System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像识别,尤其涉及一种人体检测与姿态估计方法、装置、设备及存储介质。
技术介绍
1、人体检测与姿态估计技术目前已经应用于我们日常生活中的各个场景。在医疗健康领域,人体检测与姿态估计可以用于一些患者的肢体康复训练,用以实时监控患者情况并给出康复指导。在工业领域中,可以根据人体检测与姿态估计对工人姿态进行实时检测,检测摔倒等异常肢体情况,帮助监测突发情况。然而,在工业生产中,常常面临着暗光或强光条件,这就使得摄像头拍摄到的图像质量难以直接用于人体检测与姿态估计。通常的人体检测与姿态估计方法对于图像质量依赖性强,在煤矿、舱室等暗光条件下,人体检测与姿态估计的速度和准确度较低。
2、因此,专利技术人提供了一种人体检测与姿态估计方法、装置、设备及存储介质。
技术实现思路
1、(1)要解决的技术问题
2、本申请实施例提供了一种人体检测与姿态估计方法、装置、设备及存储介质,要解决的技术问题是:通常的人体检测与姿态估计方法对于图像质量依赖性强,在暗光或强光条件下,人体检测与姿态估计的速度和准确度较低。
3、(2)技术方案
4、第一方面,本申请实施例提供了一种人体检测与姿态估计方法,包括:
5、对待检测图像进行图像对比度的自适应增强,得到预处理图像;
6、通过训练好的人体检测模型对预处理图像进行人体检测,得到人体目标的候选框,其中,人体检测模型为参数轻量化的卷积神经网络;
7、根据候选框中的图像,通过训练好
8、在其中一个实施例中,对待检测图像进行图像对比度的自适应增强,得到预处理图像,包括:
9、通过自适应直方图均衡算法对待检测图像进行图像对比度的增强,得到预处理图像。
10、在其中一个实施例中,通过自适应直方图均衡算法对待检测图像进行图像对比度的增强,得到预处理图像,包括:
11、将待检测图像划分为多个子块,对各个子块进行直方图统计,确定各个子块的像素数量和灰度级数量;
12、根据直方图统计结果确定剪切系数值,并得到剪切限值,其中,剪切系数值表征对比度的强弱;
13、将子块中像素数量大于剪切限值的灰度级的像素进行剪切,重新进行灰度级的分配,直至各个灰度级的像素数量全部小于剪切限值;
14、进行直方图均衡化与双线性插值操作,将各个子块进行拼接,得到预处理图像。
15、在其中一个实施例中,通过训练好的人体检测模型对预处理图像进行人体检测,得到人体目标的候选框之前,还包括:
16、基于卷积神经网络构建人体检测模型,将人体检测模型中的普通卷积替换为深度可分离卷积;
17、通过训练数据集和测试数据集对人体检测模型进行训练,得到训练好的人体检测模型。
18、在其中一个实施例中,根据候选框中的图像,通过训练好的关节检测模型和分类器得到人体姿态估计结果之前,还包括:
19、基于堆叠沙漏模型构建关节检测模型,将关节检测模型中的残差块替换为金字塔池化卷积;
20、通过训练数据集和测试数据集对关节检测模型进行训练,得到训练好的关节检测模型。
21、在其中一个实施例中,根据候选框中的图像,通过训练好的关节检测模型和分类器得到人体姿态估计结果,包括:
22、将候选框中的图像输入训练好的关节检测模型,得到关节点的特征向量;
23、根据特征向量,通过分类器对人体姿态进行估计,得到人体姿态估计结果。
24、在其中一个实施例中,特征向量包括归一化特征、距离特征和夹角关系特征。
25、第二方面,本申请实施例提供了一种人体检测与姿态估计装置,包括:
26、图像处理模块,用于对待检测图像进行图像对比度的自适应增强,得到预处理图像;
27、人体检测模块,用于通过训练好的人体检测模型对预处理图像进行人体检测,得到人体目标的候选框,其中,人体检测模型为参数轻量化的卷积神经网络;
28、姿态估计模块,用于根据候选框中的图像,通过训练好的关节检测模型和分类器得到人体姿态估计结果,其中,关节检测模型为改进的堆叠沙漏模型。
29、第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上所述的人体检测与姿态估计方法。
30、第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上所述的人体检测与姿态估计方法。
31、(3)有益效果
32、本申请的上述技术方案具有如下优点:
33、本申请实施例第一方面提供的人体检测与姿态估计方法,通过对待检测图像进行图像对比度的自适应增强得到预处理图像,通过训练好的人体检测模型对预处理图像进行人体检测,得到人体目标的候选框,其中,人体检测模型为参数轻量化的卷积神经网络,根据候选框中的图像,通过训练好的关节检测模型和分类器得到人体姿态估计结果,其中,关节检测模型为改进的堆叠沙漏模型,能够提升姿态估计的速度与效率,扩大姿态估计的应用范围与应用场景,在暗光或者强光条件下,姿态估计方法仍能取得很好的效果。
34、可以理解的是,上述第二方面、第三方面和第四方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
本文档来自技高网...【技术保护点】
1.一种人体检测与姿态估计方法,其特征在于,包括:
2.如权利要求1所述的人体检测与姿态估计方法,其特征在于,所述对待检测图像进行图像对比度的自适应增强,得到预处理图像,包括:
3.如权利要求2所述的人体检测与姿态估计方法,其特征在于,所述通过自适应直方图均衡算法对待检测图像进行图像对比度的增强,得到预处理图像,包括:
4.如权利要求1所述的人体检测与姿态估计方法,其特征在于,所述通过训练好的人体检测模型对所述预处理图像进行人体检测,得到人体目标的候选框之前,还包括:
5.如权利要求1所述的人体检测与姿态估计方法,其特征在于,所述根据所述候选框中的图像,通过训练好的关节检测模型和分类器得到人体姿态估计结果之前,还包括:
6.如权利要求1所述的人体检测与姿态估计方法,其特征在于,所述根据所述候选框中的图像,通过训练好的关节检测模型和分类器得到人体姿态估计结果,包括:
7.如权利要求6所述的人体检测与姿态估计方法,其特征在于,所述特征向量包括归一化特征、距离特征和夹角关系特征。
8.一种人体检测与姿态
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的人体检测与姿态估计方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的人体检测与姿态估计方法。
...【技术特征摘要】
1.一种人体检测与姿态估计方法,其特征在于,包括:
2.如权利要求1所述的人体检测与姿态估计方法,其特征在于,所述对待检测图像进行图像对比度的自适应增强,得到预处理图像,包括:
3.如权利要求2所述的人体检测与姿态估计方法,其特征在于,所述通过自适应直方图均衡算法对待检测图像进行图像对比度的增强,得到预处理图像,包括:
4.如权利要求1所述的人体检测与姿态估计方法,其特征在于,所述通过训练好的人体检测模型对所述预处理图像进行人体检测,得到人体目标的候选框之前,还包括:
5.如权利要求1所述的人体检测与姿态估计方法,其特征在于,所述根据所述候选框中的图像,通过训练好的关节检测模型和分类器得到人体姿态估计结果之前,还包括:
6.如权利要求1...
【专利技术属性】
技术研发人员:师杰,赵崇,姚东邑,康利波,邵雅超,房振亚,
申请(专利权)人:中国船舶集团有限公司系统工程研究院,
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。