[发明专利]一种人体姿态估计方法与识别装置

权利要求书

1.一种人体姿态估计方法与识别装置，其特征在于，所述方法包括：将预处理后的图像传入高分辨率网络，经过下采样、上采样、卷积运算，在网络各个分支生成特征图；在生成的特征图后接入注意力模块捕捉重点特征，对最终阶段的特征图采取与上一层次特征图融合的方式生成新的特征图，新特征图经过反卷积操作恢复到与主干相同的分辨率，得到最终的heatmap，根据heatmap可以预测各个关节点的位置。

2.根据权利要求1所述的一种人体姿态估计方法与识别装置，其特征在于，所述高分辨率网络由三个分支层和一个主干层构成，主干层分辨率为输入图像分辨率的一半，其中的特征图经过卷积运算得到下一阶段特征图，主干层经过下采样操作得到第一个分支层，第一个分支层经下采样操作得到第二个分支层，第二个分支层经下采样操作得到第三个分支层，第一分支层分辨率为主干层的一半，第二分支层分辨率为第一分支层的一半，第三分支层分辨率为第二分支层分辨率的一半；所述分支层分辨率以1/2倍数逐层递减，各层的前序特征图经卷积运算得到后序的特征图，分支层可利用上采样操作恢复分辨率到上一层次的水平；所述主干层与分支层通过上采样和下采样操作相互联系，在网络中各分支均可保持特征图像一直具有高分辨率特征，同时能够在后序特征图检测并纠正前序特征图的错误。

3.根据权利要求1所述的方法，其特征在于，所述注意力模块连接在主干层与分支层的各级特征图卷积运算之后，目的在于提取特征图中的关键点的重点信息；所述最终阶段的特征图位于主干层和分支层的最后一级，包含了前序特征图的信息，由前序特征图经卷积运算、下采样、上采样、注意力模块处理得到，融合方式采用当前层与上一层进行融合的方法得到新的特征图；所述反卷积操作针对第一个分支层最终的融合特征图进行，目的在于得到与主干层相同分辨率的特征图，最后再与主干层的最后一级特征图进行融合得到heatmap，根据heatmap可以预测出人体关节点的准确位置。

4.一种人体姿态估计识别装置，其特征在于，所述装置包括：图像获取模块，用于接收外界传输图像或相机拍摄图像，对接收的图像做预处理后传入到主控处理模块进行姿态估计；主控处理模块，该模块将图像获取模块传入的图像输入主控箱中的高分辨率网络进行姿态估计，得出网络预测结果，并将结果传输到显示屏显示。