[发明专利]基于正交匹配追踪的人体关键点检测方法、装置及介质

说明书

本发明涉及一种基于正交匹配追踪的人体关键点检测方法、装置及介质，方法包括：将包含人物的待检测图像输入训练好的目标检测器，获得单个人物的裁剪图；设置人体关键点标注坐标；将裁剪图缩放至设定尺寸，并输入训练好的特征编码主干网络，获得感知矩阵；根据感知矩阵，利用正交匹配追踪算法对人体关键点标注坐标进行稀疏恢复，获取待检测图像中人物的人体关键点位置。与现有技术相比，本发明在保证较高计算精度的情况下减轻了计算负担，检测效率高。

技术领域

本发明涉及一种人体关键点检测技术，尤其是涉及一种基于正交匹配追踪的人体关键点检测方法、装置及介质。

背景技术

随着无人驾驶、人机交互、视频监控、行为识别等领域的蓬勃发展，这些研究的上游，如人体姿态估计显得尤其重要。在现有的姿态检测等任务中，首先需要对图像进行特征提取。之后，将特征信息输入预测网络进行姿态等预测。为了便于完成姿态检测等任务，一般需要确定人体的各个关键点的位置。在现有技术中，往往将人体作为整体确定其各个关键点的位置。现存的人体姿态估计方法可以分为基于Heatmap的方法和基于回归的方法，其中基于Heatmap的方法也可以分为自上而下的方法和自下而上的方法。由于基于Heatmap的方法是基于密集估计的方法具有亚像素级别的精度备受欢迎，但有较大的计算量；基于回归的方法具有计算量小的特点，但精度普遍不及基于Heatmap的方法。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于正交匹配追踪的人体关键点检测方法、装置及介质，在保证较高计算精度的情况下减轻了计算负担，检测效率高。

本发明的目的可以通过以下技术方案来实现：

一种基于正交匹配追踪的人体关键点检测方法，包括：

将包含人物的待检测图像输入训练好的目标检测器，获得单个人物的裁剪图；

设置人体关键点标注坐标；

将裁剪图缩放至设定尺寸，并输入训练好的特征编码主干网络，获得感知矩阵；

根据感知矩阵，利用正交匹配追踪算法对人体关键点标注坐标进行稀疏恢复，获取待检测图像中人物的人体关键点位置；

基于人体关键点稀疏的这一事实，根据信号处理的压缩感知理论：如果信号稀疏可压缩，就可通过远低于奈奎斯特限的采样率对信号进行采样，当采样数据涵盖了原始信号中主要信息时，便可大概率地准确重构原始信号，利用目标检测器分割出单个人物的裁剪图，统一尺寸后输入特征编码主干网络，获得感知矩阵，利用正交匹配追踪算法对人体关键点坐标进行稀疏恢复，实现压缩感知，计算量小，在保证较高计算精度的情况下减轻了计算负担，检测效率高。

进一步地，所述的感知矩阵记为G_M×N，表达式为

其中，g_j为G_M×N的第j列，g_ij为G_M×N的第i行第j列元素，i＝1,2,...,M，j＝1,2,...,N，M为挑选的关键支持点数，M≥K，N为裁剪图的像素总数。

进一步地，所述的正交匹配追踪算法包括：

设置稀疏度K、初始的残差信号r₀和初始的支撑集Λ₀，r₀＝{X,Y}，{X,Y}为关键点标注坐标，K是人体关键点的个数；

循环K次残差更新步骤，所述的残差更新步骤包括：

1)计算与当前残差信号最相关的列向量k_max：