[发明专利]一种基于形状相似度的人体姿态估计方法及系统

权利要求书

1.一种基于形状相似度的人体姿态估计方法，其特征在于，包括：

S₁₀₀：对图像中的每个人体检测对象进行目标检测，并对单人的边界框进行粗定位；

S₂₀₀：计算每个人体检测对象的置信度得分，并提出基于交并比IOU的加权函数，以改变每个人体检测对象的检测框与最大得分检测框的交并比IOU大于人为设定阈值的置信度得分；

S₃₀₀：对每个人体检测对象的检测框进行归一化处理，并通过形状相似度权重函数调整重叠检测框的得分，以得到所有人体检测对象中的单人最大得分检测框；

S₄₀₀：对所述单人最大得分检测框中的单人图片进行裁剪，并通过CNN网络采样提取裁剪后单人图片的特征图；

S₅₀₀：通过TransPose网络结构对输入的特征图进行关键点提取得到单人关键点热图，同时输出单个通道的人体标签热点预测图，以用于判断检测的关键点是否属于主要个体，

所述标签热点预测图用于给出关键点属于当前框中目标人体检测对象的置信度，以预测标签热点预测图的损失函数遵循关联嵌入提出的分组损失；

S₆₀₀：从单人关键点热图中生成第一粗糙候选关键点，采用最大池化方法作为非极大抑制滤波器减少候选关键点的数量，通过固定的关键点检测阈值得到第二粗糙候选关键点，并用所述人体标签热点预测图来细化所述第二粗糙候选关键点，以得到最终的人体姿态估计结果。

2.根据权利要求1所述的基于形状相似度的人体姿态估计方法，其特征在于，在步骤S₁₀₀中，所述对单人边界框的粗定位具体包括：

S₁₀₁：对图片中的人体进行目标检测后，引进柔和非极大值抑制的后处理算法，选择所述人体检测对象的最大得分检测框；

S₁₀₂：并将所述图像中剩余人体检测对象的检测框作为候选框组；

S₁₀₃：依次计算所述候选框组中的检测框与所述最大得分检测框的交并比IOU。

3.根据权利要求1所述的基于形状相似度的人体姿态估计方法，其特征在于，在步骤S₂₀₀中，所述提出基于交并比的加权函数soft-nms的计算表达式式为：

f(iou(M,b_i))＝(1-iou(M,b_i))，或者

f(iou(M,b_i))＝exp(-iou(M,b_i)²/σ)

式中，M代表最大得分的检测框，b_i代表人体检测对象，σ代表超参数，iou(M，b_i)代表计算b_i与M的交并比，exp代表取以e为底的指数运算，f(iou(M,b_i))是一个基于交并比的加权函数，用于改变与M交并比大于N_t的检测框的置信度得分；

并对评分函数进行了重构，所述评分函数s_i的表达式为：

式中，s_i是人体检测对象b_i的置信度得分，N_t是根据实验人为设定的阈值。