一种基于实例分割的人体姿态估计方法技术

本发明专利技术公开了一种基于实例分割的人体姿态估计方法，其步骤包括：1、获取具有人体关节点标签的图像数据集；2、使用预训练好的Mask

【技术实现步骤摘要】
一种基于实例分割的人体姿态估计方法


[0001]本专利技术涉及计算机视觉
，具体设计一种基于实例分割的人体姿态估计方法。

技术介绍

[0002]2D人体姿态估计是识别和定位图像中所有人物的关节点。它是计算机视觉中一个基本的和具有挑战性的课题，也是计算机理解人类动作、行为必不可少的一步。
[0003]近年来，使用深度学习进行人体姿态估计的方法陆续被提出，且达到了远超传统方法的表现。在实际求解时，对人体姿态的估计常常转化为对人体关节点的预测问题，即首先预测出人体各个关节点的位置坐标，然后根据先验知识确定关节点之间的空间位置关系，从而得到预测的人体骨架。
[0004]对于2D人体姿态估计来说，每张图片可能包含多个人。解决该类问题的思路通常有两种：top
‑
down和bottom
‑
up:
[0005]top
‑
down的思路是首先对图片进行目标检测，找出图片中所有的人物；然后将人从原图中裁剪出来后输入到网络中进行姿态估计。换言之，top
‑
down是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于实例分割的人体姿态估计方法，其特征是按如下步骤进行：步骤1、获取N张带有像素级标签的图像数据集，记为S＝{S1,S2,...,S
n
,...,S
N
}，其中，S
n
表示第n张图像，令第n张图像S
n
的像素级标签记为H
n
，且H
n
＝{H
n,1
,H
n,2
,
…
,H
n,t
,
…
,H
n,T
}，H
n,t
表示第n张图像S
n
的标签H
n
中第t个关节像素点；t∈[1,T]，T表示关节像素点的个数；步骤2、使用预训练好的Mask
‑
RCNN网络对图像数据集S进行分割处理，得到人体轮廓信息集，记为S
′
＝{S
′1,S
′2,
…
,S
′
n
,
…
,S
′
N
}；其中，S
′
n
表示第n张图像S
n
所对应的人体轮廓信息；将第n张图像S
n
的人体轮廓信息S
′
n
的空白区域进行0像素填充后形成单通道图片，并与第n张图像S
n
进行串联，形成多通道图像；再利用卷积核为1
×
1的卷积层对所述多通道图像进行处理，得到第n张融合图像S
″
n
，从而得到融合数据集S
″
＝{S
″1,S
″2,
…
,S
″
n
,
…
,S
″
N
}；步骤3、构建G
‑
line网络模型，包括：初始卷积层g
first
、Simplebaseline网络模型和PRFSM特征选择模型、最终卷积层g
last
；步骤3.1、构建包括下采样部分和上采样部分的Simplebaseline网络模型；所述下采样部分包含四组下采样模块，所述四组下采样模块相应包含a1个、a2个、a3个、a4个卷积模块，任意一个卷积模块是由三个卷积核分别为n1×

【专利技术属性】
技术研发人员：赵鸿杰，
申请(专利权)人：赵鸿杰，
类型：发明
国别省市：