基于二维人体姿态估计的行人服饰颜色识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于二维人体姿态估计的行人服饰颜色识别方法及装置，该方法包括：获取待识别的二维静态的行人图像；根据人体姿态估计算法定位出所述行人图像中行人关键点位置信息，根据所述行人关键点位置信息确定行人上衣和裤子颜色区域；将所述行人上衣和裤子颜色区域的图像输入至预设的卷积神经网络，提取颜色区域特征；将所述颜色区域特征，通过softmax分类器进行颜色分类识别，获得所述行人图像中行人服饰颜色。本发明专利技术基于深度学习的行人姿态估计算法定位行人关键点位置信息，可以更准确地得到行人上衣和裤子颜色区域，从而更准确地识别行人服饰颜色，具有更高的鲁棒性，在刑事案件侦查中起到了积极的作用。

Pedestrian Clothing Color Recognition Method and Device Based on Two-Dimensional Human Posture Estimation

【技术实现步骤摘要】
基于二维人体姿态估计的行人服饰颜色识别方法及装置
本专利技术涉及计算机视觉领域、机器学习领域以及模式识别
，特别涉及一种基于二维人体姿态估计的行人服饰颜色识别方法及装置。
技术介绍
二维人体姿态估计是定位出二维图像中人体部位关节点所在位置的过程，确定头部、胸部、四肢的姿态。目前，基于深度学习的人体姿态估计主要是直接通过一个卷积神经网络来回归出人体的关节点位置。具体是输入图像，经过卷积神经网络的训练得到关节点热点图，然后采用后续处理在热点图中找到最终的关节点位置。人体姿态估计是计算机视觉研究范涛的一个重要问题，在许多实际应用中，如视频监控、人机交互、数字娱乐和运动场景等领域都具有广泛的应用前景。近年来，随着计算机及互联网的飞速发展，各类监控和交通相关的信息呈现爆炸式增长的态势，为了能够高效管理及应用这些信息，智能监控系统应运而生。智能监控系统可以在卡口、停车场、刑事案件追踪等方法展现强大的作用。视频图像信息中车辆信息包括车牌颜色、车辆颜色、车辆品牌等信息，行人信息包括行人性别、行人纹理、行人服饰颜色等信息，目标颜色识别在监控中有着举足轻重的作用。行人服饰颜色是监控系统中的一个重要的属性，例如在刑事案件中，在监控系统中查找嫌疑人，行人的服饰颜色信息则是最重要的信息。行人服饰颜色识别主要分为两个部分，首先是目标颜色区域的提取，然后对该区域进行颜色识别，最后输出行人的服饰颜色。目前，对行人服饰颜色的识别主要是通过传统的方式确定行人服饰位置信息，例如采用HOG特征检测行人位置信息，采用Sobel算子检测行人边缘轮廓形状，之后再用种子填充的方法对行人上本身和下半身的服饰颜色进行连通区域标记，最后把提取到的颜色特征输入至SVM分类器进行颜色判别。这种传统的方法容易在复杂情景下定位错行人服饰位置信息，从而影响颜色识别率。
技术实现思路
鉴于上述问题，提出了本专利技术以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于二维人体姿态估计的行人服饰颜色识别方法及装置。第一方面，本专利技术实施例提供一种基于二维人体姿态估计的行人服饰颜色识别方法，包括：获取待识别二维静态的行人图像；根据人体姿态估计算法定位出所述行人图像中行人关键点位置信息，根据所述行人关键点位置信息确定行人上衣和裤子颜色区域；将所述行人上衣和裤子颜色区域的图像输入至预设的卷积神经网络，提取颜色区域特征；将所述颜色区域特征，通过softmax分类器进行颜色分类识别，获得所述行人图像中行人服饰颜色。在一个实施例中，根据人体姿态估计算法定位出所述行人图像中行人关键点位置信息，包括：基于PAF的实时多人人体姿态估计算法，将获取到的待识别二维静态行人图像输入至预设的卷积神经网络提取特征，获得一组特征图；从所述特征图中分别提取置信图和PAF，使用图论中的预设算法，将同一个人的关节点连接起来，输出人体姿态估计图。在一个实施例中，根据所述行人关键点位置信息确定行人上衣和裤子颜色区域；包括：根据人体姿态估计图，定位出的人体肩部的宽度作为上衣颜色区域的宽度，将人体胸部的长度作为上衣颜色区域的长度；根据定位出的人体腿部的上半部分作为裤子颜色区域图像。在一个实施例中，所述预设的卷积神经网络为VGG19网络结构；所述VGG19网络结构包括16个卷积层、3个全连接层和5个池化层。在一个实施例中，所述VGG19网络结构的损失函数采用Euclideanloss函数，计算公式如下：其中表示预测的值，表示标签的值，N表示样本的数量。在一个实施例中，所述VGG19网络结构的最后一层连接softmax分类器。第二方面，本专利技术实施例提供一种基于二维人体姿态估计的行人服饰颜色识别装置，包括：获取模块，用于获取待识别二维静态的行人图像；；定位模块，用于根据人体姿态估计算法定位出所述行人图像中行人关键点位置信息；确定模块，用于根据所述行人关键点位置信息确定行人上衣和裤子颜色区域；提取模块，用于将所述行人上衣和裤子颜色区域的图像输入至预设的卷积神经网络，提取颜色区域特征；识别模块，用于将所述颜色区域特征，通过softmax分类器进行颜色分类识别，获得所述行人图像中行人服饰颜。在一个实施例中，所述定位模块，包括：输入子模块，基于PAF的实时多人人体姿态估计算法，将获取到的待识别二维静态行人图像输入至预设的卷积神经网络提取特征，获得一组特征图；输出子模块，从所述特征图中分别提取置信图和PAF，使用图论中的预设算法，将同一个人的关节点连接起来，输出人体姿态估计图。在一个实施例中，所述确定模块，具体用于根据人体姿态估计图，定位出的人体肩部的宽度作为上衣颜色区域的宽度，将人体胸部的长度作为上衣颜色区域的长度；根据定位出的人体腿部的上半部分作为裤子颜色区域图像。在一个实施例中，所述提取模块和所述输入子模块中的所述预设的卷积神经网络为VGG19网络结构；所述VGG19网络结构包括16个卷积层、3个全连接层和5个池化层。本专利技术实施例提供的上述技术方案的有益效果至少包括：本专利技术实施例提供的基于二维人体姿态估计的行人服饰颜色识别方法，其利用卷积神经网络的深度学习算法来进行人体姿态估计，从而确定行人服饰位置信息，进而将确定的行人服饰区域图像输入至卷积神经网络进行训练，提取颜色特征，最后将提取到的颜色特征输入至分类器进行颜色分类判别。该方法可以准确地识别行人服饰颜色，对一些复杂姿态的行人定位更具有鲁棒性，并且能适用于较复杂的监控场景下的行人服饰颜色识别，在刑事案件侦查中起到了积极的作用。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中：图1为本专利技术实施例提供的基于二维人体姿态估计的行人服饰颜色识别方法的流程图；图2为本专利技术实施例提供的基于二维人体姿态估计的行人服饰颜色识别方法的深度学习的示意图；图3为本专利技术实施例提供的行人上衣和裤子区域示意图；图4为本专利技术实施例提供的基于二维人体姿态估计的行人服饰颜色识别装置的框图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。参照图1所示，本专利技术实施例提供的基于二维人体姿态估计的行人服饰颜色识别方法，包括以下步骤：S101、获取待识别二维静态的行人图像；S102、根据人体姿态估计算法定位出所述行人图像中行人关键点位置信息，根据所述行人关键点位置信息确定行人上衣和裤子颜色区域；S103、将所述行人上衣和裤子颜色区域的图像输入至预设的卷积神经网络，提取颜色区域特征；S104、将所述颜色区域特征，通过softmax分类器进行颜色分类识别，获得所述行人图像中行人服饰颜色。本专利技术中所称的行人图像则是指由输入设备比如摄像机、监控探头本文档来自技高网...

