一种基于MobileViT的轻量级实时人体姿态识别方法技术

本发明专利技术公开一种基于MobileViT的轻量级实时人体姿态识别方法，涉及计算机视觉和深度学习技术领域；而本发明专利技术包括S1数据预处理与增强、S2构建神经网络模型、S3训练卷积神经网络模型、S4模型训练和验证；基于MobileViT的轻量级实时人体姿态识别方法，能够有效提升人体姿态识别的准确性和实时性，同时显著降低模型在资源受限设备上的计算需求，通过采用MobileViT作为主干网络，结合轻量级解码器和多尺度特征融合技术，本发明专利技术不仅优化了网络的存储和计算效率，还保持了高水平的识别性能，网络结构和算法使得模型能够在各种环境下稳定运行，适应不同的光照条件和复杂的背景，从而在实际应用中如智能监控、交互娱乐和健康护理等领域表现出广泛的适用性和优越的性能。

【技术实现步骤摘要】

本专利技术涉及计算机视觉和深度学习，具体为一种基于mobilevit的轻量级实时人体姿态识别方法。

技术介绍

1、人体姿态识别是计算机视觉领域的一项关键技术，广泛应用于视频监控、交互娱乐、虚拟现实、运动分析及健康监控等多种场景，传统的姿态识别技术主要基于复杂的图像处理算法，包括背景分割、特征提取和关键点检测等步骤，往往依赖昂贵的计算资源和大量的手工特征设计，这限制了其在资源有限的移动或边缘设备上的应用；

2、随着深度学习技术的快速发展，利用卷积神经网络(cnn)和后续变体如transformer进行姿态识别已显著提高了处理精度和速度，然而，这些方法往往需要大量的计算资源，尤其是在处理高分辨率视频数据时，对实时应用构成了重大挑战，此外，现有的人体姿态识别方法在处理复杂或拥挤的场景时，其性能往往会大幅下降；

3、针对上述问题，专利技术人提出一种基于mobilevit的轻量级实时人体姿态识别方法用于解决上述问题。

技术实现思路

1、为了解决人体姿态识别方法无法在低功耗设备上的高效运行以及不具本文档来自技高网...

【技术保护点】

1.一种基于MobileViT的轻量级实时人体姿态识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于MobileViT的轻量级实时人体姿态识别方法，其特征在于，在S1中，所述数据预处理与增强包括以下三个部分：

3.如权利要求1所述的一种基于MobileViT的轻量级实时人体姿态识别方法，其特征在于，在S2中，所述构建的神经网络模型包括：MobileViT主干网络、多尺度特征融合技术与轻量级解码器网络三个部分；

4.如权利要求1所述的一种基于MobileViT的轻量级实时人体姿态识别方法，其特征在于，在S3中，所述训练卷积神经网络模型包...

【技术特征摘要】

1.一种基于mobilevit的轻量级实时人体姿态识别方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于mobilevit的轻量级实时人体姿态识别方法，其特征在于，在s1中，所述数据预处理与增强包括以下三个部分：

3.如权利要求1所述的一种基于mobilevit的轻量级实时人体姿态识别方法，其特征在于，在s2中，所述构建的神经网络模型包括：mobilevit主干网络、多尺度特征融合技术与轻量级解码器...

【专利技术属性】
技术研发人员：黄淼，高敬礼，李辉利，宋俊可，马丽，李真，杨雨，褚龙现，赵凯，
申请(专利权)人：平顶山学院，
类型：发明
国别省市：