[发明专利]一种基于卷积神经网络的多人姿态估计方法

权利要求书

1.一种基于卷积神经网络的多人姿态估计方法，其特征在于，包括下述步骤：

(1)使用完成训练的多人姿态估计网络对输入的进行网格划分后的图像进行计算得到人体关键点位置数据和人体关键点指向人体中心的映射向量数据；

(2)解码所述人体关键点位置数据得到所述图像中所有的m类人体关键点和人体中心，解码所述人体关键点映射向量数据，将所述每类人体关键点和人体中心映射到可聚类的二维空间得到人体关键点映射后的二维坐标；

(3)使用k-means算法对所述映射后的二维坐标分组，进行多人姿态估计，聚类中心个数是人体中心个数，聚类初始化中心是人体中心位置，聚类所用特征是人体关键点映射后的二维坐标。

2.如权利要求1所述的多人姿态估计方法，其特征在于，所述多人姿态估计网络包括特征提取网络、特征通道压缩模块、人体关键点位置分支模块和人体关键点映射向量分支模块；

所述特征提取网络用于提取所述图像的特征；所述特征通道压缩模块用于压缩所述特征；所述人体关键点位置分支模块用于输出人体关键点位置数据；所述人体关键点映射向量分支模块用于输出人体关键点映射向量数据。

3.如权利要求2所述的多人姿态估计方法，其特征在于，所述特征通道压缩模块包括卷积层、BN和ReLU激活函数；所述人体关键点位置分支模块包括3层卷积和激活函数，前两层激活函数为ReLU激活函数，最后一层激活函数为sigmoid激活函数；所述人体关键点映射向量分支模块包括3层卷积和激活函数，前两层激活函数为ReLU激活函数，最后一层激活函数为tanh激活函数。

4.如权利要求1所述的多人姿态估计方法，其特征在于，所述多人姿态估计网络的训练采用的损失函数为平方损失函数，定义总体损失函数为：

Loss＝loc_loss+conf_loss+vec_loss

其中loc_loss表示位置损失，conf_loss表示置信度损失，vec_loss表示映射向量损失，具体计算公式如下：

其中为示性函数表示第i类人体关键点落在第k个网格中，为示性函数表示第i类人体关键点没有落在第k个网格中，i表示人体关键点的类别，k表示网格的位置编号，S表示宽度和高度方向上，对图像的均匀划分成s份，将图像划分为s*s个网格，具体为以下公式：

表示第k个网格第i类人体关键点的位置输出置信度输出和映射向量输出分别表示对应的真实标签值，λ_xy,λ_{conf_obj},λ_{conf_noobj},λ_vec分别是调节位置损失、正样本置信度损失、负样本置信度损失和映射向量损失相应各部分损失的经验参数，各参数取值为1、1、0.05和1。

5.如权利要求1所述的多人姿态估计方法，其特征在于，所述人体关键点位置数据为S×S×3×(m+1)的数据块，所述图像被划分成S×S大小的网格，3×(m+1)包括m类人体关键点和1个人体中心共m+1组位置信息(p,x,y)，p表示人体关键点落在该网格的概率，x表示人体关键点相对于网格左上角的水平方向偏移，y表示人体关键点相对于网格左上角的竖直方向偏移。

6.如权利要求1所述的多人姿态估计方法，其特征在于，所述人体关键点映射向量数据是S×S×2×m的数据块，所述图像被划分成S×S大小的网格，2×m包括m类人体关键点指向人体中心的映射向量v＝(v_x,v_y)。

7.如权利要求1所述的多人姿态估计方法，其特征在于，所述解码人体关键点位置数据包括使用非极大值抑制方法得到最大概率输出值，所述最大概率对应的人体关键点位于S×S网格的第row行，第col列，解码后的人体关键点位置(px,py)由以下公式得到：

其中W和H为输入图像的宽和高。

8.如权利要求1所述的多人姿态估计方法，其特征在于，所述映射后的二维坐标(x′,y′)由以下公式得到：

x′＝px+v_x

y′＝py+v_y

其中v＝(v_x,v_y)为人体关键点指向人体中心的映射向量，(px,py)为解码后的人体关键点位置的二维坐标。