【技术实现步骤摘要】
一种基于关键点检测和目标识别的PVC手套识别方法
[0001]本专利技术涉及计算机视觉
,尤其涉及一种基于关键点检测和目标识别的PVC手套识别方法。
技术介绍
[0002]随着人工智能的快速发展,计算机视觉的相关技术被应用到各个领域,尤其是视频监管智能识别分析方面被应用于工程领域中,例如交通领域的自动驾驶,生产领域的产品缺陷智能识别,建筑工地的安全帽目标识别等。相比于传统人工监控摄像头视频画面,视频监管智能识别具有成本低、效率高、便捷、准确率高,极大的保障了工程的安全。目前,人体关键点检测已经取得一定成果,主要是对人体动作识别、行为分析、人机交互等前置任务,并且有较好的识别效果。二维人体关键点检测算法主要有两种方法,一种是自顶向下(Bottom
‑
up)的识别方法,先识别图像中的人体框架,再对识别到的人体框架进行人体关键点识别,典型算法AlphaPose、Mask RCNN等;另一种是自底向上(Top
‑
down)的识别方法,先识别出图像中所有的人体关键点,再对关键点进行分组关联,典型算法有OpenPose、DeepCut。
[0003]基于深度学习的目标识别的算法主要包括:单阶段和双阶段目标识别算法。单阶段目标识别典型算法有yolov系列、SSD,双阶段目标识别典型算法有RCNN系列。单阶段目标识别算法直接对图像进行计算生成识别结果,识别速度快,但识别精度低。双阶段目标识别算法先根据图像提取候选框,然后基于候选区域做二次修正得到识别点结果,识别精度较高,但识别速度较 ...
【技术保护点】
【技术特征摘要】
1.一种基于关键点检测和目标识别的PVC手套识别方法,其特征在于,包括以下步骤:S1、样本数据采集及模型训练;(1)利用网络爬虫技术创建人体手的关键点检测数据集;(2)对爬虫到的数据集使用标注工具标注出bbox框和手部位的关键点;(3)将标注完的数据集输入到已有的人体关键点检测模型中进行训练;(4)获得人体手部关键点的检测模型;S2、将从摄像头采集到的原始图像输入到训练之后的人体关键点检测模型中,得到人体手部位的关键点坐标,组成关键点序列;S3、提出六点定位法,利用手部六个关键点坐标信息定位出待检测的手部区域;S4、识别PVC手套:(1)对现有的yolov5目标识别算法进行优化;(2)利用优化后的yolov5算法建立PVC手套识别模型;(3)对步骤S3中得到的目标检测区域进行目标识别;S5、输出目标识别结果。2.根据权利要求1所述的基于关键点检测和目标识别的PVC手套识别方法,其特征在于,所述步骤S1中,采用python抓取网页文档接口,用于文档处理,用短的代码完成大部分文档处理;标注工具采用可视化的图像标定工具labelImg,labelImg基于python的pyqt5进行制作,用QT作为图形界面,最后生成XML文件;关键点包括人体手部的大拇指、食指、中指、无名指、小拇指及手腕共六个关节点。3.根据权利要求1所述的基于关键点检测和目标识别的PVC手套识别方法,其特征在于,所述步骤S2中,采用自顶向下的多人姿态估计算法AlphaPose,AlphaPose利用区域性的多人动作估计框架,将不精准的人类边界框改进成精确的动作估计,AlphaPose包括三个部分:对称空间变换网络SSTN、参数化姿态非最极大抑制Pose
‑
NMS、姿态指导区域产生器PGPG,AlphaPose算法采取Faster
‑
RCNN作为人体检测网络,提取出图片中的人体候选框,将得到的人体检测候选框输入到两个并行的分支里面,一个支路由SPPE算法+SDTN算法+STN的逆变换组成,STN输入的是人体候选框,SDTN输出的是人体姿态框,对获得的人体姿态框进行参数化姿态非最极大抑制Pose
‑
NMS,用来消除冗余的人体姿态框,另一条支路只有SPPE算法,这个分支的SPPE算法参数和另一个分支中的SPPE算法保持一致,回归到中心化的姿态;用姿态引导区域框生成器PGPG增强训练样本,通过学习不同姿态人体检测器的输出分布,模拟人体边界框的生成,生成大量的训练样本;在利用参数化姿态非大抑制NMS消除冗余的人体姿态框时,采用置信度消除或距离消除,冗余姿态满足其中一个消除标准就被消除;对于一个人的姿态P
i
,有n个关节点记做,有n个...
【专利技术属性】
技术研发人员:李跃华,仲新,邹胡健,张月月,冯浩宸,
申请(专利权)人:南通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。