[发明专利]一种基于关节依赖的人体骨架提取方法

说明书

本发明公开了一种基于关节依赖的人体骨架提取方法，包括以下步骤：S1、对图片数据集进行预处理和扩增，并划分为训练集和测试集；S2、构建关节依赖的人体骨架提取网络；S3、将训练集输入关节依赖的人体骨架提取网络，得到关节依赖的人体骨架提取网络模型以及关节的预测类标；S4、根据关节的预测类标，使用反向传播算法对关节依赖的人体骨架提取网络模型进行优化，得到最优关节依赖的人体骨架提取网络模型；S5、将测试集输入最优关节依赖的人体骨架提取网络模型，得到关节的测试类标；S6、根据关节的测试类标，提取出人体骨架；本发明解决了现有技术存在的优化困难、过程复杂、关节之间的关系建模效果差、准确性低以及实用性低的问题。

技术领域

本发明属于计算机视觉技术领域，具体涉及一种基于关节依赖的人体骨架提取方法。

背景技术

目前，在图像理解、人机交互、虚拟现实等众多计算机视觉领域中，人体骨架提取是人体动作识别和行为分析的关键技术。近年来也是一个非常热门的研究方向，所谓人体骨架提取，简单来说，就是能够正确估计出给定图像上人体关键部位的位置、方向以及尺度信息，如头部、肩膀、左右手臂、大小腿等的姿态变化。在现实生活中具有重要的应用价值。

人体骨架提取是一项富有挑战性的任务，如何设计一个有效的人体骨架提取系统需要考虑人体姿态的差异、光照的影响、拍摄的角度变换、部分遮挡、局部形变等因素。

现有技术存在以下问题：

(1)对于人体骨架提取中关节之间的关系建模问题，传统的方法使用图模型来进行处理，但是由于图模型的优化比较困难，过程复杂，且没有考虑关节与关节之间的差异性，因此不能取得很好的效果；

(2)现有技术没有考虑不同类型的关节具有不同的难度，方法的实用性低；

(3)现有技术没有考虑到采用卷积神经网络的方法得益于表征学习能够自动学习到具有鉴别性的特征，因此方法的准确性低。

发明内容

针对现有技术中的上述不足，本发明提供的一种过程简单、准确性和实用性高的基于关节依赖的人体骨架提取方法，改善了建模的效果，解决了现有技术存在的优化困难、过程复杂、关节之间的关系建模效果差、准确性低以及实用性低的问题。

为了达到上述发明目的，本发明采用的技术方案为：

一种基于关节依赖的人体骨架提取方法，包括以下步骤：

S1：对图片数据集进行预处理和扩增，并划分为训练集和测试集；

S2：构建关节依赖的人体骨架提取网络；

S3：将训练集输入关节依赖的人体骨架提取网络，得到关节依赖的人体骨架提取网络模型以及关节的预测类标；

S4：根据关节的预测类标，使用反向传播算法对关节依赖的人体骨架提取网络模型进行优化，得到最优关节依赖的人体骨架提取网络模型；

S5：将测试集输入最优关节依赖的人体骨架提取网络模型，得到关节的测试类标；

S6：根据关节的测试类标，提取出人体骨架。

进一步地，步骤S1中，进行预处理，包括如下步骤：

S1-1：生成变换矩阵；

S1-2：将图片数据集中原始图像上的像素点坐标乘以变换矩阵，得到变换后坐标位置；

S1-3：将坐标位置位于缩放图像范围中的像素点复制到变换矩阵中，并舍去范围外的像素点，实现图像的预处理。

进一步地，步骤S2中，关节依赖的人体骨架提取网络模型，包括前端的特征提取部分和后端的关节依赖建模部分；特征提取部分依次由卷积、残差模块、最大池化以及两个残差模块构成。