一种人体姿态估计方法及存储介质技术

本发明专利技术公开了一种人体姿态估计方法及存储介质，所述方法包括：构建OKDL2S网络模型，获取目标图片并输入到OKDL2S网络模型中获得人体姿态信息。所述方法使用最新的知识蒸馏理念、经典的人体姿态估计算法、深度学习有关技术来设计更轻量化、更精简高效的网络模型，以提高关键点检测的准确度、增强模型的泛化能力，减小模型部署代价，减少模型参数以加快检测速度，使得模型的检测速度，检测准确率、模型参数之间取得更好的平衡，并将其实际应用于人体姿态估计领域。体姿态估计领域。体姿态估计领域。

【技术实现步骤摘要】
一种人体姿态估计方法及存储介质
[0001]

[0002]本专利技术涉及计算机视觉识别
，具体涉及一种二维人体姿态估计方法及存储介质。

技术介绍

[0003]人体姿态估计是行为识别、人物跟踪、步态识别等相关领域及各种视觉应用的基础。人体姿态估计表示对人体关键点位置进行定位，人体的关键点包括人体关节或者部位，如肩部、肘部、脚踝等，如何提高人体关键点检测的准确度、加快检测速度以及降低部署代价是人体姿态估计领域的研发方向。

技术实现思路

[0004]本专利技术的目的在于提供一种轻量高效型的二维人体姿态估计方法，通过压缩模型的参数量，提升模型的检测准确率，降低模型的训练复杂度，使本专利技术在检测速度、检测精度和部署代价之间取得更理想的平衡效果。
[0005]本专利技术提供的二维人体姿态估计方法，包括下述技术方案：构建OKDL2S网络模型，获取目标图片，输入到OKDL2S网络模型中获得人体姿态信息。所述OKDL2S网络模型的构建包括以下步骤：（1）设计一个序列预测框架，该框架由6个首尾相连的姿态估计阶段组成，阶段1直接对图片中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体姿态估计方法，其特征在于，所述方法包括：获取目标图片并输入到OKDL2S网络模型中获得人体姿态信息；所述OKDL2S网络模型的构建包括以下步骤：（1）设计一个序列预测框架，该框架由6个首尾相连的姿态估计阶段组成，阶段1直接对图片中可见单个人体的关键点进行粗略估计，阶段2~5和阶段6能够对紧邻的前一阶段预测的关键点进行持续学习并再精确估计；使用PeleeNet作为阶段1的backbone；（2）使用一个轻量化的卷积块结构作为每个阶段的基本构建块；（3）使用步骤（2）中的轻量化卷积块重新设计CPMs的6个stage网络结构；（4）选取stage1~stage5作为Student stage，stage6作为Teacher stage；（5）在每一个stage的输出位置定义两种类型的loss函数,即常规L2距离损失函数L
cg
和蒸馏L2距离损失函数L
kd
，常规L2距离损失函数L
cg
使该stage对每...

【专利技术属性】
技术研发人员：强保华，张世豪，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：