[发明专利]一种人体姿态识别方法、装置及电子设备

权利要求书

1.一种人体姿态识别方法，其特征在于，包括：

获取目标监控区域的视频数据；

利用预先训练好的人体检测模型对所述视频数据中的图像进行人体检测，得到人体检测框；

利用预先训练好的人体姿态识别模型对所述人体检测框中的人体姿态进行识别得到人体姿态识别结果。

2.根据权利要求1所述的方法，其特征在于，所述人体检测模型通过下述步骤训练得到：

构建第一训练数据集，所述第一训练数据集由多个场景中不同时间段和/或不同光照条件下的包含人体的图像组成；

利用yolo v3模型对所述第一训练数据集中的人体进行识别，对识别到的人体进行框选，得到预测框；

利用包含预测框的训练数据对预训练模型进行训练，直至所述预训练模型的准确率满足目标条件，得到人体检测模型。

3.根据权利要求2所述的方法，其特征在于，所述预训练模型包含所述yolo v3模型中的目标数量层的网络结构，所述预训练模型的网络层数大于所述目标数量层的层数，将所述yolo v3模型中的目标数量层的网络结构的输出数据作为所述预训练模型其他层网络结构的输入数据；

所述利用包含预测框的训练数据对预训练模型进行训练，直至所述预训练模型的准确率满足目标条件，得到人体检测模型，包括：

利用包含预测框的训练数据对所述预训练模型中其他层网络结构进行训练，直至所述预训练模型的准确率满足目标条件，得到所述人体检测模型。

4.根据权利要求1所述的方法，其特征在于，所述人体姿态识别模型根据下述步骤训练得到：

构建第二训练数据集，所述第二训练数据集由多个场景中不同时间段和/或不同光照条件下的包含人体的图像组成；

利用CPN模型对所述第二训练数据集中图像进行人体关键点标记；

根据标记结果得到不同类别的人体姿态分类数据集，从所述不同类别的人体姿态分类数据集中选取用于表征人体倒地姿态的人体姿态分类数据集；

利用所述用于表征人体倒地姿态的人体姿态分类数据集对目标分类模型进行训练，直至模型的准确性和损失值满足目标条件，得到所述人体姿态识别模型。

5.根据权利要求4所述的方法，其特征在于，所述CPN网络由GlobalNet网络和RefineNet网络构成。

6.根据权利要求4所述的方法，其特征在于，利用所述用于表征人体倒地姿态的人体姿态分类数据集对目标分类模型进行训练，直至模型的准确性和损失值满足目标条件，得到所述人体姿态识别模型，包括：

对所述用于表征人体倒地姿态的人体姿态分类数据集中的数据进行增强处理；

利用增强处理后的数据对目标分类模型进行训练，得到所述人体姿态识别模型。

7.根据权利要求4-6中任一项所述的方法，其特征在于，所述方法还包括：

选取包含人体的图像中人体中心点位于整个图像目标中心范围内的图像构建所述第二训练数据集；

滤除所述第二训练数据集中利用所述CPN模型进行人体关键点标记后得到的关键点数量小于预设数量的图像；

利用滤除后的图像进行所述人体姿态识别模型训练。

8.一种人体姿态识别装置，其特征在于，包括：

第一获取模块，用于获取目标监控区域的视频数据；

第二获取模块，用于利用预先训练好的人体检测模型对所述视频数据中的图像进行人体检测，得到人体检测框；

第三获取模块，用于利用预先训练好的人体姿态识别模型对所述人体检测框中的人体姿态进行识别得到人体姿态识别结果。

9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行如权利要求1-7任一所述的人体姿态识别方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的人体姿态识别方法的步骤。