[发明专利]人体位姿识别方法及装置

权利要求书

1.一种人体位姿识别方法，包括：

从待识别视频中裁剪出包含人体的人体形态区域；

在所述人体形态区域对所述人体进行位姿识别，得到第一位姿识别结果和与所述人体对应的人体骨架数据；

基于所述人体骨架数据识别所述人体的位姿，得到第二位姿识别结果；

基于所述第一位姿识别结果和所述第二位姿识别结果，确定所述人体的位姿。

2.根据权利要求1所述的人体位姿识别方法，基于所述人体骨架数据识别所述人体的位姿，得到第二位姿识别结果，包括：

利用2D卷积神经网络基于所述人体骨架数据识别所述人体的位姿，得到所述第二位姿识别结果。

3.根据权利要求1所述的人体位姿识别方法，在所述人体形态区域对所述人体进行位姿识别，得到与所述人体对应的人体骨架数据，包括：

将所述人体形态区域拆分为多个人体特征图；

利用3D卷积神经网络分别获得与每个所述人体特征图对应的人体骨架坐标；

将与各个所述人体特征图对应的各个所述人体骨架坐标作为所述人体骨架数据。

4.根据权利要求3所述的人体位姿识别方法，利用所述3D卷积神经网络获得与一个所述人体特征图对应的所述人体骨架坐标，包括：

利用所述3D卷积神经网络获得与所述人体特征图中各个人体关键点对应的热图；

根据各个所述热图，分别确定各个所述人体关键点在所述人体特征图中的坐标；

根据各个所述人体关键点在所述人体特征图中的坐标，获得与所述人体特征图对应的所述人体骨架坐标。

5.根据权利要求4所述的人体位姿识别方法，根据所述热图确定所述人体关键点在所述人体特征图中的坐标，包括：

利用与所述热图对应的训练像素点目标，获得所述热图中各个像素点归属于所述人体关键点的概率；

将所述概率中最大值对应的像素点的坐标，确定为所述人体关键点的第一坐标；

对所述第一坐标叠加偏置向量，获得所述人体关键点的第二坐标；

基于所述热图和所述人体特征图之间的比例关系，对所述第二坐标进行放大，获得所述人体关键点在所述人体特征图中的坐标。

6.根据权利要求5所述的人体位姿识别方法，在所述对所述第一坐标叠加偏置向量之前，所述方法还包括：

利用所述3D卷积神经网络获得与所述人体关键点对应的补偿数据；

基于所述人体关键点的预测坐标和所述热图中像素点的坐标之间的差值，对所述补偿数据进行归一化处理，获得所述偏置向量。

7.根据权利要求4所述的人体位姿识别方法，基于所述人体骨架数据识别所述人体的位姿，得到第二位姿识别结果，包括：

将所述人体骨架数据转换为人体骨架张量；

向所述人体骨架张量中添加目标置信度，其中，所述目标置信度通过对每个所述热图进行最大池化获得；

将添加有所述目标置信度的所述人体骨架张量输入至2D卷积神经网络，得到所述第二位姿识别结果。

8.根据权利要求1所述的人体位姿识别方法，还包括：

获取在所述人体形态区域对所述人体进行位姿识别的过程中的第一任务损失；以及，获取基于所述人体骨架数据识别所述人体的位姿的过程中的第二任务损失；

其中，基于所述第一位姿识别结果和所述第二位姿识别结果，确定所述人体的位姿，包括：

基于所述第一位姿识别结果、所述第二位姿识别结果、所述第一任务损失和所述第二任务损失，确定所述人体的位姿。

9.一种人体位姿识别装置，包括：

裁剪模块，用于从待识别视频中裁剪出包含人体的人体形态区域；

第一输出模块，用于在所述人体形态区域对所述人体进行位姿识别，得到第一位姿识别结果和与所述人体对应的人体骨架数据；

第二输出模块，用于基于所述人体骨架数据识别所述人体的位姿，得到第二位姿识别结果；

确定模块，用于基于所述第一位姿识别结果和所述第二位姿识别结果，确定所述人体的位姿。