[发明专利]一种人体骨骼关键点的快速检测方法及系统

说明书

本发明公开了一种人体骨骼关键点的快速检测方法及系统，所述方法包括如下步骤：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，获取一二维彩色图；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，并将该些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，本发明通过设计轻量化的卷积神经网络结构，可减少运算时间，实现在智能相机上实现人体骨骼关键点的检测。

技术领域

本发明涉及一种人体骨骼关键点的快速检测方法及系统，特别是涉及一种可用于智能相机的人体骨骼关键点的快速检测方法及系统。

背景技术

人体骨骼关键点检测是计算机视觉中一项经典的任务，具体来说时候指计算机能够检测到人体各个骨骼点包括头、手、肩、脚踝等位置。通过快速检测人体骨骼关键点可以为监控、人机交互等未来具有重要意义的场景提供技术基础。

人体骨骼关键点检测的目标是以一张图片为输入，输出图中人体的各个骨骼关键点在图像中的二维坐标。用以输入的图片可以是深度图或彩色图。现有成熟的技术(例如Kinematic)集中于使用二维深度图作为输入，因为深度图可以测量人与相机的距离，即深度信息，计算机可以根据这些深度信息来计算人体的轮廓信息。但是深度图相机十分不普及，而且在生活中不论是手机、相机以及网络上可以获取的图片都是彩色图，因此设计一种基于彩色图的人体骨骼关键点的方法对于在日常生活中推进相关应用技术的落地具有重要意义。

然而，由于基于彩色图的人体骨骼关键点检测方法需要使用卷积神经网络来提取彩色图的特征信息，并且结合特征信息来进行检测，这对于计算资源的要求比较高。在研究中通常使用计算机中的图像处理单元GPU(Graphics Processing Unit)来进行计算，但是在生活中无法使用这种昂贵的计算资源来进行计算。一般的手机或者其他移动设备上使用中央处理单元CPU(Central Processing Unit)进行计算。如果直接将这种算法部署到手机或其他移动设备上使用，计算时间会大大增加，不利于实际使用。因此实有必要设计一种轻量级卷积神经网络，在保证结果准确的情况下通过更少的计算来进行人体骨骼关键点检测，使其可以部署在计算能力较弱的设备上。

发明内容

为克服上述现有技术存在的不足，本发明之目的在于提供一种人体骨骼关键点的快速检测方法及系统，以通过设计轻量化的卷积神经网络结构，减少运算时间，在智能相机上实现人体骨骼关键点的检测。

为达上述目的，本发明提出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，获取一二维彩色图；

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，并将该些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。

优选地，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。