【技术实现步骤摘要】
本专利技术涉及人体姿态检测，特别是涉及一种轻量级细粒度人体姿态实时检测方法、装置、介质及产品。
技术介绍
1、人体姿态估计是计算机视觉领域中的一个重要问题，其应用广泛，如人机交互、运动分析、动作识别等。传统的人体姿态估计算法往往基于手工特征提取和机器学习方法，效果有限。近年来，随着深度学习算法的发展，基于深度学习算法的人体姿态估计算法已经取得了较好的效果。但是，这些算法为了追求更高的准确率，大多使用了参数量和计算量极多的网络模型，导致难以在现实工程中运用，且这些模型大多忽略了时间上的关联性，这使其在视频流中的应用中效果不佳。与针对图片进行姿态估计不同，在视频中进行姿态估计要面临更多的困难和挑战，这是因为在视频中经常出现由于高速运动导致的模糊、摄像机失焦以及抖动等问题。目前主流的解决方法有利用滤波器对抖动进行平滑，或者使用时空模型同时优化每帧的预测精度和时间维度上的预测稳定性。
2、随着终端设备智能化的程度不断普及，对人体姿态估计系统提出了更高要求，主要表现在以下几点：1)提高人体姿态估计算法模型的轻量化程度，使其系统能够部署...
【技术保护点】
1.一种轻量级细粒度人体姿态实时检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种轻量级细粒度人体姿态实时检测方法，其特征在于，所述初始轻量化人体姿态估计模型包括：
3.根据权利要求1所述的一种轻量级细粒度人体姿态实时检测方法，其特征在于，所述初始时序平滑神经网络模型包括依次连接的编码器、平滑块层和解码器。
4.根据权利要求3所述的一种轻量级细粒度人体姿态实时检测方法，其特征在于，所述编码器包括依次连接的第一全连接层、第二归一化层和第二激活函数；
5.根据权利要求1所述的一种轻量级细粒度人体姿态实时检测方...
【技术特征摘要】
1.一种轻量级细粒度人体姿态实时检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种轻量级细粒度人体姿态实时检测方法，其特征在于，所述初始轻量化人体姿态估计模型包括：
3.根据权利要求1所述的一种轻量级细粒度人体姿态实时检测方法，其特征在于，所述初始时序平滑神经网络模型包括依次连接的编码器、平滑块层和解码器。
4.根据权利要求3所述的一种轻量级细粒度人体姿态实时检测方法，其特征在于，所述编码器包括依次连接的第一全连接层、第二归一化层和第二激活函数；
5.根据权利要求1所述的一种轻量级细粒度人体姿态实时检测方法，其特征在于，在获取待检测视频之前，还包括：
6.根据权利要求1所述的一种轻量级细粒度人体姿态实时检测方法，其特征在...
【专利技术属性】
技术研发人员：程渤，吴志君，马嘉蒙，陈俊亮，
申请(专利权)人：北京邮电大学，
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。