人体关键点检测模型生成方法、系统、设备和存储介质技术方案

本发明专利技术公开了一种人体关键点检测模型生成方法，包括：获取人体姿态图像；将预先标记好关键点的人体姿态图像分为训练集和测试集；其中，所述关键点为人体的身体部位；将训练集输入到预先构建的人体关键点检测模型中，以对人体关键点检测模型进行训练；其中，人体关键点检测模型为基于嵌入seNet的RestNet的深度卷积神经网络，人体关键点检测模型对输入的训练集进行高斯分布处理，以输出人体关键点检测模型的损失函数的损失值；当损失值达到预设收敛范围时，输出人体关键点检测模型。本发明专利技术公开了一种人体关键点检测模型生成系统、设备和计算机可读存储介质。采用本发明专利技术实施例生成的人体关键点检测模型能够提高人体关键点检测的效率和准确性。

【技术实现步骤摘要】
人体关键点检测模型生成方法、系统、设备和存储介质
本专利技术涉及人体检测
，尤其涉及一种人体关键点检测模型生成方法、系统、设备和存储介质。
技术介绍
公安机关在执法过程中或者执法结束后，需要在不同的场景(如信息采集室、讯问室、侯审室、看守所等)中对嫌疑人进行远程视频监控，以保证嫌疑人能够在案管场景中遵守相关规定，对嫌疑人的异常行为(比如打架、倒地等)能够做到实时监控并告警。现有技术中通过人体关键点检测算法来实现对人体姿态的监控，目前人体关键点算法主要有两类：第一类是自顶向下(top-down)的方法，此类方法在人体检测的基础上逐个人体进行关键点检测；第二类是自底向上(bottom-up)的方法，此类方法先在整张图片中检测出所有人体关键点，再利用图的最大匹配原则将属于同一个人体的关键点聚类在一起。在相同的条件下，第一类方法的检测效果要明显优于第二类方法，但是现有的此类算法一般模型比较复杂、显存占用大、检测速度受场景中人体数目的影响较大。
技术实现思路
本专利技术实施例的目的是提供一种人体关键点检测模型生成方法、系统、设备本文档来自技高网...

【技术保护点】
1.一种人体关键点检测模型生成方法，其特征在于，包括：/n获取人体姿态图像；/n将预先标记好关键点的人体姿态图像分为训练集和测试集；其中，所述关键点为人体的身体部位；/n将所述训练集输入到预先构建的人体关键点检测模型中，以对所述人体关键点检测模型进行训练；其中，所述人体关键点检测模型为基于嵌入seNet的RestNet的深度卷积神经网络，所述人体关键点检测模型对输入的所述训练集进行高斯分布处理，以输出所述人体关键点检测模型的损失函数的损失值；/n当所述损失值达到预设收敛范围时，输出所述人体关键点检测模型。/n

【技术特征摘要】
1.一种人体关键点检测模型生成方法，其特征在于，包括：
获取人体姿态图像；
将预先标记好关键点的人体姿态图像分为训练集和测试集；其中，所述关键点为人体的身体部位；
将所述训练集输入到预先构建的人体关键点检测模型中，以对所述人体关键点检测模型进行训练；其中，所述人体关键点检测模型为基于嵌入seNet的RestNet的深度卷积神经网络，所述人体关键点检测模型对输入的所述训练集进行高斯分布处理，以输出所述人体关键点检测模型的损失函数的损失值；
当所述损失值达到预设收敛范围时，输出所述人体关键点检测模型。


2.如权利要求1所述的人体关键点检测模型生成方法，其特征在于，所述人体关键点检测模型对输入的所述训练集进行高斯分布处理，以输出所述人体关键点检测模型的损失函数的损失值，包括：
所述人体关键点检测模型以所述训练集中人体姿态图像的人体关节点坐标为中心，根据预设均值和预设方差的高斯分布将所述人体姿态图像生成灰度高斯热力图；其中，所述灰度高斯热力图中最大像素值处为所述关键点的位置；
所述人体关键点检测模型生成所述灰度高斯热力图后，计算所述灰度高斯热力图中每个像素的欧式距离作为损失值。


3.如权利要求1所述的人体关键点检测模型生成方法，其特征在于，所述输出所述人体关键点检测模型，还包括：
将所述测试集输入到所述人体关键点检测模型中，以对所述人体关键点检测模型进行测试；
测试完成后，输出所述人体关键点检测模型的测试结果；
对所述测试结果进行分析。


4.如权利要求1所述的人体关键点检测模型生成方法，其特征在于，所述方法还包括：
采用RMSProp优化器对所述人体关键点检测模型进行优化。


5.一种人体关键点检测模型生成系统，其特征在于，包括：
图像获取单元，用于获取人体姿态图像；
图像划分单元，用于将预先标记好关键点的人体姿态图像分为训练集和测试集；其中，所述关键点为人体的身体部位；
训练单元，用于将所述训练集输入到预先构建的人体关键点...

【专利技术属性】
技术研发人员：林焕凯，周谦，王祥雪，董振江，黄仝宇，程庆，谭焕新，刘双广，
申请(专利权)人：高新兴科技集团股份有限公司，
类型：发明
国别省市：广东;44