【技术保护点】
1.基于二维人体姿态估计的行人服饰颜色识别方法，其特征在于，包括：获取待识别二维静态的行人图像；根据人体姿态估计算法定位出所述行人图像中行人关键点位置信息，根据所述行人关键点位置信息确定行人上衣和裤子颜色区域；将所述行人上衣和裤子颜色区域的图像输入至预设的卷积神经网络，提取颜色区域特征；将所述颜色区域特征，通过softmax分类器进行颜色分类识别，获得所述行人图像中行人服饰颜色。

【技术特征摘要】
1.基于二维人体姿态估计的行人服饰颜色识别方法，其特征在于，包括：获取待识别二维静态的行人图像；根据人体姿态估计算法定位出所述行人图像中行人关键点位置信息，根据所述行人关键点位置信息确定行人上衣和裤子颜色区域；将所述行人上衣和裤子颜色区域的图像输入至预设的卷积神经网络，提取颜色区域特征；将所述颜色区域特征，通过softmax分类器进行颜色分类识别，获得所述行人图像中行人服饰颜色。2.如权利要求1所述的方法，其特征在于，根据人体姿态估计算法定位出所述行人图像中行人关键点位置信息，包括：基于PAF的实时多人人体姿态估计算法，将获取到的待识别二维静态行人图像输入至预设的卷积神经网络提取特征，获得一组特征图；从所述特征图中分别提取置信图和PAF，使用图论中的预设算法，将同一个人的关节点连接起来，输出人体姿态估计图。3.如权利要求2所述的方法，其特征在于，根据所述行人关键点位置信息确定行人上衣和裤子颜色区域；包括：根据人体姿态估计图，定位出的人体肩部的宽度作为上衣颜色区域的宽度，将人体胸部的长度作为上衣颜色区域的长度；根据定位出的人体腿部的上半部分作为裤子颜色区域图像。4.如权利要求2所述的方法，其特征在于，所述预设的卷积神经网络为VGG19网络结构；所述VGG19网络结构包括16个卷积层、3个全连接层和5个池化层。5.如权利要求4所述的方法，其特征在于，所述VGG19网络结构的损失函数采用Euclideanloss函数，计算公式如下：其中表示预测的值，表示标签的值，N...

【专利技术属性】
技术研发人员：蔡晓东，黄朝光，
申请(专利权)人：桂林远望智能通信科技有限公司，
类型：发明
国别省市：广西,45