【技术实现步骤摘要】
基于人体拓扑结构对齐的多人姿态估计方法
[0001]本专利技术涉及人体行为分析
,尤其涉及一种基于人体拓扑结构对齐的多人姿态估计方法。
技术介绍
[0002]近年来,随着信息技术的发展和智能科技的普及,全球科技变革正在进一步推进,云计算、物联网、大数据和人工智能等技术也在飞速发展,其中,人体姿态识别技术已开始在计算机视觉相关领域中广泛应用。
[0003]当前人工智能技术的热点,固定情景下对于人体姿态识别具有十分重要的研究意义,对于我国实现现代化建设具有一定的推动作用,因此加强技术分析研判就显得十分重要。早在上世纪70年代,我国已经开始了对人体行为分析方面的研究,这些研究对于我国人工智能的发展有了较强的推动作用,在特定情景下或者说在比较标准的场景中分析较为简单的姿态和动作已经成为了可能。
[0004]随着我国社会水平的不断提升,人们对于社会生活的质量要求也在不断增加,因此,在实际的生活过程中视频监控已经成为人们不可或缺的一种安全措施,基于视频分析的技术要求也越来越高。例如在智能家装,医疗领域及运动分析等行业中都得到了较为广泛的应用,固态场景下的人体姿态识别在各领域起到的作用显而易见。特别是近年来,我国安保工作的加强,对于大城市人口密集流动以及犯罪分子的甄别等都有较强需求。
[0005]目前,现有技术中还没有一种有效地基于人体拓扑结构对齐的多人姿态估计方法。
技术实现思路
[0006]本专利技术的实施例提供了一种基于人体拓扑结构对齐的多人姿态估计方法,以实现在无监督网络学习框 ...
【技术保护点】
【技术特征摘要】
1.一种基于人体拓扑结构对齐的多人姿态估计方法,其特征在于,包括:通过网络爬虫爬取没有袖子的人体图像,构建SZF数据集;用MS
‑
COCO和MPLL数据集为输入训练HRNet网络,得到XZZNet网络;利用HRNet网络对MS
‑
COCO和MPLL数据集的图像样本进行学习得到人体关键点图像;将SZF数据集输入到XZZNet网络中,XZZNet网络生成候选的没有袖子的人体姿态关键点;对HRNet网络生成的人体关键点图和XZZNet生成的候选的人体关键点图进行图匹配,根据图匹配结果利用交叉熵损失函数微调XZZNet网络,得到优化的XZZNet网络;将SZF数据集输入到优化的XZZNet网络中,生成SZF数据集中的图像对应的关键点检测图像,根据关键点检测图像得到图像中包含人体的各个关键点姿态信息。2.根据权利要求1所述的方法,其特征在于,所述的通过网络爬虫爬取没有袖子的人体图像,构建SZF数据集,包括:利用python的requests程序包实现网络爬虫,利用requests程序包调用抓取图片函数获取目标网页地址,循环遍历字典中存入的图片网址,用python代码将抓取的图像重命名后,对图像进行标注,标注完成,将图像和标注文件按照顺序一对一读入保存,构成SZF图像数据集。3.根据权利要求1所述的方法,其特征在于,所述的用MS
‑
COCO和MPLL数据集为输入训练HRNet网络,得到XZZNet网络;利用HRNet网络对MS
‑
COCO和MPLL数据集的图像样本进行学习得到人体关键点图像,包括:对MS
‑
COCO和MPLL数据集中的原始图像进行翻转、裁剪和重塑,以变化后的图像为输入训练HRNet网络,得到鲁棒的XZZNet网络;利用HRNet网络对MS
‑
COCO和MPLL数据集的图像样本进行学习得到人体关键点图,平均变化后的图像生成的热图,每个人体关键点的位置是通过调整最高热值的位置,并在从最高响应到第二高响应的方向上偏移四分之一来预测。4.根据权利要求3所述的方法,其特征在于,利用MS
‑
COCO和MPLL数据集为输入训练HRNet网络时,HRNet网络包含四个阶段,主体为四个并行的子...
【专利技术属性】
技术研发人员:李浥东,郎丛妍,孙鑫雨,冯紫钰,赵治坤,汪敏,
申请(专利权)人:北京交通大学,
类型:发明
国别省市:
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。