[发明专利]一种人体关键点检测方法和系统

说明书

本申请实施例公开了一种人体关键点检测方法和系统，所述方法包括：对待检测图像进行缩放处理；将缩放处理后的图像输入卷积神经网络中，得到人体关键点的热图特征图；所述卷积神经网络包括第一数目个倒置残差单元和第二数目个反卷积单元；分别对所述热图特征图中每个人体关键点通道取最大值，以定位热图特征图中的人体关键点位置；基于所述热图特征图中的人体关键点位置以及所述热图特征图和所述待检测图像的大小比例关系，确定所述待检测图像中的人体关键点位置。高效便捷的定位人体关键点，同时模型占用空间小，适用范围广。

技术领域

本申请实施例涉及深度学习技术领域，具体涉及一种人体关键点检测方法和系统。

背景技术

随着移动互联网的快速发展，手机已经从原来的单一打电话的属性，演变成了具有个人移动办公，知识、信息获取，休闲娱乐等多种功能属性的集合体，同时随着手机硬件的不断发展，手机设备已经具备了相当的计算能力，在精心设计优化算法的加持下，完全可以在手机端部署深度学习模型。

海量的视频、图像多媒体影像资源中，记录了人类的日常生活，隐藏着巨大待发掘的价值。为了从这些多媒体资源中获取有价值信息，准确的人体关键点检测是必不可少的一步。输入一张图片，目标是准确定位到人体关键点位置(如肩部，手肘等部位)，理解人体姿态和四肢关节的空间位置对于上层任务如行为识别是非常有帮助的，同时人体关键点检测也是人机交互、安防视频解析、影业动画制作等系统中重要的技术组成部分。

目前主流的人体关键点检测算法都是通过卷积神经网络对输入图片进行处理，为了追求极致的准确率，研究人员使用相对较高分辨率的输入图像，设计复杂的网络结构，例如OpenPose算法在coco数据集和mpii数据集训练好的模型分别都超过了200M，这么大的模型一方面对嵌入式设备(如手机)的存储容量提出了挑战，另一方面模型规模大、参数多对嵌入式设备的运算能力和运算速度也有了较高的要求。

发明内容

为此，本申请实施例提供一种人体关键点检测方法和系统，高效便捷的定位人体关键点，同时模型占用空间小，适用范围广。

为了实现上述目的，本申请实施例提供如下技术方案：

根据本申请实施例的第一方面，提供了一种人体关键点检测方法，所述方法包括：

对待检测图像进行缩放处理；

将缩放处理后的图像输入卷积神经网络中，得到人体关键点的热图特征图；所述卷积神经网络包括第一数目个倒置残差单元和第二数目个反卷积单元；

分别对所述热图特征图中每个人体关键点通道取最大值，以定位热图特征图中的人体关键点位置；

基于所述热图特征图中的人体关键点位置以及所述热图特征图和所述待检测图像的大小比例关系，确定所述待检测图像中的人体关键点位置。

可选地，所述卷积神经网络还包括至少一个融合单元；

所述第一数目个倒置残差单元依次连接，形成倒置残差分支；所述第二数目个反卷积单元依次连接，形成反卷积分支；所述倒置残差分支与所述反卷积分支连接；

每个所述融合单元分别位于相邻的两个反卷积单元之间，每个融合单元分别与一个倒置残差单元连接；

所述融合单元，用于对其输入端连接的倒置残差单元和反卷积单元输出的特征图进行通道融合，将得到的融合特征图输入所述融合单元的输出端连接的反卷积单元。

可选地，所述倒置残差单元具体用于：

通过第一卷积层增加输入的特征图像的通道数；

通过第二卷积层对增加通道数后的特征图进行可分离卷积；

通过第三卷积层将第二卷积层输出的特征图的通道数降低到与所述输入的特征图像的通道数相同；