基于人工智能的人体姿态识别方法、装置及相关设备制造方法及图纸

本发明专利技术涉及人工智能及金融科技领域，提供一种基于人工智能的人体姿态识别方法、装置及相关设备，所述方法包括：对第一姿态识别模型中的每个特征提取网络进行更新，得到第二姿态识别模型；利用第二姿态识别模型对待识别图片进行特征提取处理，及将每个尺度的特征图分别输入至第一目标检测网络及第二目标检测网络中，对输出的第一检测结果和第二检测结果进行预处理，将预处理得到的第三检测结果和第四检测结果进行融合处理，得到人体姿态识别结果。本发明专利技术通过对所述第一姿态识别模型中的每个特征提取网络进行更新，识别出三维关键点，提高了人体姿态识别的准确率。高了人体姿态识别的准确率。高了人体姿态识别的准确率。

【技术实现步骤摘要】
基于人工智能的人体姿态识别方法、装置及相关设备


[0001]本专利技术涉及人工智能及金融科技领域，具体涉及一种基于人工智能的人体姿态识别方法、装置及相关设备。

技术介绍

[0002]随着时代发展，使用摄像头采集图片或视频进行人物行为分析也越来越普遍。例如，使用家用摄像头检测老人是否跌倒、使用健身APP检测动作完成的是否规范，或者使用监控器监测银行是否出现违规操作人员等等。
[0003]然而，这些场景中，现有技术使用二维目标人物检测或者姿态估计方法，对摄像头采集的图片中的目标人物进行姿态识别，但是受相机位置和朝向等因素影响较大，无法准确地识别出图片中的目标人物的人体姿态。
[0004]因此，有必要提出一种可以快速准确的识别人体姿态的方法。

技术实现思路

[0005]鉴于以上内容，有必要提出一种基于人工智能的人体姿态识别方法、装置及相关设备，通过对所述第一姿态识别模型中的每个特征提取网络进行更新，识别出三维关键点，提高了人体姿态识别的准确率。
[0006]本专利技术的第一方面提供一种基于人工智能的人体姿态识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的人体姿态识别方法，其特征在于，所述方法包括：获取预训练的第一姿态识别模型，并对所述第一姿态识别模型中的每个特征提取网络进行更新，得到第二姿态识别模型；响应于接收的人体姿态识别请求，获取待识别图片；利用所述第二姿态识别模型对所述待识别图片进行特征提取处理，得到多个尺度的特征图；将每个尺度的特征图输入至第一目标检测网络中，得到对应尺度特征图的第一检测结果，及将每个尺度的特征图输入至第二目标检测网络中，得到对应尺度特征图的第二检测结果；对每个第一检测结果进行第一预处理，得到第三检测结果，及对每个第二检测结果进行第二预处理，得到第四检测结果；对所述第三检测结果和所述第四检测结果进行融合处理，得到人体姿态识别结果。2.如权利要求1所述的基于人工智能的人体姿态识别方法，其特征在于，所述对所述第一姿态识别模型中的每个特征提取网络进行更新，得到第二姿态识别模型包括：在所述第一姿态识别模型的每个特征提取网络中增加预设数量的特征提取通道，得到对应的目标特征提取网络；采用目标特征提取网络替换所述第一姿态识别模型中的对应的特征提取网络，得到第二姿态识别模型。3.如权利要求1所述的基于人工智能的人体姿态识别方法，其特征在于，所述利用所述第二姿态识别模型对所述待识别图片进行特征提取处理，得到多个尺度的特征图包括：利用所述第二姿态识别模型的目标特征提取网络中的卷积层，对所述待识别图片进行下采样，得到与所述卷积层的尺度对应的特征图。4.如权利要求1所述的基于人工智能的人体姿态识别方法，其特征在于，所述将每个尺度的特征图输入至第一目标检测网络中，得到对应尺度特征图的第一检测结果包括：利用所述第一目标检测网络对每个尺度的特征图进行检测；输出所述每个尺度的特征图中目标人物的第一检测框、二维第一关键点和三维第一关键点，得到第一检测结果。5.如权利要求1所述的基于人工智能的人体姿态识别方法，其特征在于，所述对每个第一检测结果进行第一预处理，得到第三检测结果包括：从所述每个第一检测结果中获取多个第一检测框及每个第一检测框的置信度；对所述多个第一检测框的置信度进行排序，得到第一检测框列表；从所述第一检测框列表中选取出置信度最高的第一检测框添加至预设的第一输出列表；计算所述置信度最高的第一检测框与所述第一检测框列表中的剩余的每个第一检测框之间的第一重叠度；保留第一重叠度小于预设的重叠度阈值的每个第一检测框，并将其添加至所述预设的第一输出列表中，得到第三检测结果。6.如权利要求1所述的...

【专利技术属性】
技术研发人员：李茜萌，陆进，陈远旭，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：