[发明专利]一种多人姿态识别方法及系统

说明书

本发明提供了一种多人姿态识别方法及系统。首先获取多人姿态图像；然后将所述多人姿态图像输入到训练好的姿态提取网络中，获得所述多人姿态图像的关键点特征图和连接特征图；基于所述关键点特征图，获得所述多人姿态图像的关键点的坐标；基于所述连接特征图和所述关键点的坐标，获得多人姿态图像的关键点之间的连接关系；基于所述关键点之间的连接关系，将所述关键点分配到对应的人体上，获得多人姿态图像的姿态估计结果。本发明的有益效果是：精度高，处理速度快且当图像中关键点被遮挡时，能够正确分配关键点，避免最终的姿态估计结果产生较大的误差。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种多人姿态识别方法及系统。

背景技术

随着现代社会经济飞速发展，人们日常生活中对于安全的重视也越来越高，视频监控在维护社会安全中具有重要意义。全国各地已经部署了千万数量级的公共视频监控终端设备，摄像头已架设到城市的各个关键区域，如：银行、学校、交通路口、医院和火车站等，因此，产生了海量的视频数据。按照传统方法对这些视频数据进行处理将会耗费大量的人力物力，且无法实现对于突发事件的实时响应。一旦有抢劫等危害公共安全的突发事件发生，相关部门将无法做到事前预警和及时应对处理。因此新时代对于视频监控数据处理提出了更高的要求，如何能从如此巨大的数据中自动、准确地定位出需要寻找的目标，并对目标进行及时而智能的分析已经成为了公共视频监控系统发展所面临的最大挑战。

在视频分析的工作中，人的行为具有重要的参考价值。人体姿态作为人行为重要的表现形式之一，对于分析人的行为具有重大意义。在打击违法犯罪方面，对于一些违法行为例如殴打等暴力犯罪，通过分析人体姿态可以快速识别，从而达到即时反馈、及时处理的效果，从而阻止损害的扩大。在医疗上，使用人体关键点定位能够识别出病人的肢体行为，以便对病人的病情进一步了解。而在自动驾驶技术中，可以通过姿态估计对路人的行为做出判断，以提前避免车祸的发生。通过人体姿态去分析行人行为可以减少输入的数据量，通过骨架结构去判断行人行为可以屏蔽非关键信息对于判断的影响。

人体姿态是计算机自动分析人物行为的重要参考。对于计算机来说，处理人体姿态的数据量比处理整张RGB图片的数据量要小，因此处理速度会更快；而仅处理人体姿态相较于处理整张RGB图片来说，对于关键信息的注意度更高，可以排除很多非关键信息的干扰，从而更精确的对人物行为进行下一步分析。该方法可以应用到高速路口、加油站、停车场、小区大门口等视频监控系统中，通过使用训练好的深度学习模型对来往人流进行监测，一旦发生违法事件，则自动通知相关人员进行处理，最大程度的保护公共安全，维持公共秩序。

姿态估计系统包括人体关键点识别和关键点分配两个部分。实际应用中的人体姿态估计过程会碰到许多因为复杂场景而引起的差异性变化，如：肢体差异、光照差异与时间差异等。现有基于部分亲和场的人体姿态估计模型能够很好的解决人体未被遮挡、光照明亮等简易场景的多人姿态估计任务，且在速度上具有明显优势。但由于该方法自身的局限性，对于关键点被遮挡的情况并没有很好的解决方法，同时也会影响下一步的关键点分配，使得最终的姿态估计结果产生比较大的误差。

发明内容

为了解决上述问题，本发明提供了一种多人姿态识别方法，主要包括以下步骤：

S1、获取多人姿态图像；

S2、将所述特征图输入到训练好的姿态提取网络中，获得所述多人姿态图像的关键点特征图和连接特征图；

S3、基于所述关键点特征图，获得所述多人姿态图像的关键点的坐标；

S4、基于所述连接特征图和所述关键点的坐标，获得多人姿态图像的关键点之间的连接关系；

S5、基于所述关键点之间的连接关系，将所述关键点分配到对应的人体上，获得每个人的姿态估计结果，即完成多人姿态的识别。