一种基于分割引导的人体姿态识别方法技术

本发明专利技术公开了一种基于分割引导的人体姿态估计方法。本发明专利技术采用HRNet人体姿态估计的基本网络结构；HRNet包含4个阶段3个分支，每个分支捕获输入信号的不同尺度特征表示；每个阶段不同分支的特征会进行相互融合并将融合后的特征作为下一个阶段的输入；同时高分辨率分支的每一个阶段都融入一个分割引导机制，得到一个分割引导的HRNet；利用分割引导机制来逐步改善每个阶段产生的检测结果。结果表明，本发明专利技术具有更好的鲁棒性和自适应能力。解决了原来复杂背景的干扰问题。人体姿态估计是行为识别的上游任务对其至关重要，准确高效的人体姿态估计可以促进人体行为识别的准确度。态估计可以促进人体行为识别的准确度。态估计可以促进人体行为识别的准确度。

【技术实现步骤摘要】
一种基于分割引导的人体姿态识别方法


[0001]本文专利技术涉及人体姿态识别方法，具体来讲是一种基于分割引导的人体姿态识别方法，属于计算机视觉


技术介绍

[0002]人体姿态骨骼点检测是目前计算机视觉中最重要的任务之一，它主要利用深度学习将输入图片映射成身体上相互联系的多个骨骼点。实现对人体姿势更好的理解是计算机视觉中其他更高级的任务的基本前提，比如动作捕获、人机交互、动作识别等。
[0003]目前，面向RGB图像的人体姿态估计方法中，基于深度卷积神经网络的方法占有优势。这是因为CNN不仅可以得到语义信息更为丰富的特征，而且能够获得不同感受野下多尺度多类型的人体关节点特征向量和每个特征的全部上下文(contextual)，摆脱对部件模型结构设计的依赖，然后对这些特征向量进行坐标回归以反映当前姿态，从而将姿态信息应用于具体实际之中。视觉注意是人类大脑有效理解场景的重要机制，在人类视觉信息处理中,总是迅速选择少数几个显著对象进行优先处理,而忽略或舍弃其他的非显著对象,这使我们能够有选择地分配计算资源,从而极大地提高视觉信息处理的工本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分割引导的人体姿态估计方法，其特征在于采用HRNet人体姿态估计的基本网络结构；HRNet包含4个阶段3个分支，每个分支捕获输入信号的不同尺度特征表示；每个阶段不同分支的特征会进行相互融合并将融合后的特征作为下一个阶段的输入；同时高分辨率分支的每一个阶段都融入一个分割引导机制，得到一个分割引导的HRNet；利用分割引导机制来逐步改善每个阶段产生的检测结果。2.根据权利要求1所述的一种基于分割引导的人体姿态估计方法，其特征在于具体实现步骤如下：步骤(1)在网络构建之前，为每个训练图像制作对应的二值化分割图S，并将二值化分割图S作为监督信号融入到网络中；步骤(2)构建HRNet网络,并针对每个阶段的高分辨分支，添加一个分割引导模块用于预测二值化分割图，将输出的二值化分割图与高分辨率分支输出的特征图点乘后作为输出，该过程称之为分割引导机制；步骤(3)添加分割引导机制后,得到多任务的人体姿态估计模型SG
‑
HRNet；使用动态加权平均的多任务优化方法对模型SG
‑
HRNet的参数进行训练，直至整个网络模型收敛。3.根据权利要求2所述的一种基于分割引导的人体姿态估计方法，其特征在于步骤(1)具体实现如下：1
‑
1、计算训练图像位置p处的二值化分割值S(p)表示为：其中，p为图像位置p处的二维位置向量(x,y)，ρ为人体所有骨骼点集合，P为一个人体骨骼点的二维位置向量，||
·
||为欧几里得范数,r为半径；图像位置p处与任意人体骨骼点P的距离在r之内时为1，其余情况为0。4.根据权利要求3所述的一种基于分割引导的人体姿态估计方法，其特征在于步骤(2)具体实现如下：2
‑
1、设f
s
是当前s阶段高分辨率分支的输出特征图，则用于预测分割图的特征通...

【专利技术属性】
技术研发人员：张旻，陆继鹏，汤景凡，姜明，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：