[发明专利]基于人体拓扑结构对齐的多人姿态估计方法

说明书

本发明提供了一种基于人体拓扑结构对齐的多人姿态估计方法。该方法包括：用MS‑COCO和MPLL数据集为输入训练HRNet网络，得到XZZNet网络；利用HRNet网络对数据集的图像样本进行学习得到人体关键点图像；将SZF数据集输入到XZZNet网络中，生成候选的没有袖子的人体姿态关键点；对HRNet网络生成的人体关键点图和XZZNet生成的候选的人体关键点图进行图匹配，利用交叉熵损失函数微调XZZNet网络，得到优化的XZZNet网络；将SZF数据集输入到优化的XZZNet网络中，生成SZF数据集中的图像对应的关键点检测图像，根据关键点检测图像得到图像中包含人体的各个关键点姿态信息。本发明在没有标记或者稀疏标记的图像中可以显著提高目标域的性能，在无监督网络学习框架下可以准确地区分图像中人体的各个关键点。

技术领域

本发明涉及人体行为分析技术领域，尤其涉及一种基于人体拓扑结构对齐的多人姿态估计方法。

背景技术

近年来,随着信息技术的发展和智能科技的普及,全球科技变革正在进一步推进,云计算、物联网、大数据和人工智能等技术也在飞速发展,其中,人体姿态识别技术已开始在计算机视觉相关领域中广泛应用。

当前人工智能技术的热点,固定情景下对于人体姿态识别具有十分重要的研究意义,对于我国实现现代化建设具有一定的推动作用,因此加强技术分析研判就显得十分重要。早在上世纪70年代,我国已经开始了对人体行为分析方面的研究,这些研究对于我国人工智能的发展有了较强的推动作用,在特定情景下或者说在比较标准的场景中分析较为简单的姿态和动作已经成为了可能。

随着我国社会水平的不断提升,人们对于社会生活的质量要求也在不断增加,因此，在实际的生活过程中视频监控已经成为人们不可或缺的一种安全措施,基于视频分析的技术要求也越来越高。例如在智能家装,医疗领域及运动分析等行业中都得到了较为广泛的应用,固态场景下的人体姿态识别在各领域起到的作用显而易见。特别是近年来,我国安保工作的加强,对于大城市人口密集流动以及犯罪分子的甄别等都有较强需求。

目前，现有技术中还没有一种有效地基于人体拓扑结构对齐的多人姿态估计方法。

发明内容

本发明的实施例提供了一种基于人体拓扑结构对齐的多人姿态估计方法，以实现在无监督网络学习框架下可以准确地区分图像中的人体的各个关键点。

为了实现上述目的，本发明采取了如下技术方案。

(和权利要求书相互对应)

由上述本发明的实施例提供的技术方案可以看出，本发明在没有标记或者稀疏标记的图像中可以显著提高目标域的性能，在无监督网络学习框架下可以准确地区分人体的各个关键点。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于人体拓扑结构对齐的应用于图像上的多人姿态估计方法的流程图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。