[发明专利]一种人体骨骼关键点的快速检测方法及系统

权利要求书

1.一种人体骨骼关键点的快速检测方法，包括如下步骤：

步骤S1，构建并训练一卷积神经网络，以通过所述卷积神经网络利用多尺寸图像特征信息来检测图像中人体的各个部位；

步骤S2，获取二维彩色图；

步骤S3，将所述二维彩色图输入至步骤S1中经训练好的卷积神经网络中，利用多尺寸图像特征信息来检测图像中人体的各个部位，并将检测到的部位聚合起来以形成单人的骨骼点集合，完成关键点的检测；

步骤S1进一步包括：

步骤S100，收集二维彩色图，对所述二维彩色图中人体骨骼关键点进行标注得到相应的二维坐标；

步骤S101，构建卷积神经网络，并随机初始化该卷积神经网络的参数；

步骤S102，以所述二维彩色图为卷积神经网络的输入，以所述二维彩色图的特征图和每个骨骼关键点所属人体的标签信息为卷积神经网络的目标输出，使用随机梯度下降算法对所述卷积神经网络进行端到端的模型训练，更新网络中的参数，使网络输出逐渐趋于目标输出；

所述卷积神经网络包括初级特征提取模块和人体特征提取模块，所述初级特征提取模块用以提取低级特征，人体特征提取模块用以组合低级特征来形成高级特征进而表达人体各部位特征，通过组合二维深度可分离3×3卷积层和二维1×1卷积层来替换现有网络中的二维3×3卷积层，以在原有能对图像进行特征提取的基础上，减少网络的参数；

所述卷积神经网络采用如下目标损失函数来衡量卷积神经网络的输出和所希望的输出之间的差距：

其中K为骨骼关键点的数量，z为输出特征图在二维空间上的坐标，Z为输出特征图在二维空间上的范围，N为图中人的数量，b^k(z)是骨骼点k的输出特征图，是骨骼点k的目标特征图，σ为高斯激活函数中的常数，h_k(x_nk)为第n个人的骨骼点k的输出人体标签特征图，为经过网络的输出人体标签特征图中除第n个人以外的所有人n^′所属的标签值，为经过网络的输出人体标签特征图中第n个人所属的标签值：

其中，n为图中第n个人，n^′为图中除第n个人以外所有人，h_k为骨骼点k的输出人体标签特征图，x_nk为图像中第n个人骨骼点k的坐标位置。

2.如权利要求1所述的一种人体骨骼关键点的快速检测方法，其特征在于：于步骤S100中，对包括右肩、右肘、右腕、左肩、左肘、左腕、右髋、右膝、右踝、左髋、左膝、左踝、头顶、脖子在内的各部位进行标注，计算二维彩色图的特征图和每个骨骼关键点所属人体的标签信息。

3.如权利要求2所述的一种人体骨骼关键点的快速检测方法，其特征在于：对所述二维彩色图生成特征图的方法是以每个人体骨骼关键点的二维坐标为中心，逐个生成二维高斯分布的概率图；对所述二维彩色图生成人体标签信息的方法是以每个人体骨骼关键点的二维坐标为中心，根据骨骼关键点所属人体分别为其赋值，其余不属于骨骼关键点的位置赋零。

4.如权利要求1所述的一种人体骨骼关键点的快速检测方法，其特征在于：于步骤S3中，将二维彩色图输入到训练好的卷积神经网络后得到各个骨骼点的概率置信图和每个骨骼点的人体标签图，并通过非极大值抑制算法和聚类算法将这些离散的骨骼点聚合起来作为一个人体的骨骼点集合，得到所需人体骨骼关键点的二维坐标。

5.如权利要求4所述的一种人体骨骼关键点的快速检测方法，其特征在于，所述非极大值抑制算法如下：对于每个骨骼点的概率置信图上的每一个点，在以该点为中心点的范围内，对范围内的点进行遍历并找出最大值，同时将其他非最大值的点赋值为零，以每个骨骼点的概率置信图为输入，将一定范围内概率置信度为极大值的点找出来，最终形成输入图像中每个骨骼点的预测位置。

6.如权利要求4所述的一种人体骨骼关键点的快速检测方法，其特征在于，所述聚类算法如下：根据图像中每个骨骼点的预测位置以及每个骨骼点的人体标签图，获得每个骨骼点的预测位置以及这些位置上的人体标签信息，通过判断不同骨骼点间这些人体标签信息的绝对值是否小于一定阈值来决定这些骨骼点是否属于同一人，同时筛去那些骨骼点数量不足预设值以及预测结果形成的人体规格小于预设值的结果。