【技术实现步骤摘要】
一种关节点分类和关节点推理的人体姿态估计分析方法
本专利技术涉及一种智能分析视频场景中行人体姿态的方法，属于智能安防领域。
技术介绍
随着人工智能的快速发展，图像处理的比重不断扩大。如何让机器按照人的思维去识别图像，并且准确率高于人的观察，是计算机视觉领域中不断突破的难题。现如今安防领域监控摄像头的覆盖面不断扩大，也是不可缺少的社会必需品，同时产生的视频数据呈指数式增长。但是，绝大多数的摄像头都是传输媒介，并不是一个智能摄像头，不能对视频场景中行人姿态做出准确的分析。如果将这些有效的视频数据利用起来，将视频中的行人的行为做出准确的判断，如果行为异常，可以触发警示系统，这样可以极大的提高公共场所的安全指数。在深度学习快速发展之前，行人姿态估计分析都是借助传统的图像处理技术，采用一些形状建模，模板匹配的方法来评估人体的姿态，鲁棒性不好，效果差，在复杂的现实场景中不能有很好的表现，并未得到很好的应用。现在随着技术的发展，研究多人姿态估计方面一般采用自上而下或者自下而上两种方法。前者这种方法有利于关节点定位和内在关联...
【技术保护点】
1.一种关节点分类和关节点推理的人体姿态估计分析方法，其特征在于：该方法有两个分支，一个分支负责检测人体关节点，一个分支负责对关节点进行聚类；该方法分为如下步骤，/nS1，将视频帧中的行人输入卷积神经网络中检测人体关节点，网络输出所有行人的关节点的位置信息和方向信息；将关节点位置信息进行两两相减取绝对值，获得几组相等的坐标信息，将这些相等的关节点位置信息标注为固定关节点，其余标注为非固定关节点；/nS2，通过S1获得固定关节点，将这些固定关节点作为人体姿态初步框架；然后通过人体姿态初步框架推理属于本人的非固定关节点；人体姿态的初步框架中的关节点包含着方向信息，通过两个关节点...
【技术特征摘要】
1.一种关节点分类和关节点推理的人体姿态估计分析方法，其特征在于：该方法有两个分支，一个分支负责检测人体关节点，一个分支负责对关节点进行聚类；该方法分为如下步骤，
S1，将视频帧中的行人输入卷积神经网络中检测人体关节点，网络输出所有行人的关节点的位置信息和方向信息；将关节点位置信息进行两两相减取绝对值，获得几组相等的坐标信息，将这些相等的关节点位置信息标注为固定关节点，其余标注为非固定关节点；
S2，通过S1获得固定关节点，将这些固定关节点作为人体姿态初步框架；然后通过人体姿态初步框架推理属于本人的非固定关节点；人体姿态的初步框架中的关节点包含着方向信息，通过两个关节点之间的方向信息，形成一组肢体，然后肢体的关节点与其他的关节点之间具有方向信息，进行两两部位连接；
S3，由S2得到肢体信息组；利用肢体之间的共享关节点进行两两肢体部位连接甚至两段关节部位的连接，从而人体姿态的初步框架寻找到属于自己的“非固定关节点”，获得行人的人体姿态估计。
2.根据权利要求1所述的一种关节点分类和关节点推理的人体姿态估计分析方法，其特征在于：采用自上而下的方法实现人体姿态估计；检测出人体关节点位置坐标，然后将人体的关节点聚类，从而判断出这个人的姿态或行为；具体如下：
首先，截取视频帧中的行人一帧尺寸为w*h输入到卷积神经网络中，w代表图片的宽度，h代表图片的高度，输出图像中所有的关节点，输出的关节点信息中既包含着位置信息又有方向信息；关节点的位置信息如公式(1)：
L＝(L1,L2,…Ln)Ln∈Rw*hn∈(1,2…,18)公式(1)
其中L代表关节点的位置信息，L1表示第二个关节点位置信息，n表示要检测关节点的数量，一共是18个关节点，R代表实数；
关节点的方向信息如公式(2)：
D＝(D1,D2,…Dc)Dc∈Rw*hc∈(1,2,…,19)公式(2)
其中D表示关节点和关节点的方向信息，D1表示第一对关节点之间的方向信息，D2表示第二对关节点之间的方向信息，c表示18个关节点，两两关节点之间的方向信息的数量。
3.根据权利要求2所述的一种关节点分类和关节点推理的人体姿态估计分析方法，其特征在于：从图像中检测出人体的所有关节点的坐标，两两坐标进行绝对值计算；例如关节点Li＝(xi,yi)和Lj＝(xj,yj)，Li和Lj表示第i和j个关节点坐标；计算方式公式(1)如下：
(xn,yn)＝(|(xi-xj)|,|(yi-yj)|)公式(3)
通过公式(3)式可以计算出检测的所有关节点坐标的差值计算；在这些结果中，其中至少有4对坐标是相同的，就是人体初步姿态框架；
根据公式(3)推出4组坐标是相等的；分别是左右耳朵，左右眼睛，左右肩膀，和左右臀部与鼻子和脖子计算得出来的；那么将其4组分为一组，其余的为另一组；如下形式，
上述的式子(1)为“固定关节...
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。