[发明专利]一种基于人体树状网络和不同激活域值的姿态估计方法

权利要求书

1.一种基于人体树状网络和不同激活域值的姿态估计方法，其特征在于：包括如下步骤：

步骤S10、搭建人体树状网络；

步骤S20、分别设置各关节的激活域值，基于所述激活域值生成训练标签；生成各关节的偏移热图标签；利用所述训练标签以及偏移热图标签对人体树状网络进行训练；

步骤S30、将人体图像输入训练后的所述人体树状网络，计算得到各关节之间的亲属度；基于所述亲属度计算得到所述人体图像中每个人的完整姿态；

所述步骤S20具体包括：

步骤S21、分别设置各关节的激活域值σ＝{σ_j}_{j＝0,1,2,...,m}，且各关节的激活域值从人体近端至人体远端逐渐增大，基于所述激活域值计算各节点分配到关节热图中位置k的置信分数，基于各所述置信分数组成训练标签：

其中m表示关节的总数，为正整数；j表示关节的编号，为正整数；i表示人的编号，为正整数；p表示当前的关节热图，尺度为64×64；表示第i个人的第j个关节的关节热图；表示第i个人的第j个关节分配到关节热图中位置k的置信分数；

步骤S22、计算第i个人的第j个关节的关节位置，在第2j和2j+1张偏移热图的位置τ的响应值和基于各所述响应值组成偏移热图标签；

其中q表示偏移热图；w和h分别表示偏移热图的宽和高；x和y分别表示偏移热图的横坐标和纵坐标；表示第i个人的第j个关节在偏移热图的x坐标上的τ的响应值；表示第i个人的第j个关节在偏移热图的y坐标上的τ的响应值；

步骤S23、利用所述训练标签以及偏移热图标签对人体树状网络进行训练；

所述步骤S21和步骤S22不分先后顺序；

所述步骤S20中，所述人体树状网络训练的损失函数为：

Loss_total＝λ₁(Loss_S+Loss_L)+λ₂(Loss_refine-S+Loss_refine-L)；

其中λ₁和λ₂均表示损失权重；S_t＝{S₁,...,S_T}，L_t＝{L₁,...,L_T}，均表示人体树状网络的实际输出；Loss_total表示人体树状网络的总损失值；Loss_S表示子关节热图损失；Loss_L表示子偏移热图损失；Loss_refine-S表示最终关节热图损失；Loss_refine-L表示最终偏移热图损失；S_t(P)、L_t(P)、S_j(P)、L_j(P)、T、J依次表示预测子关节热图值、真实标签关节热图值、预测子偏移热图值、真实标签偏移热图值、最终预测关节热图、真实标签关节热图、最终预测偏移热图、真实标签偏移热图、关节热图张数、偏移热图张数。