一种基于骨骼关节点区域划分的人体姿态相似度计算方法技术

本发明专利技术提出了基于骨骼关节点区域划分的人体姿态相似度计算方法，根据预设需求对人体骨骼关节点进行划分，并对各骨骼关节点分区的权重进行初始化；对待检测人体姿态相似度的两张图片分别提取目标人物的人体骨骼关节点数据序列，并根据各骨骼关节点置信度以及人体骨骼关节点区域划分规则，更新骨骼关节点分区的权重；以其中一张图片中的人体骨骼关节点数据序列作为参照，对另外一张图片中的人体骨骼关节点数据序列进行对齐校正处理；利用骨骼关节点分区权重和OKS算法，计算两张图片中目标人物的人体姿态相似度。本发明专利技术所述的方法考虑到了复杂场景对人体姿态相似度计算的影响，提高了基于骨骼点识别的人体姿态相似度计算的鲁棒性和准确性。棒性和准确性。棒性和准确性。

【技术实现步骤摘要】
一种基于骨骼关节点区域划分的人体姿态相似度计算方法


[0001]本专利技术涉及人体姿态相似度计算领域，具体涉及一种基于骨骼关节点区域划分的人体姿态相似度计算方法。

技术介绍

[0002]人体姿态相似度计算的主要目的是评估两张照片中目标人物的姿态相似度，是人体行为分析研究的重要工作，是计算机视觉中的一个重要研究领域，可应用于视频监控、虚拟现实等各种应用场景。人体姿态是运动数据中重要的组成部分，对于人体姿态相似度的计算也因此得到了广泛的研究。
[0003]现有的人体姿态相似度计算方法主要是利用一些配置RGB传感器和深度图像摄像头的3D传感器(Kinect等)来获取人体骨骼关节点的二维和三维数据信息，然后在得到的骨骼关节点数据上进行人体姿态相似度计算；如专利申请201810394685.0，通过获取人体骨骼关节点数据信息，建立特征矩阵，在骨架序列之间进行相似度对比，但并未考虑到人体部位被遮挡的情况。
[0004]目前，现有的人体姿态相似度计算方法主要存在以下不足：在复杂环境如人体部分部位被遮挡的情况下，骨骼关节点提取算法无法识别人体骨骼关节点或生成的骨骼关节点数据精度大幅下降，导致无法计算人体姿态相似度或相似度计算不准确；大多利用深度摄像头或可穿戴传感器来采集人体骨骼关节点数据，数据采集过程繁琐且对设备存在依赖。

