[发明专利]一种在联合条件下进行群体着装解析的方法

权利要求书

1.一种在联合条件下进行群体着装解析的方法，所述方法包括：

获取原始图片，采用粗分割网络对原始图片进行初步的着装解析处理，获得粗略的分割结果图片；

将原始图片使用群体姿势估计网络，获取图片中前景人物的姿势骨架，生成姿势估计热度图；

将粗略的分割结果图片及姿势估计热度图同时进行深度卷积处理，获得精细化的服装分割结果及姿势估计结果；

其中，所述粗分割网络由7个卷积结构加一个反卷积层组成，而其中每个卷积结构由卷积层、ReLu激活函数以及一个池化层组成；前面五层卷积结构的卷积核大小都是2*2或者3*3，卷积核的数量逐渐增加，从一开始的64个卷积核到最后的1024个卷积核，以便能够捕捉图像局部的高维特征；第六层卷积结构的卷积核大小为7*7，数量达到2048个，卷积核感受野增大能够获取局部临近的高维特征，数量增多则能识别出更多的特征模式；第七层卷积结构的卷积核大小为1*1，数量同为2048个；最后反卷积层则将网络学到的分类特征重新映射到原图大小，生成粗略的分割结果图片；

其中，所述群体姿势估计网络，网络前半部分由4层卷积结构组成，每个卷积结构由一个卷积层、ReLu激活函数和池化层组成；后半部分的网络是一个循环的结构，在每个循环结构的开始部分，网络分出两个通道，每个通道由5层卷积结构组成，分别用于识别关节点和肢干；在每个循环结构的结束部分，两个通道重新融合为一个网络层，作为下一个循环的输入；为了实现在人数不定的场景下进行姿势估计，网络以热度图的方式输出每个像素属于某个关节点或者肢干的概率，即输出的结果为T_i，其中i∈[1,2,3,……,n]，n为关节点与肢干种类的数量之和；T_i是一个二维图，长宽与输入图片一致，每一个元素代表对应位置的像素输入姿势i或者是肢干i的概率；

其中，所述将粗略的分割结果图片及姿势估计热度图同时进行深度卷积处理，具体为：采用以高斯核的形式把原图的细节信息重新加入条件随机场模型的高层的神经网络当中，将粗略的分割结果图片及姿势估计热度图同时输入该条件随机场模型。