[发明专利]一种人体姿态识别模型优化方法、装置和终端设备

说明书

本发明提供了一种人体姿态识别模型优化方法、装置和终端设备，该方法包括，利用预设的姿态估计算法获取到包括预定数量关节点的人体姿态热图；分别将每个关节点的热图对应的特征图与人体姿态识别模型对应通道的卷积核进行深度可分离卷积以确定各个通道对应的关节点特征图；对各个通道对应的关节点特征图进行局部特征融合处理和/或全局特征融合处理以获取融合姿态特征图；利用融合姿态特征图确定各个通道之间的线性关系；利用各个通道之间的线性关系更新人体姿态识别模型的对应通道的权重系数。本发明可以极大地提升人体姿态识别模型的表达能力，从而提升人体姿态识别模型的性能。

技术领域

本发明涉及人工智能领域，尤其涉及一种人体姿态识别模型优化方法、装置和终端设备。

背景技术

人体姿态估计的主要任务是从输入图像中定位人体关键点(肘部、手腕、膝盖等)的位置，在动作识别、人机交互等多种视觉场景具有一定的实际应用价值。在服务机器人领域，人体姿态估计算法可以让机器人更好的理解人的动作，是机器人理解和分析人的各种行为的基础。然而，目前的方法直接将热图与真值进行误差的计算，并没有对热图进行进一步的分析，因此，目前现有的人体姿态估计方法精度较低。

发明内容

鉴于上述问题，本发明提出一种人体姿态识别模型优化方法、装置和终端设备。

本发明提出一种人体姿态识别模型优化方法，该方法包括：

利用预设的姿态估计算法获取到包括预定数量关节点的人体姿态热图；

分别将每个关节点的热图对应的特征图与人体姿态识别模型对应通道的卷积核进行深度可分离卷积以确定各个通道对应的关节点特征图；

对所述各个通道对应的关节点特征图进行局部特征和/或全局特征融合处理以获取融合姿态特征图；

利用所述融合姿态特征图确定所述各个通道之间的线性关系；

利用所述各个通道之间的线性关系更新所述人体姿态识别模型的对应通道的权重系数。

本发明所述的人体姿态识别模型优化方法，对所述各个通道对应的关节点特征图进行局部特征融合处理包括：

将所述各个通道对应的关节点特征图作为待局部融合处理的特征图；

根据预设的分组规则将所述各个通道对应的待局部融合处理的特征图分为多个特征图组；

利用第g个特征图组内的第i个通道对应的待局部融合处理的特征图与第g个特征图组内除第i个通道对应的待局部融合处理的特征图以外的其他各个通道对应的待局部融合处理的特征图进行局部特征融合以获取所述各个通道对应的关节点局部融合特征图；

利用所述各个通道对应的关节点局部融合特征图确定所述融合姿态特征图。

本发明所述的人体姿态识别模型优化方法，在获取所述各个通道对应的关节点局部融合特征图后，所述全局特征融合处理，包括：

分别对所述各个通道对应的关节点局部融合特征图进行平均池化操作以获取所述各个通道对应的关节点全局融合特征图；

利用所述各个通道对应的关节点全局融合特征图确定所述融合姿态特征图。

本发明实施例所述的人体姿态识别模型优化方法，所述对所述各个通道对应的关节点特征图进行全局特征融合处理，包括：

分别对所述各个通道对应的关节点特征图进行平均池化操作以获取所述各个通道对应的关节点全局融合特征图；

利用所述各个通道对应的关节点全局融合特征图确定所述融合姿态特征图。

本发明所述的人体姿态识别模型优化方法，在获取所述各个通道对应的关节点全局融合特征图后，所述局部特征融合处理，包括：