技术实现思路

[0005]为解决上述技术问题，本专利技术提供了一种基于骨骼关节点区域划分的人体姿态相似度计算方法，该人体姿态相似度计算方法对人体区域进行划分并动态更改区域权重，能够有效解决人体部位被遮挡情况下人体姿态相似度计算不准确问题。
[0006]为了达到上述目的，本专利技术所述的一种基于骨骼关节点区域划分的人体姿态相似度计算方法，步骤为：
[0007]步骤1、建立人体骨骼关节点区域划分规则；
[0008]步骤2、针对待检测人体姿态相似度的两张图片p和q，使用人体骨骼关节点提取算法，分别提取图片p和q中目标人物的骨骼关节点数据序列Sp和Sq，S
p
＝{“s
1”:(x
p,1
,y
p,1
,conf
p,1
),“s
2”:(x
p,2
,y
p,2
,conf
p,2
),
…
,“s
i”:(x
p,i
,y
p,i
,conf
p,i
),
…
,“s
n”:(x
p,n
,y
p,n
,conf
p,n
)}，S
q
＝{“s
1”:(x
q,1
,y
q,1
,conf
q,1
),“s
2”:(x
q,2
,y
q,2
,conf
q,2
),
…
,“s
i”:(x
q,i
,y
q,i
,conf
q,i
),
…
,“s
n”:(x
q,n
,y
q,n
,conf
q,n
)}，其中x
p,i
和y
p,i
表示图片p中骨骼关节点s
i
的横纵像素坐标，i∈{1,2,
…
,n}；conf
p,i
表示该骨骼关节点的置信度，conf
p,i
∈[0,1]，越高则表示该骨骼关节点的坐标越精确；
[0009]步骤3、如果图片p或q中不存在目标人物，即或则图片p和q中目标人物的人体姿态相似度PoseSim(p,q)＝0，转步骤7，否则转步骤4继续执行；
[0010]步骤4、根据Sp和Sq中各骨骼关节点的置信度数据以及人体骨骼关节点区域划分规则，分别更新图片p和q中目标人物对应的骨骼关节点分区的权重集合W
p
和W
q
；
[0011]步骤5、选择Sp和Sq中的任一个骨骼关节点序列作为参照，对另外一个骨骼关节点序列进行对齐校正处理；
[0012]步骤6：根据图片p和q中更新后的目标人物骨骼关节点分区权重数据W
p
和W
q
以及OKS算法(人体关键点相似度算法)，计算图片p和q中目标人物的人体姿态相似度PoseSim(p,q)；
[0013]步骤7、图片p和q中目标人物的人体姿态相似度确定为PoseSim(p,q)，其值越大，则p和q中目标人物的人体姿态越相似；如果为0，表示图片p或q中不存在目标人物；相似度计算过程全部结束。
[0014]进一步的，步骤1中，建立人体骨骼关节点区域划分规则具体过程为：根据预设需求对人体骨骼关节点S＝{s
1,
s2,
…
,s
n
}进行区域划分，得到m个骨骼关节点分区集合AS＝{AS1,AS2,
…
,AS
m
}，AS中各个分区所包含的骨骼关节点不完全相同，且AS1、AS2、
…
、AS
m
的并集为S；然后初始化AS中各分区对应的权重数据W＝{w1,w2,
…
,w
m
}，初始权重均设置为1/m，
[0015]进一步的，步骤4中，根据Sp和Sq中各骨骼关节点的置信度数据以及人体骨骼关节点区域划分规则，分别更新图片p和q中目标人物对应的骨骼关节点分区的权重集合W
p
＝{w
p,1
,w
p,2
,
…
,w
p,i
,
…
,w
p,m
}和W
q
＝{w
q,1
,w
q,2
,
…
,w
q,i
,
…
,w
q,m
}，其中w
p,i
和w
q,i
的计算公式如下，i∈{1,2,
…
,m}：
[0016][0017][0018]其中，w
p,i
表示图片p中第i个骨骼关节点分区的权重，w
q,i
表示图片q中第i个骨骼关节点分区的权重，AS
i
和AS
k
分别表示骨骼关节点分区AS中第i个和第k个骨骼关节点分区，s
j
表示骨骼关节点分区中第j个骨骼关节点。
[0019]进一步的，步骤5中，设Sp为选择的参照，对另外一个骨骼关节点序列Sq进行对齐校正处理具体过程如下：
[0020]步骤5
‑
1：根据预设的用于中心点计算的参照骨骼关节点集合R，计算图片p和q中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于骨骼关节点区域划分的人体姿态相似度计算方法，其特征在于，所述方法步骤为：步骤1、建立人体骨骼关节点区域划分规则；步骤2、针对待检测人体姿态相似度的两张图片p和q，使用人体骨骼关节点提取算法，分别提取图片p和q中目标人物的骨骼关节点数据序列Sp和Sq，S
p
＝{“s
1”:(x
p，1
，y
p，1
，conf
p，1
)，“s
2”:(x
p，2
，y
p，2
，conf
p，2
)，
…
，“s
i”:(x
p，i
，y
p，i
，conf
p，i
)，
…
，“s
n”:(x
p，n
，y
p，n
，conf
p，n
)}，S
q
＝{“s
1”:(x
q，1
，y
q，1
，conf
q，1
)，“s
2”:(x
q，2
，y
q，2
，conf
q，2
)，
…
，“s
i”:(x
q，i
，y
q，i
，conf
q，i
)，
…
，“s
n”:(x
q，n
，y
q，n
，conf
q，n
)}，其中x
p，i
和y
p，i
表示图片p中骨骼关节点s
i
的横纵像素坐标，i∈{1，2，
…
，n}，conf
p，i
表示该骨骼关节点的置信度，conf
p，i
∈[0，1]；步骤3、如果图片p或q中不存在目标人物，即或则图片p和q中目标人物的人体姿态相似度PoseSim(p，q)＝0，转步骤7，否则转步骤4继续执行；步骤4、根据Sp和Sq中各骨骼关节点的置信度数据以及人体骨骼关节点区域划分规则，分别更新图片p和q中目标人物对应的骨骼关节点分区的权重集合W
p
和W
q
；步骤5、选择Sp和Sq中的任一个骨骼关节点序列作为参照，对另外一个骨骼关节点序列进行对齐校正处理；步骤6：根据图片p和q中更新后的目标人物骨骼关节点分区权重数据W
p
和W
q
以及OKS算法，计算图片p和q中目标人物的人体姿态相似度PoseSim(p，q)；步骤7、图片p和q中目标人物的人体姿态相似度确定为PoseSim(p，q)，其值越大，则p和q中目标人物的人体姿态越相似；如果为0，表示图片p或q中不存在目标人物。2.根据权利要求1所述的一种基于骨骼关节点区域划分的人体姿态相似度计算方法，其特征在于，步骤1中，建立人体骨骼关节点区域划分规则具体过程为：根据预设需求对人体骨骼关节点S＝{s
1，
s2，
…
，s
n
}进行区域划分，得到m个骨骼关节点分区集合AS＝{AS1，AS2，
…
，AS
m
}，AS中各个分区所包含的骨骼关节点不完全相同，且AS1、AS2、
…
、AS
m
的并集为S；然后初始化AS中各分区对应的权重数据W＝{w1，w2，
…
，w
m
}，初始权重均设置为1/m，3.根据权利要求1所述的一种基于骨骼关节点区域划分的人体姿态相似度计算方法，其特征在于，步骤4中，根据Sp和Sq中各骨骼关节点的置信度数据以及人体骨骼关节点区域划分规则，分别更新图片p和q中目标人物对应的骨骼关节点分区的权重集合W
p
＝{w
p，1
，w
p，2
，
…
，w
p，i
，
…
，w
p，m
}和W
q
＝{w
q，1
，w
q，2
，
…
，w
q，i
，
…
，w
q，m
}，其中w
p，i
和w
q，i
的计算公式如下，i∈{1，2，
…
，m}：，m}：其中，w
p，i
表示图片p中第i个骨骼关节点分区的权重，w
q，i
表示图片q中第i个骨骼关节点分区的权重，AS
i
和AS
k
分别表示骨骼关节点分区AS中第i个和第k个骨骼关节点分区，s
j
表示骨骼关节点分区中第j个骨骼关节点。
4.根据权利...

【专利技术属性】
技术研发人员：戴华，杨伟洪，管振凯，吴昊哲，周倩，陈燕俐，杨庚，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：