一种人体姿态估计方法、设备、介质及产品技术

本发明专利技术公开一种人体姿态估计方法、设备、介质及产品，涉及人体姿态估计领域。本发明专利技术将待估计图像输入至深度学习网络框架，得到低分辨率特征图(第一特征图)；对第一特征图进行周期混洗操作，以增加特征图的分辨率；使用深度可分离卷积修改第二特征图的通道数量，可以确保与输入的待估计图像的通道和后续网络层所需的输入维度的一致性匹配，同时减少计算成本，显著减少了所涉及的参数数量和计算复杂度。将第三特征图输入至设定通道数以及设定卷积核的卷积层得到关键点的预测热点图，将关键点的预测热点图中最高预测值点向次高预测值点的偏移四分之一处坐标映射到待估计图像相应坐标，得到最终关键点坐标输出，进而生成准确的人体姿态估计结果。

【技术实现步骤摘要】

本专利技术涉及人体姿态估计领域，特别是涉及一种人体姿态估计方法、设备、介质及产品。

技术介绍

1、人体姿态估计旨在图像中检测是否存在一个人或多个人，并随后估计他们身体关节的关键位置，例如肩膀、肘部、手腕和脚踝(可参见文献《m.andriluka,l.pishchulin,p.gehler,and b.schiele,“2d human pose estimation:new benchmark and stateofthe art analysis,”in proceedings of the ieee conference on computer visionand pattern recognition(cvpr),2014,pp.3686-3693.》、《s.jin,l.xu,j.xu,c.wang,w.liu,c.qian,w.ouyang,andp.luo,“whole-bodyhumanpose estimation in the wild,”in european conference on computer vision(eccv),202本文档来自技高网...

【技术保护点】

1.一种人体姿态估计方法，其特征在于，所述方法包括：

2.根据权利要求1所述的人体姿态估计方法，其特征在于，所述深度学习网络框架至少包括CNNs网络结构、Transformer网络结构和ResNet网络结构中的一种。

3.根据权利要求1所述的人体姿态估计方法，其特征在于，所述第二特征图表示为：

4.根据权利要求3所述的人体姿态估计方法，其特征在于，对第一特征图FLR进行周期混洗操作PS(FLR)表示为：

5.根据权利要求1所述的人体姿态估计方法，其特征在于，所述第三特征图表示为：

6.根据权利要求1所述的人体姿态估计方法，其特征...

【技术特征摘要】

1.一种人体姿态估计方法，其特征在于，所述方法包括：

2.根据权利要求1所述的人体姿态估计方法，其特征在于，所述深度学习网络框架至少包括cnns网络结构、transformer网络结构和resnet网络结构中的一种。

3.根据权利要求1所述的人体姿态估计方法，其特征在于，所述第二特征图表示为：

4.根据权利要求3所述的人体姿态估计方法，其特征在于，对第一特征图flr进行周期混洗操作ps(flr)表示为：

5.根据权利要求1所述的人体姿态估计方法，其特征在于，所述第三特征图表示为：

6.根据权利要求1所述的人...

【专利技术属性】
技术研发人员：江舒，张冬，杜晓宇，沈飞，唐金辉，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：