基于轮廓信息的人体姿态估计域泛化方法技术

本发明专利技术公开了一种基于轮廓信息的人体姿态估计域泛化方法，首先设置三个子模型并分别采用相应的训练样本集进行预训练，包括实例分割模型，轮廓检测模型和初始人体姿态估计模型，然后基于预训练好的三个子模型构建基于轮廓信息的人体姿态估计模型，采用两个轮廓检测模型分别从输入图像和分割得到的行人图像中提取人体轮廓并融合得到最终的人体轮廓，在初始人体姿态估计模型中视觉提取编码器中每层Transformer编码器后增加幅度处理模块用于对特征进行增强，对基于轮廓信息的人体姿态估计模型进行训练后，采用该模型估计得到输入图像的人体姿态图像。本发明专利技术通过引入轮廓信息提高人体姿态估计域泛化的性能。

【技术实现步骤摘要】

本专利技术属于人体姿态估计，更为具体地讲，涉及一种基于轮廓信息的人体姿态估计域泛化方法。

技术介绍

1、目前，深度神经网络在人体姿态估计领域中表现出优异的性能。然而，深度神经网络往往只对训练集中的数据进行拟合。当在不同场景下应用时，深度神经网络可能会遇到泛化能力不足的问题。这是因为深度学习模型通常是通过大量的数据进行训练，学习到的是数据中的模式和特征。如果训练数据和实际应用场景之间存在显著差异，模型可能无法很好地适应新场景，导致性能下降。为了提高深度神经网络在人体姿态估计中的泛化能力，研究人员采取了多种策略，这些策略可以分为以下几种：基于轮廓表征的方法、基于数据生成的方法和基于优化策略的方法。

2、虽然现有的方法取得了显著的成功，但人体姿态估计中的域泛化问题仍远未解决。在基于轮廓表征的方法中，边缘和轮廓通常指颜色或亮度发生显著变化的区域。这些区域通常是物体之间的交界处。通过检测这些边缘和轮廓可以获取图像中的形状和结构等重要信息，这些信息可进一步用于物体识别、姿态估计等任务。其他工作已经证明，人体轮廓在人体姿态估计的泛化中发挥着重要作用。然而，基本文档来自技高网...

【技术保护点】

1.一种基于轮廓信息的人体姿态估计域泛化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的人体姿态估计域泛化方法，其特征在于，所述步骤S3中基于轮廓信息的人体姿态估计模型训练过程的损失函数的计算公式为：

【技术特征摘要】

1.一种基于轮廓信息的人体姿态估计域泛化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的人...

【专利技术属性】
技术研发人员：高联丽，陈邶涛，尹鹏，陈晓嘉，曾鹏鹏，宋井宽，
申请(专利权)人：电子科技大学深圳高等研究院，
类型：发明
国别省市：