[发明专利]基于骨骼点检测的人体状态判断方法

权利要求书

1.基于骨骼点检测的人体状态判断方法，其特征在于：包括如下步骤：

步骤1、构建CNN_Hourglass网络结构，提取对分类/检测/识别任务有帮助的特征；

步骤2、通过Hourglass模块捕捉人体每个尺度下的信息，预测在每个像素处存在关节的概率，构成特征图；

步骤3、在特征图上对每个像素点做概率预测，计算该像素是某个关节点的概率；

步骤4、将检测到的关节点与已知状态的骨骼点形态进行最小化比对，获取最接近的形态，即可以判断出图像中的人体状态。

2.根据权利要求1所述的基于骨骼点检测的人体状态判断方法，其特征在于：步骤2在Hourglass模块中，应用多个卷积和步骤将特征降到低分辨率，当达到最低分辨率的时候，网络开始上采样。

3.根据权利要求2所述的基于骨骼点检测的人体状态判断方法，其特征在于：上采样部分应用最邻近采样方式。

4.根据权利要求3所述的基于骨骼点检测的人体状态判断方法，其特征在于：Hourglass模块中间连接部分跨接一个Residual模块，用于对上采样后的图特征进行提取。

5.根据权利要求4所述的基于骨骼点检测的人体状态判断方法，其特征在于：所述上采样应用最临近插值的方法，然后再将两个特征集按元素位置相加。

6.根据权利要求2所述的基于骨骼点检测的人体状态判断方法，其特征在于：Hourglass模块的网络输出为一组拥有关键点的热图。

7.根据权利要求6所述的基于骨骼点检测的人体状态判断方法，其特征在于：当到达输出分辨率的时候，再接两个1×1的卷积层来进行最后的预测。

8.根据权利要求1所述的基于骨骼点检测的人体状态判断方法，其特征在于：还包括中间监督模块，用于网络中间部分的监督训练。

9.根据权利要求1所述的基于骨骼点检测的人体状态判断方法，其特征在于：步骤2中，利用LSP的验证集，测试了一系列图片的结果构成特征图。

10.根据权利要求1所述的基于骨骼点检测的人体状态判断方法，其特征在于：步骤4中，根据已知骨骼点的图像信息，进行骨骼点的比对，概率超过6.5时，判定该骨骼点属于哪个关节点的位置。