人体关节点检测模型训练方法及检测方法、存储介质终端技术

本发明专利技术公开了一种人体关节点检测模型训练方法及检测方法、存储介质终端，其中模型训练方法包括：获取待训练数据集，基于待训练数据集对预设结构训练模型进行训练，以获取人体关节点检测模型；预设结构训练模型包括依次连接的卷积模块、多个Inception模块组和输出模块；Inception模块组的个数不超过四个；每个Inception模块组均包含多个InceptionModule，且每个Inception Module均包括四个并联的分支；其中第一个分支包括1

【技术实现步骤摘要】
人体关节点检测模型训练方法及检测方法、存储介质终端


[0001]本专利技术涉及图像识别
，尤其涉及人体关节点检测模型训练方法及检测方法、存储介质和终端。

技术介绍

[0002]人体姿态识别在众多领域具有广阔的应用前景和重要的使用价值，比如有人机交互系统、电影制作、医疗辅助诊断等。尤其是面向老龄化的应用的智慧照护典型应用场景，当老年人发生跌倒时，实时检测，发出报警，及时处置，具有重要意义。人体关节点检测是人体姿态识别过程中必不可少的步骤，但现有的人体关节点检测方法普遍存在计算量大且检测精度不高的问题，同时实时速度较慢。

技术实现思路

[0003]本专利技术所要解决的技术问题是现有的人体关节点检测方法普遍存在计算量大、检测精度不高且实时速度较慢。
[0004]为了解决上述技术问题，本专利技术提供了一种人体关节点检测模型训练方法，包括：
[0005]获取待训练数据集，所述待训练数据集包括多个训练数据，每个所述训练数据均包括人体光学图像数据及与所述人体光学图像数据对应的观测人体二维关节点坐标；<br/>[0006]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体关节点检测模型训练方法，包括：获取待训练数据集，所述待训练数据集包括多个训练数据，每个所述训练数据均包括人体光学图像数据及与所述人体光学图像数据对应的观测人体二维关节点坐标；基于所述待训练数据集对预设结构训练模型进行训练，以获取人体关节点检测模型；其中，所述预设结构训练模型包括依次连接的卷积模块、多个Inception模块组和输出模块；所述Inception模块组的个数不超过四个；每个所述Inception模块组均包含多个Inception Module，且每个所述Inception Module均包括四个并联的分支；其中第一个分支包括1
×
1卷积层，第二个分支包括依次连接的1
×
1卷积层和5
×
5卷积层，第三个分支包括依次连接的1
×
1卷积层和3
×
3卷积层，第四个分支包括依次连接的3
×
3平均池化层和1
×
1卷积层。2.根据权利要求1所述的模型训练方法，其特征在于，所述卷积模块包括依次连接的3个卷积、池化层和3个卷积层，所述预设结构训练模型包括3个Inception模块组；第一个所述Inception模块组包括3个Inception Module，第一个所述Inception模块组包括5个Inception Module，第三个所述Inception模块组包括3个Inception Module。3.根据权利要求2所述的模型训练方法，其特征在于，每个所述Inception Module在计算过程中均将二维卷积层拆分为两个一维卷积。4.根据权利要求1所述的模型训练方法，其特征在于，所述输出模块包括依次连接的全局平均池化层、线性层和Softmax层。5.根据权利要求1所述的模型获取方法，其特征在...

【专利技术属性】
技术研发人员：刘立庄，韩振奇，张嘉璐，仲越，
申请(专利权)人：中国科学院上海高等研究院，
类型：发明
国别省市：