[发明专利]人体姿态识别中头部关键点的检测方法及装置

说明书

本发明提供一种人体姿态识别中头部关键点的检测方法及装置，所述方法包括：提供待处理图像；对所述待处理图像进行目标检测处理，以得到一个或多个第一头部检测框；判断所述待处理图像中每个人体的头部姿态；当所述人体的头部姿态为正面或背面时，分别将第一头部检测框各边的中点作为四个第一头部关键点；当所述人体的头部姿态为左侧面时，将第一头部检测框右侧纵向边的中点、左下顶点以及上侧横向边的中点作为三个第一头部关键点；当所述人体的头部姿态为右侧面时，将第一头部检测框左侧纵向边的中点、右下顶点以及上侧横向边的中点作为三个第一头部关键点。本发明可以提高人体姿态识别中头部关键点检测的准确率。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种人体姿态识别中头部关键点的检测方法、人体姿态识别中头部关键点的检测装置、电子设备和计算机可读存储介质。

背景技术

近年来，基于人工智能的计算机视觉技术得到快速发展，人体姿态识别作为其中的一个重要方向，在机器人交互、游戏、动画、行为识别、安防监控等多个领域都有较大的应用前景。

现有技术中人体姿态识别技术主要包括两个大类：

一类是自上而下的识别方法，即：先定位人体大概位置，再对姿态进行具体识别。最常用的是先采用目标检测的方法得到图像中每个人的位置框，然后在检测框的基础上针对单个人做人体骨骼关键点检测，最终得到整个人体姿态，主要有CPM、RMPE、mask-RCNN、G-RMI等方法。

另一类是自下而上的识别方法，即：这种方法是先找到所有肢体，然后将肢体进行组合，主要步骤是将图像中所有关键点都检测出来，然后通过相关策略将所有的关键点聚类成不同的个体。典型的代表是：采用人体姿态热力图Heatmaps或回归关键点坐标计算人体姿态的每个关键点信息；采用部分亲和场(Part Affinity Fields，PAF)将计算的关键点之间进行连接；当识别出多个人时，采用图论的二分图求解方法得到每个人的人体姿态信息。

但是以上两类方法都存在识别准确率低的问题：第一类自上而下的方法中先检查个体，再识别姿态的方法，其步骤是相互分离没有内在联系的，这使得姿态识别严重依赖前一步检测定位的结果；第二类自下而上的方法中先检测所有人体关键点，然后通过聚类算法对这些关键点进行连接，从而形成完整的个体，该方法中这些被检测出的关键点，对于人体靠的比较近时效果非常不理想，很多情况下会将一个人的关键点连接到另一个人体上，且该方法无法从全局特征去发现身体部件。

因此，如何提高人体姿态识别中关键点检测的准确率成为本领域技术人员亟待解决的技术问题之一。

发明内容

本发明解决的问题是如何提高人体姿态识别中头部关键点检测的准确率。

为解决上述问题，本发明实施例提供一种人体姿态识别方法，包括：

提供待处理图像；

对所述待处理图像进行目标检测处理，以得到一个或多个第一头部检测框；

判断所述待处理图像中每个人体的头部姿态；

当所述人体的头部姿态为正面或背面时，分别将第一头部检测框各边的中点作为四个第一头部关键点；

当所述人体的头部姿态为左侧面时，将第一头部检测框右侧纵向边的中点、左下顶点以及上侧横向边的中点作为三个第一头部关键点；

当所述人体的头部姿态为右侧面时，将第一头部检测框左侧纵向边的中点、右下顶点以及上侧横向边的中点作为三个第一头部关键点。

可选地，所述方法还包括：

提供训练图像数据集，所述训练图像数据集包括多张训练图像；

分别采用人工方式在每张所述训练图像中标注第二头部关键点信息，并根据所述第二头部关键点信息计算确定第二头部检测框；