集合中每一热力图所包含的一个人体骨骼关键点的位置信息,组成第一人体骨骼关键点集合;在所述回归图集合中,确定所述第一人体骨骼关键点集合中每一人体骨骼关键点对应的回归图,以对每一人体骨骼关键点的位置信息进行修正。4.根据权利要求1所述的方法,其特征在于,所述将待测人体图像输入至训练后的人体骨骼关键点检测模型,之前还包括:通过数据扩充方法获取训练数据集;通过所述训练数据集对所述人体骨骼关键点检测模型进行训练,得到训练后的人体骨骼关键点检测模型。5.根据权利要求4所述的方法,其特征在于,所述通过数据扩充获取训练数据集,包括:通过水平翻转、上下翻转、旋转预设角度、随机缩放、随机裁剪以及添加噪声中的一种或多种方法获取训练数据集。6.根据权利要求4所述的方法,其特征在于,所述通过所述训练数据集对所述...
【专利技术属性】
技术研发人员:白帅,董远,白洪亮,熊风烨,
申请(专利权)人:北京飞搜科技有限公司,
类型:发明
国别省市:北京,11
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。