[发明专利]面向仰卧起坐的多头注意力姿态估计方法及检测系统

权利要求书

1.一种面向仰卧起坐的多头注意力姿态估计方法，其特征在于，包括：

S1、获取若干关于仰卧起坐的原始图像构建自建数据集并进行标注，然后使用合成数据集将若干所述原始图像进行扩充得到扩充数据集，将所述扩充数据集按照一定比例将标注后的所述扩充数据集划分为训练集和测试集；

S2、构建多头自注意力模块M_x和ResNet50神经网络，并将所述多头自注意力模块M_x添加至ResNet50神经网络中，得到用于提取图像特征的特征提取网络；

S3、构建基于人体坐标回归的人体姿态估计器E_x和损失函数L_loss，将所述特征提取网络和人体姿态估计器E_x通过平均池化层连接回归得到人体姿态估计网络，使用所述训练集的图像特征训练所述人体姿态估计网络，得到最终的面向仰卧起坐的多头注意力姿态估计网络；

S4、使用训练完后的所述面向仰卧起坐的多头注意力姿态估计网络对所述测试集中的图像进行识别。

2.根据权利要求1所述的一种面向仰卧起坐的多头注意力姿态估计方法，其特征在于，S1的具体步骤为：

S1.1、在测试场地拍摄一定数量的关于仰卧起坐的视频，并从所述视频的每I帧中选择一帧作为原始图像，若干所述原始图像构建成为自建数据集，然后对所述原始图像进行标注；

S1.2、使用Infinite Data的API构建足够数量的合成数据集，然后使用所述合成数据集对每个所述原始图像进行扩充得到扩充数据集，并生成对应的标签，同时对所述扩充数据集进行预处理和数据增强的操作；

S1.3、将所述扩充数据集按照一定比例将标注后的所述扩充数据集划分为训练集和测试集。

3.根据权利要求2所述的一种面向仰卧起坐的多头注意力姿态估计方法，其特征在于，对所述扩充数据集进行预处理和数据增强具体包括：执行随机缩放增强、平移变换增强、随机水平翻转增强、半身肢体数据增强、随机旋转和缩放增强以及防射变换，并将所述扩充数据集的图像转换为张量，并对输入的张量进行归一化。

4.根据权利要求3所述的一种面向仰卧起坐的多头注意力姿态估计方法，其特征在于，S2中，所述特征提取网络的构建过程为：

S2.1、构建ResNet50神经网络；

S2.2、构建多头自注意力模块M_x；

S2.3、将所述ResNet50神经网络中的第五阶段中的所有残差块中卷积核为3×3的结构替换为所述多头自注意力模块M_x，得到特征提取网络。