[发明专利]一种用于人体姿态的估计方法和系统

权利要求书

1.一种用于人体姿态的估计方法，其特征在于，包括：

S1：将图像输入包括四层编码层和四层解码层结构的编码解码器网络中训练，输出语义分割结果；

S2：利用能量函数将前两个编码层中获得的像素语义概率图转换为边缘激活像素图，响应于像素的激活值大于激活值阈值，所述像素为边缘像素；

S3：基于所述语义分割结果中的语义标签将属于同一实例的像素聚集获得实例分割结果，所述实例分割结果包括表示每个像素所属实例的掩码；以及

S4：利用全卷积网络生成人体骨骼置信度图，输出每个实例中每个像素所属骨骼部件标签，通过全连接网络回归关节点位置，在每个实例内进行关节点的连接构造出人体的骨架结构获取人体姿态信息。

2.根据权利要求1所述的用于人体姿态的估计方法，其特征在于，所述编码层包括3*3卷积网络，编码器通过最大池化操作，获得不同尺度的特征。

3.根据权利要求2所述的用于人体姿态的估计方法，其特征在于，所述解码层包括2*2卷积网络，解码器通过上采样调整图片大小，经过四层所述解码层回到初始图像大小，并且所述解码器中最后一层解码层之后添加了1*1的卷积用于获得所述图像中每个像素的类别。

4.根据权利要求1所述的用于人体姿态的估计方法，其特征在于，所述步骤S2具体包括通过能量函数m_i＝col_i(|M*Softmax(p)-Softmax(p)|)将前两个编码层中得到的像素语义概率图转换成边缘激活像素图{m₁,m₂,...,m_i}(m_i∈R^N)，其中，p表示像素值属于第i个语义类别的概率，Softmax为交叉熵函数，M代表平均滤波，col_i代表第i列，m_i代表第i个类别激活点像素掩码。

5.根据权利要求4所述的用于人体姿态的估计方法，其特征在于，靠近预测边界的像素点具有较大的激活值。

6.根据权利要求1所述的用于人体姿态的估计方法，其特征在于，所述步骤S3具体为对所述语义标签为人的像素进行k-means聚类，并将属于同一实例的像素聚集到一起获得实例分割结果。

7.根据权利要求1所述的用于人体姿态的估计方法，其特征在于，所述步骤S3之后还包括采用加权边缘像素损失函数：优化实例分割结果，其中，P_i代表第i个语义类别的像素中边缘像素的概率。

8.根据权利要求1所述的用于人体姿态的估计方法，其特征在于，所述步骤S4中还包括利用条件随机场优化所述人体骨骼置信度图。

9.一种计算机可读存储介质，其上存储有一或多个计算机程序，其特征在于，该一或多个计算机程序被计算机处理器执行时实施权利要求1至8中任一项所述的方法。

10.一种用于人体姿态的估计系统，其特征在于，所述系统包括：

语义分割单元：配置用于将图像输入包括四层编码层和四层解码层结构的编码解码器网络中训练，输出语义分割结果；

边缘像素获取单元：配置用于利用能量函数将前两个编码层中获得的像素语义概率图转换为边缘激活像素图，响应于像素的激活值大于激活值阈值，所述像素为边缘像素；

实例分割单元：配置用于基于所述语义分割结果中的语义标签将属于同一实例的像素聚集获得实例分割结果，所述实例分割结果包括表示每个像素所属实例的掩码；以及

姿态估计单元：利用全卷积网络生成人体骨骼置信度图，输出每个实例中每个像素所属骨骼部件标签，通过全连接网络回归关节点位置，在每个实例内进行关节点的连接构造出人体的骨架结构获取人体姿态信息。