[发明专利]基于图像识别的人体姿态检测方法、装置和存储介质

说明书

本发明提供一种基于图像识别的人体姿态检测方法、装置和存储介质，所述方法包括：获取待识别的当前帧图像；对所述当前帧图像进行特征提取，得到所述当前帧图像中的关键点类别信息集和亲和度向量集；根据所述关键点类别信息集和所述亲和度向量集，构建出所述当前帧图像中的人体姿态框架图；根据所述人体姿态框架图，获取到所述人体姿态检测结果；因此，本发明解决了现有技术进行人体姿态识别方法存在误检率高和实时性差的问题，有效提高了检测速度和准确度，满足了对人体姿态识别的实时性和准确性的需求。

技术领域

本发明涉及图像识别技术领域，具体涉及基于图像识别的人体姿态检测方法、装置和存储介质。

背景技术

人体姿态识别技术是机器视觉领域的重要分支和前沿性技术,其在目前的智能应用具有重要意义，例如,可广泛应用于智能视频监控、机器人视觉、人机交互、游戏控制等领域,应用市场前景广阔。

在现有技术中，一般采用基于人工设定的图像HOG、SHIFT特征的进行姿态估计，但是该种方式需要人工提前设定HOG及SHIFT特征，并没有准确获取图像丰富信息，导致算法在不同成像视角、多人互相遮挡、等噪声影响时，无法准确捕捉特征变化，导致姿态识别结果不唯一，并且在人体做出相似动作时姿态识别结果容易出现混淆的问题。

可见，现有技术进行人体姿态识别方法存在误检率高和实时性差的问题，不能满足对人体姿态识别的实时性和准确性的需求。

发明内容

针对现有技术中所存在的不足，本发明提供的基于图像识别的人体姿态检测方法、装置和存储介质，其解决了现有技术进行人体姿态识别方法存在误检率高和实时性差的问题，有效提高了检测速度和准确度，满足了对人体姿态识别的实时性和准确性的需求。

第一方面，本发明提供一种基于图像识别的人体姿态检测方法，所述方法包括：获取待识别的当前帧图像；对所述当前帧图像进行特征提取，得到所述当前帧图像中的关键点类别信息集和亲和度向量集；根据所述关键点类别信息集和所述亲和度向量集，构建出所述当前帧图像中的人体姿态框架图；根据所述人体姿态框架图，获取到所述人体姿态检测结果。

可选地，对所述当前帧图像进行特征提取，得到所述当前帧图像中的关键点类别信息集和亲和度向量集，包括：将所述当前帧图像输入ShuffleNet_v2神经网络，得到当前特征图像；将所述当前特征图像输入第一卷积神经网络，得到每个关键点的置信度参数和位置参数；根据每个关键点的置信度参数，得到每个关键点的类别信息；将所有关键点的类别信息组合成所述关键点类别信息集。

可选地，对所述当前帧图像进行特征提取，得到所述当前帧图像中的关键点类别信息集和亲和度向量集，还包括：将所述当前特征图像输入第二卷积神经网络，得到每个关键点的向量参数；根据所述每个关键点的位置参数和置信度参数，得到每个关键点的类别信息；根据所述每个关键点的类别信息、所述位置参数、所述向量参数和亲和度算法，获取每个关键点相对应的亲和度向量；将所有关键点的亲和度向量组成所述亲和度向量集。

可选地，所述亲和度算法为：

其中，D表示关键点i和关键点i+1的欧式距离，u为单位向量，k_i和k_i+1表示关键点的向量参数。

可选地，根据所述关键点类别信息集和所述亲和度向量集，构建出所述当前帧图像中的人体姿态框架图，包括：根据所述关键点类别信息集和所述亲和度向量集，获取与每个关键点亲和度最高的匹配点；将所述每个关键点与所述匹配点进行拼接，得到所述人体姿态框架图。

可选地，获取待识别的当前帧图像，包括：在当前时间段内，实时获取目标监控区域的视频图像；对所述视频图像进行多线程解码，得到解码图像集；对所述解码图像集进行预处理，得到所述待识别的当前帧图像。