建立人体姿态识别模型的方法、人体姿态识别方法及装置制造方法及图纸

本发明专利技术涉及图像识别技术领域，尤其涉及建立人体姿态识别模型的方法、人体姿态识别方法及装置，所述方法包括：获取图像训练数据，其中，图像训练数据包含当前帧图像和前一帧图像，前一帧图像位于当前帧图像的前一帧，当前帧图像具有已确定的人体姿态；对前一帧图像中的人体关键点坐标进行升维处理，获得与前一帧图像对应的升维图像；将当前帧图像与升维图像进行拼接，获得拼接图像；将与当前帧图像对应的人体姿态的人体关键点坐标作为训练标签，利用深度神经网络对拼接图像进行训练，获得人体姿态识别模型。本发明专利技术提高了人体姿态识别结果的准确性。的准确性。的准确性。

【技术实现步骤摘要】
建立人体姿态识别模型的方法、人体姿态识别方法及装置


[0001]本专利技术涉及图像识别
，尤其涉及建立人体姿态识别模型的方法、人体姿态识别方法及装置。

技术介绍

[0002]人体姿态识别在计算机视觉、模式识别、人工智能等领域中，已经成为一个极具意义的研究热点，其具有广阔的应用领域，包括虚拟现实、生物力学、游戏、医疗健康等人机交互领域。
[0003]在现有技术中，对于视频而言，在识别视频中人物的人体姿态时，通常基于每一帧图像本身进行人体姿态识别。例如，视频按照时间顺序包含第一帧和第二帧，则，根据第一帧图像对第一帧图像中人物的人体姿态进行识别，得到与第一帧图像对应的第一人体姿态，根据第二帧图像对第二帧图像中人物的人体姿态进行识别，得到与第二帧图像对应的第二人体姿态。然而，采用上述直接利用当前帧图像进行人体姿态识别的方法，得到的识别结果准确率低，难以准确地识别出每一帧图像的人体姿态。

技术实现思路

[0004]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建立人体姿态识别模型的方法、人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建立人体姿态识别模型的方法，其特征在于，所述方法包括：获取图像训练数据，其中，所述图像训练数据包含当前帧图像和前一帧图像，所述前一帧图像位于所述当前帧图像的前一帧，所述当前帧图像具有已确定的人体姿态；对所述前一帧图像中的人体关键点坐标进行升维处理，获得与所述前一帧图像对应的升维图像；将所述当前帧图像与所述升维图像进行拼接，获得拼接图像；将与所述当前帧图像对应的所述人体姿态的人体关键点坐标作为训练标签，利用深度神经网络对所述拼接图像进行训练，获得人体姿态识别模型。2.如权利要求1所述的方法，其特征在于，当所述前一帧图像包含n个人体关键点坐标时，所述对所述前一帧图像中的人体关键点坐标进行升维处理，包括：基于高斯分布将所述n个人体关键点坐标转换为n维图像。3.如权利要求1所述的方法，其特征在于，所述将所述当前帧图像与所述升维图像进行拼接，包括：利用堆叠方式对所述当前帧图像和所述升维图像进行拼接。4.如权利要求1所述的方法，其特征在于，所述深度神经网络包括神经网络卷积层和与预设训练条件相对应的目标训练尾层。5.如权利要求1所述的方法，其特征在于，所述图像训练数据为彩色图像或灰度图像。6.一种人体姿态识别方法，其特征在于，所述方法包括：获取待识别图像以及位于所述待识别图像前一帧的目标前一帧图像；将所述目标前一帧图像的人体关键点坐标和所述待识别图像作为输入数据，输入至通过权利要求1-5中任一权利要求所述的建立人体姿态识别模型的方法获得的所述人体姿态识别模型中，利用所述人体姿态识别模型对所述待识别图像进行人体姿态识别，获得所述待识别图像的人体关键点坐标；基于所述待识别图像的人体关键点...

【专利技术属性】
技术研发人员：刘洛麒，
申请(专利权)人：北京奇虎科技有限公司，
类型：发明
国别省市：