[发明专利]一种人体关键点识别方法、装置、终端设备及存储介质在审

专利信息
申请号: 202011518131.0 申请日: 2020-12-21
公开(公告)号: CN112507954A 公开(公告)日: 2021-03-16
发明(设计)人: 郭渺辰;程骏;张惊涛;胡淑萍;顾在旺;王东;庞建新 申请(专利权)人: 深圳市优必选科技股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62
代理公司: 深圳中一联合知识产权代理有限公司 44414 代理人: 肖遥
地址: 518000 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 人体 关键 识别 方法 装置 终端设备 存储 介质
【权利要求书】:

1.一种人体关键点识别方法,其特征在于,包括:

通过关键点检测模型检测人体图像中人体的N个关节位置处的关键点,获得所述关键点检测模型输出的N张热图和一张背景图;其中,N为大于或等于2的整数;

分割出每张所述热图中不同人体的关键点所在区域,并确定每张所述热图中不同人体的关键点所在区域的轮廓;

在所述关键点区域的轮廓内获取热图峰值;

根据每张所述热图中不同人体的关键点所在区域的轮廓内的热图峰值的坐标,获得每张所述热图中不同人体的关键点的坐标;

根据每个所述人体的关键点的坐标,绘制每个所述人体的关节特征图。

2.如权利要求1所述的方法,其特征在于,所述根据每张所述热图中不同人体的关键点所在区域的轮廓内的热图峰值的坐标,获得每张所述热图中不同人体的关键点的坐标,包括:

根据每张所述热图中不同人体的关键点的坐标,将每张所述热图中不同人体的关键点分配给对应的人体,获得每张所述热图中不同人体的关键点的坐标。

3.如权利要求2所述的方法,其特征在于,所述根据每张所述热图中不同人体的关键点的坐标,将每张所述热图中不同人体的关键点分配给对应的人体,获得每张所述热图中不同人体的关键点的坐标,包括:

根据每张所述热图中不同人体的关键点的坐标和每个所述人体的位置,将每张所述热图中不同人体的关键点映射至对应的人体,获得每张所述热图中不同人体的关键点的坐标。

4.如权利要求1所述的方法,其特征在于,所述根据每个所述人体的关键点的坐标,绘制每个所述人体的关节特征图,包括:

根据每个所述人体的关键点的坐标和预设关键点连接规则,绘制每个所述人体的关节特征图。

5.如权利要求1至4任一项所述的方法,其特征在于,所述根据每个所述人体的关键点的坐标,绘制每个所述人体的关节特征图之后,还包括:

通过分类网络对每个所述人体的关节特征图进行分类,获得每个所述人体的姿态类别标签。

6.如权利要求5所述的方法,其特征在于,所通过分类网络对每个所述人体的关节特征图进行分类,获得每个所述人体的姿态类别标签,包括:

使用不同颜色分别标识每个所述人体的关节特征图中的左部分关节和右部分关节;

将标识后的每个所述人体的关节特征图调整至预设大小;

通过调整后的每个所述人体的关节特征图对分类网络进行训练,获得所述分类网络输出的每个所述人体的姿态类别标签。

7.如权利要求6所述的方法,其特征在于,所述分类网络为轻量级分类网络;

所述将标识后的每个所述人体的关节特征图调整至预设大小,包括:

根据所述分类网络的分辨率,将标识后的每个所述人体的关节特征图调整至预设大小;

所述通过调整后的每个所述人体的关节特征图对分类网络进行训练,获得所述分类网络输出的每个所述人体的姿态类别标签,包括:

通过调整后的每个所述人体的关节特征图对分类网络进行训练,获得所述分类网络最后一层的归一化指数损失函数输出的每个所述人体的姿态类别标签。

8.一种人体关键点识别装置,其特征在于,包括:

关键点检测模块,用于通过关键点检测模型检测人体图像中人体的N个关节位置处的关键点,获得所述关键点检测模型输出的N张热图和一张背景图;其中,N为大于或等于2的整数;

关键点分割模块,用于分割出每张所述热图中不同人体的关键点所在区域,并确定每张所述热图中不同人体的关键点所在区域的轮廓;

热图峰值获取模块,用于在所述关键点区域的轮廓内获取热图峰值;

关键点定位模块,用于根据每张所述热图中不同人体的关键点所在区域的轮廓内的热图峰值的坐标,获得每张所述热图中不同人体的关键点的坐标;

特征图绘制模块,用于根据每个所述人体的关键点的坐标,绘制每个所述人体的关节特征图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011518131.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top