[发明专利]一种人体姿态估计方法

摘要

本发明提供一种人体姿态估计方法，首先，使用了基于卷积神经网络的目标检测算法检测出人体区域，然后根据人体的关节结构构造了全身关节点树形图，树形图将人体的全身姿态估计分解为多个局部姿态估计，分别对它们进行训练，提高了整体估计的准确性。在训练阶段，对于关节关系树中每一条边训练一个回归树模型。本发明使用卷积神经网络提取关节点周围区域的局部特征为空间特征向量。再根据关节关系树结构，最终我们训练了一个层级梯度提升的回归树模型。

主权项

1.一种人体姿态估计方法，其特征在于，至少包括以下步骤：S1：通过摄像单元采集视频；所述视频包含待采集人员的姿态信息；将所述采集的视频压缩，将所述视频每隔3‑5帧保存为一图片；S2：对所述图片进行预处理；所述预处理对所述姿态信息的左上角坐标及右下角坐标进行标注并生成可扩展标记语言XML文件；所述XML文件作为训练集训练模型；S3：通过人体区域检测算法检测所述图片人体区域位置；所述人体区域检测算法选用SSD目标检测网络，将所述图片和所述可扩展标记语言XML文件分为训练集及测试集；所述训练集：测试集＝3:1，生成lmdb文件；S4：设置学习率为0.1，批次为8，迭代次数为60000次，建立人体区域检测模型；S5：标注人体关节位置并对每张图片所述标注人体关节位置的相邻的两个关节点依次连接，得到人体骨架的图形得出人体骨架树形图；S6：对当前的含有人体图片中，第i个关节点的位置Pi＝(x,y)；对于所述人体骨架树形图中每一对父子节点，构造回归映射函数Fi,j(X)；其中X表示局部空间特征，即关节点i和j的局部图像；所述关节点i和j映射函数的关系式为：Pi＝V*Fi,j(X)+Pj；其中，V＝W/Ws表示映射函数Fi,j(X)的归一化因子，W表示人体检测区域框的宽度，Ws表示标准宽度；S7：训练人体姿态估计模型，得到训练后的人体姿态估计回归模型；S8：测试所述训练后的人体姿态估计模型。