[发明专利]一种高准确率的基于卷积神经网络的人体多部位识别方法

摘要

本发明提供了一种高准确率的基于卷积神经网络的人体多部位识别方法。采用深度卷积神经网络提取图像特征，该方法充分利用了图像的深度信息，极大的提高了图像的识别准确率；其次，基于RCNN方法利用Selective Search算法形成候选边框，比滑动窗口方法更能适应深度卷积网络下定位信息的准确性；进一步的，通过将卷积神经网络的最后一层Softmax层替换成SVM，最终获得了基于分类的得分；另外，获得各个候选边框的相对于各个类别的SVM得分后，通过添加基于像素的位置范围约束、K近邻约束和混合高斯模型最终形成基于整体理解的候选边框组合，提高了人体多部位识别的准确率，比原有RCNN的方法定位更加精准。

主权项

一种高准确率的基于卷积神经网络的人体多部位识别方法，其特征在于：该方法包括Selective Search图像分割算法、深层卷积神经网络、基于深层特征训练出的支持向量机和三种空间几何约束；当输入一幅RGB图像，首先通过Selective Search算法生成大约2000个候选边框，然后通过卷积神经网络计算这些候选边框的全相连层特征，之后通过全相连层特征进一步计算其支持向量机的分类得分，再然后假定每一个候选边框都为人体整体边框并通过空间几何约束计算其相应的部位边框和该边框组合的得分，最后通过非最大化抑制和阈值的限制获得最终的边框组合并显示出来。