[发明专利]基于个体模型生成的人体姿态识别方法

说明书

本发明公开了一种基于个体模型生成的人体姿态识别方法，首先从待识别图像中获取输入图片，并采用视觉特征提取器通过卷积编码的方式生成输入图片对应的视觉特征；再采用全局语义感知网络通过线性回归的方式从视觉特征中解析得到人体区域特征图；然后采用实例级别的姿态解析模型生成器针对每个人体生成用于解析人体姿态的模型参数图；最后根据人体区域特征图和模型参数图动态解析图像中的人体姿态，得到人体姿态识别结果。本发明针对图像中出现的人体动态地生成对应的估计参数，能够更好地解决现实场景中人体姿态丰富和人体间差异大的问题。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种基于个体模型生成的人体姿态识别方法的设计。

背景技术

人体姿态估计是计算机视觉中一个基础而又富有挑战性的问题，其目的是从单张RGB图像中，精确地识别出多个人体的位置以及骨架上的稀疏的关键点位置。随着深度卷积神经网络(CNNs)的应用和MSCOCO等大规模数据集的发布，人体姿态估计方法已经取得了较大的发展，它们大致可以分为bottom-up(即自底向上)和top-down(即自顶向下)的方法。对于top-down的方法，首先定位所有人体实例，然后对每个人体实例做姿态估计，方法主要集中在如何设计高效的单人姿态估计方法。而bottom-up方法首先检测出所有的人体关键点，然后将它们分组到不同的人体实例，现有方法主要集中在如何将候选的关节点分组到单个人体实例。相较于需要人体检测的top-down方法，bottom-up的方法通常具有更好的估计效率，且保持相近的估计准确度。

现有的人体姿态估计方法虽然在姿态估计的任务上取得了进展，但仍面临以下缺陷：

(1)top-down方法采用检测器的方式来区分人体，由于这类方法会采用到人体检测模型和人体关键点检测模型这两个模型，会带来巨额的计算代价，不利于现实场景中的应用。

(2)bottom-up方法采用卷积神经网络来生成身份特征进而区分人体，这类方法仅关注像素的表征而缺乏对全图人体数量的感知，每张图像所包含的人体数量不一致。针对人体姿态估计方法应当根据人体数量来生成对应的人体身份特征，而现有的方法没有考虑这个先验。

(3)现有的人体姿态估计方法采用统一的卷积神经网络参数来解析人体，难以应对现实场景中人体姿态丰富和人体间差异大的问题。每个人体实例需要特定的解析参数，而现有的方法忽略了这一点。

发明内容

本发明的目的是为了解决现有人体姿态估计方法存在的上述问题，提出了一种基于个体模型生成的人体姿态识别方法，基于bottom-up的方法进行扩展，依据图像内容动态地生成姿态估计的模型，进而精准地针对图像中的每个人体进行姿态估计。

本发明的技术方案为：基于个体模型生成的人体姿态识别方法，包括以下步骤：

S1、从待识别图像中获取输入图片，并采用视觉特征提取器通过卷积编码的方式生成输入图片对应的视觉特征；

S2、采用全局语义感知网络通过线性回归的方式从视觉特征中解析得到人体区域特征图。

S3、根据视觉特征和人体区域特征图，采用实例级别的姿态解析模型生成器针对每个人体生成用于解析人体姿态的模型参数图。

S4、根据人体区域特征图和模型参数图动态解析图像中的人体姿态，得到人体姿态识别结果。

进一步地，步骤S1包括以下分步骤：

S11、从待识别图像中获取大小为H×W的输入图片其中表示维度为3×H×W的实数域，3表示RGB三个通道。

S12、通过卷积神经网络的视觉编码器提取得到输入图片对应的视觉特征其中D表示视觉特征中特征图的个数，每张特征图的大小为H_f×W_f。