[发明专利]人体姿态图像的关键点检测方法

权利要求书

1.一种人体姿态图像的关键点检测方法，其特征在于，包括：

第一获取步骤，获取若干张人体姿态图像并进行标注，生成一样本集；

搭建步骤，搭建一个用于提取所述人体姿态图像的特征信息的估计网络，所述估计网络包括依次连接的卷积神经网络、残差阶梯网络、姿态修正机以及损失函数；

训练步骤，输入所述训练样本集至所述估计网络中进行训练，得到一个人体姿态估计模型；

测试步骤，输入一待分析的人体姿态图像，并执行姿态估计操作，以得到所述人体姿态的关键点信息；

其中，所述残差阶梯网络用以接收所述卷积神经网络输出的特征信息并减少特征通道中的冗余信息，所述姿态修正机的通道注意力机制中具有空间注意力机制。

2.如权利要求1所述的人体姿态图像的关键点检测方法，其特征在于，

所述第一获取步骤包括：

第一采集步骤，采集一帧图像；以及预处理步骤，在所述一帧图像中定位每一个行人，形成若干张人体图像；

打标签步骤，对所述若干张人体图像标注人体关键点后生成一样本集。

3.如权利要求1所述的人体姿态图像的关键点检测方法，其特征在于，

所述标注的实例为人体的关节点，具体包括：五官、左右肩、左右胳膊肘、左右手腕、左右臀、左右膝盖以及左右脚踝。

4.如权利要求1所述的人体姿态图像的关键点检测方法，其特征在于，

所述卷积神经网络为7*7的二维卷积单元，其步长为2，用以输出64个通道的特征。

5.如权利要求1所述的人体姿态图像的关键点检测方法，其特征在于，

所述训练步骤包括：

样本集分类步骤，随机划分所述样本集为训练样本及测试样本；

第一输入步骤，顺序读取所述训练样本的人体图像，并分批输入所述训练样本至所述估计网络的中，以执行训练操作；

初级模型构建步骤，在训练过程中对所述估计网络的网络参数权重进行调整，以获得训练后的第一训练模型；

验证步骤，输入所述测试样本至所述第一训练模型中进行验证操作；

初级模型优化步骤，根据所述验证步骤的验证结果对所述第一训练模型进行优化，以获得所述估计模型；

输出步骤，输出通过所述估计网络模型的卷积模块所计算得到的人体姿态的特征表示，输出通过所述估计网络模型的定位模块所计算得到的人体姿态的关键点位置信息，输出所述估计网络模型的人体姿态信息。

6.如权利要求1所述的人体姿态图像的关键点检测方法，其特征在于，

所述残差阶梯网络包括4组残差阶梯单元，每组残差阶梯单元包括2个残差阶梯块；

其中，每个残差阶梯块具有4个分支，每个分支包括若干个1*1和3*3的卷积单元，并且上层分支向下层传递特征信息。

7.如权利要求6所述的人体姿态图像的关键点检测方法，其特征在于，

最后一路分支中还包括一通道切分模块，与所述卷积单元相连接；

所述通道切分模块包括：

分割单元，将输入的特征分成k个部分，其中，k2，每一部分皆具有相同大小的通道，将该通道标号为C1~Ck；

特征增强单元，分别连接通道C2~Ck-1，所述特征增强单元用以去除特征中的冗余结构，其中每一通道经所述特征增强单元输出的特征传递至下一通道中；

拼接单元，将所述多个通道的输出进行特征拼接并输出；

其中，通道C1的特征直接传递至所述拼接单元进行拼接，通道Ck接收通道Ck-1经所述特征增强单元输出的特征后，经过卷积操作输出至所述拼接单元。