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() 一种用于人体关键点回归的单阶段识别方法及装置制造方法及图纸_技高网

一种用于人体关键点回归的单阶段识别方法及装置制造方法及图纸

技术编号:41240013 阅读:2 留言:0更新日期:2024-05-09 23:52
本发明专利技术公开一种用于人体关键点回归的单阶段识别方法及装置,涉及动作识别算法技术领域;本发明专利技术方法通过先找人体关键点对应的区域,再找对应区域的人体关键点的技术方案,抛弃传统的热力图回归表征方法,直接使用密集坐标点回归的表征方法。本发明专利技术将人体分成几个部分,每个部分表示为区域相关点集合,然后通过区域相关点集合回归具体人体关键点。通过这种方式,能够利用人体中心特征和七个人体部位相关点的特征来表示不同的人体姿势。

【技术实现步骤摘要】

本专利技术公开一种用于人体关键点回归的单阶段识别方法及装置,涉及动作识别算法。


技术介绍

1、当前主流的解决方案主要采用两阶段方法,然而,这种方法面临一个难以克服的挑战,即如何实现全局和局部特征学习的统一,使得性能优化变得更加困难。同时,大多数方法表征方法是利用热力图回归人体关键点,无法做到全微分回归,计算代价很大;

2、经典的人体姿态估计算法都是基于热力图回归无法做到端到端的全微分,进而无法完全释放gpu的超级算力推理速度较慢,算法落地需要新型端到端全微分架构;

3、针对人体关键点识别,现有的单阶段端到端框架方法在准确性方面仍存在相对较低的问题,而且模型的收敛速度相对较慢,这也是需要解决的一个问题。


技术实现思路

1、本专利技术针对现有技术的问题,提供一种用于人体关键点回归的单阶段识别方法及装置,所采用的技术方案为:

2、第一方面,一种用于人体关键点回归的单阶段识别方法,包括:

3、s1,根据人体部位与区域相关点,通过人体部位感知模块,设定与所述区域相关点对应的关键点的信息特征;

4、s2,根据所述信息特征,通过选取感受野范围内最大感受野的所述人体关键点,作为预测的人体中心;

5、s3,根据所述人体中心,通过二级回归分支与回归关键点进行回归连接。

6、在一些实现方式中,所述s2,具体包括:

7、s21,根据所述信息特征,设置增强型中心感应分支;

8、s22,根据所述增强型中心感应分支,通过在所述区域相关点集进行自适应特征提取与融合,得到定位中心位置作为所述人体中心。

9、在一些实现方式中,所述s22,具体包括:

10、s221,根据人体尺度调整所述感受野,并捕捉姿势信息;

11、s222,根据具有自适应的所述感受野,对所述人体中心的定位进行预测。

12、在一些实现方式中,s3中,所述二级回归分支包括:

13、通过所述区域相关点作为一跳节点,建立所述人体中心与所述人体关键点的连接。

14、第二方面,本专利技术实施例提供一种用于人体关键点回归的单阶段识别装置,包括:

15、感知单元,用于根据人体部位与区域相关点,通过人体部位感知模块,设定与所述区域相关点对应的关键点的信息特征;

16、增强单元,用于根据所述信息特征,通过选取感受野范围内最大感受野的所述人体关键点,作为预测的人体中心;

17、连接单元,用于根据所述人体中心,通过二级回归分支与回归关键点进行回归连接。

18、在一些实现方式中,所述增强单元,具体包括:

19、分支设置子单元,用于根据所述信息特征,设置增强型中心感应分支;

20、中心感应子单元,用于根据所述增强型中心感应分支,通过在所述区域相关点集进行自适应特征提取与融合,得到定位中心位置作为所述人体中心。

21、在一些实现方式中,所述中心感应子单元,具体包括:

22、信息捕获器,用于根据人体尺度调整所述感受野,并捕捉姿势信息;

23、定位预测器,用于根据具有自适应的所述感受野,对所述人体中心的定位进行预测。

24、在一些实现方式中,连接单元中,所述二级回归分支包括:

25、通过所述区域相关点作为一跳节点,建立所述人体中心与所述人体关键点的连接。

26、第三方面,本专利技术实施例提供一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时,实现如上述第一方面所述的方法。

27、第四方面,本专利技术实施例提供一种计算机存储介质,所述计算机可读取存储介质中存储有计算机程序,所述计算机程序被处理器执行时,用实现如第一方面所述的方法。

28、本专利技术的一个或多个实施例至少能够带来如下有益效果:

29、本专利技术方法通过先找人体关键点对应的区域,再找对应区域的人体关键点的技术方案,抛弃传统的热力图回归表征方法,直接使用密集坐标点回归的表征方法。本专利技术将人体分成几个部分,每个部分表示为区域相关点集合,然后通过区域相关点集合回归具体人体关键点。通过这种方式,能够利用人体中心特征和七个人体部位相关点的特征来表示不同的人体姿势;

30、以往的端全微分人体姿态架构虽然推理速度较快,但是精度远低于基于热力图回归算法,本专利技术提出的人体关键点的表征方法,保证推理速度的同时,能够实现更高的精度;

31、人体姿态估计是很多视觉任务, 如动作识别,目标跟踪上游任务,我本专利技术构建的端到端架构,为下游2d、3d视觉任务,能够提供一个很好的轻量级的基础网络架构。

本文档来自技高网...

【技术保护点】

1.一种用于人体关键点回归的单阶段识别方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述S2,具体包括:

3.根据权利要求2所述的方法,其特征在于,所述S22,具体包括:

4.根据权利要求3所述的方法,其特征在于,S3中,所述二级回归分支包括:

5.一种用于人体关键点回归的单阶段识别装置,其特征在于,包括:

6.根据权利要求5所述的装置,其特征在于,所述增强单元,具体包括:

7.根据权利要求6所述的装置,其特征在于,所述中心感应子单元,具体包括:

8.根据权利要求7所述的装置,其特征在于,连接单元中,所述二级回归分支包括:

9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器用于存储一条或多条计算机指令,其中,所述一条或多条计算机指令被所述处理器执行时实现如上述权利要求1-4中任意一项所述方法。

10.一种计算机可读存储介质,其特征在于,所述计算机可读取存储介质中存储有计算机程序,所述计算机程序被处理器执行时用以实现如上述权利要求1-4中任意一项所述方法。

...

【技术特征摘要】

1.一种用于人体关键点回归的单阶段识别方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述s2,具体包括:

3.根据权利要求2所述的方法,其特征在于,所述s22,具体包括:

4.根据权利要求3所述的方法,其特征在于,s3中,所述二级回归分支包括:

5.一种用于人体关键点回归的单阶段识别装置,其特征在于,包括:

6.根据权利要求5所述的装置,其特征在于,所述增强单元,具体包括:

7.根据权利要求6所述的装置,其...

【专利技术属性】
技术研发人员:巢建树吴晓亮赖佳华朱程李霆安德钰
申请(专利权)人:泉州装备制造研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1