[发明专利]人体骨骼关键点的检测方法、装置、电子设备及存储介质

说明书

本申请是关于一种人体骨骼关键点的检测方法、装置、电子设备及存储介质。所述人体骨骼关键点的检测方法包括：获取原始图像，其中，所述原始图像包括多个人体骨骼关键点；建立多个沙漏网络；以及在所述多个沙漏网络中，基于所述多个人体骨骼关键点的特征图对应的多个权重值，对所述多个人体骨骼关键点的所述特征图进行深层特征学习，得到所述多个人体骨骼关键点的热力图。基于Senet算法学习，在人体骨骼关键点的检测过程中引入注意机制，提高了学习到的多个人体骨骼关键点的特征图的准确度，从而提高了人体骨骼关键点的检测的准确性。

技术领域

本申请属于计算机软件应用领域，尤其是人体骨骼关键点的检测方法、装置、电子设备及存储介质。

背景技术

人体骨骼关键点对于描述人体姿态，预测人体行为至关重要。因此人体骨骼关键点的检测是诸多计算机视觉任务的基础，例如动作分类，异常行为检测，以及自动驾驶等等。人体骨骼关键点的检测，主要检测人体的一些关键点，如关节、四肢、五官等，通过关键点描述人体姿态信息。由于人体具有相当的柔性，会出现各种姿态和形状，人体任何一个部位的微小变化都会产生一种新的姿态。同时，其关键点的可见性受穿着、姿态、视角等影响非常大，而且还面临着遮挡、光照、雾等环境的影响。

相关技术中，人体骨骼关键点的检测方法是基于Stacked Hourglass算法的变形或者改进，但是该算法具有处理速度较慢的问题，很难应用于嵌入式手机设备。

发明内容

为克服相关技术中存在的问题，本申请公开一种人体骨骼关键点的检测方法，在构建的多个沙漏网络中，基于多个人体骨骼关键点的特征图对应的多个权重值，对多个人体骨骼关键点的特征图进行深层特征学习，得到多个人体骨骼关键点的热力图。基于Senet算法学习，在人体骨骼关键点的检测过程中引入注意机制，提高了学习到的多个人体骨骼关键点的特征图的准确度，从而提高了人体骨骼关键点的检测的准确性。

根据本申请的实施例的一方面，提供一种人体骨骼关键点的检测方法，包括：

获取原始图像，其中，所述原始图像包括多个人体骨骼关键点；

建立多个沙漏网络；以及

在所述多个沙漏网络中，基于所述多个人体骨骼关键点的特征图对应的多个权重值，对所述多个人体骨骼关键点的所述特征图进行深层特征学习，得到所述多个人体骨骼关键点的热力图。

可选地，所述一种人体骨骼关键点的检测方法，还包括：对所述原始图像进行多次下采样，得到第一图像。

可选地，所述一种人体骨骼关键点的检测方法，还包括：对所述原始图像分别进行多次最大池化采样和多次平均池化采样。

可选地，所述对所述原始图像分别进行多次最大池化采样和多次平均池化采样，包括：

对所述原始图像分别进行最大池化采样和平均池化采样，得到第一最大池化图像和第一平均池化图像；

对所述第一最大池化图像和所述第一平均池化图像分别进行最大池化采样和平均池化采样，得到第二最大池化图像和第二平均池化图像；

对所述第二最大池化图像和所述第二平均池化图像分别进行最大池化采样和平均池化采样，得到第三最大池化图像和第三平均池化图像；以及

对所述第三最大池化图像和所述第三平均池化图像分别进行最大池化采样和平均池化采样，得到第四最大池化图像和第四平均池化图像。

可选地，所述建立多个沙漏网络，包括：

建立第一沙漏网络；

建立第二沙漏网络；

其中，所述第一沙漏网络和所述第二沙漏网络是二阶沙漏网络。