[發(fā)明專利]一種人體姿態(tài)識別方法、裝置、設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201910942510.3
• 申請日: 2019-09-30
• 公開（公告）號: CN110781765A
• 公開（公告）日: 2020-02-11
• 發(fā)明（設(shè)計）人: 姚永強(qiáng);葛彥昊;張偉;曹煊;倪輝;汪鋮杰;李季檁;黃飛躍
• 申請（專利權(quán)）人: 騰訊科技(深圳)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 11270 北京派特恩知識產(chǎn)權(quán)代理有限公司
• 代理人: 劉暉銘;張穎玲

1.一種人體姿態(tài)識別方法，其特征在于，包括：

獲取待識別圖像；所述待識別圖像中包含人體的成像信息；

對所述待識別圖像進(jìn)行人體檢測，得到至少一個人體信息；

對所述待識別圖像中的人體姿態(tài)關(guān)鍵點進(jìn)行多尺度識別，得到多尺度關(guān)鍵點；

對所述多尺度關(guān)鍵點進(jìn)行多尺度融合，得到目標(biāo)關(guān)鍵點；

將所述目標(biāo)關(guān)鍵點分配至每個人體信息中，得到人體姿態(tài)信息，完成人體姿態(tài)識別；所述人體姿態(tài)信息為所述每個人體信息的姿態(tài)所構(gòu)成的集合。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述待識別圖像中的所述人體姿態(tài)關(guān)鍵點進(jìn)行多尺度識別，得到多尺度關(guān)鍵點，包括：

對所述待識別圖像進(jìn)行多尺度特征提取，得到目標(biāo)多尺度特征；

對所述目標(biāo)多尺度特征進(jìn)行所述人體姿態(tài)關(guān)鍵點識別，得到所述多尺度關(guān)鍵點。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述對所述待識別圖像中的人體姿態(tài)關(guān)鍵點進(jìn)行多尺度識別，得到多尺度關(guān)鍵點，包括：

利用預(yù)設(shè)關(guān)鍵點識別模型，對所述待識別圖像中的所述人體姿態(tài)關(guān)鍵點進(jìn)行多尺度識別，得到所述多尺度關(guān)鍵點；

其中，所述預(yù)設(shè)關(guān)鍵點識別模型用于從至少兩種尺度對所述待識別圖像中的所述人體姿態(tài)關(guān)鍵點進(jìn)行識別。

4.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述對所述多尺度關(guān)鍵點進(jìn)行多尺度融合，得到目標(biāo)關(guān)鍵點，包括：

獲取所述多尺度關(guān)鍵點的局部最大值，得到預(yù)測多尺度關(guān)鍵點；

基于所述多尺度關(guān)鍵點，對所述預(yù)測多尺度關(guān)鍵點進(jìn)行線性組合處理，得到初始多尺度關(guān)鍵點；

對所述初始多尺度關(guān)鍵點進(jìn)行多尺度融合處理，得到所述目標(biāo)關(guān)鍵點。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于所述多尺度關(guān)鍵點，對所述預(yù)測多尺度關(guān)鍵點進(jìn)行線性組合處理，得到初始多尺度關(guān)鍵點，包括：

從所述多尺度關(guān)鍵點上，獲取預(yù)設(shè)數(shù)量的與所述預(yù)測多尺度關(guān)鍵點的距離最小的相鄰關(guān)鍵點；

對所述預(yù)測多尺度關(guān)鍵點和所述相鄰關(guān)鍵點進(jìn)行線性組合，得到所述初始尺度關(guān)鍵點。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述初始多尺度關(guān)鍵點包括至少一個多尺度目標(biāo)關(guān)鍵點，每個多尺度目標(biāo)關(guān)鍵點由至少兩種尺度下每種尺度對應(yīng)的關(guān)鍵點構(gòu)成的集合組成；所述對所述初始多尺度關(guān)鍵點進(jìn)行多尺度融合處理，得到所述目標(biāo)關(guān)鍵點，包括：

獲取所述初始多尺度關(guān)鍵點中所述每個多尺度目標(biāo)關(guān)鍵點的目標(biāo)中心點；

計算所述每個多尺度目標(biāo)關(guān)鍵點中每種尺度對應(yīng)的關(guān)鍵點，到所述目標(biāo)中心點的距離，得到目標(biāo)距離；

將所述目標(biāo)距離中小于預(yù)設(shè)距離閾值的關(guān)鍵點的均值，作為與所述每個多尺度目標(biāo)關(guān)鍵點對應(yīng)的子目標(biāo)關(guān)鍵點，從而得到與所述初始多尺度關(guān)鍵點對應(yīng)的所述目標(biāo)關(guān)鍵點。

7.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述將所述目標(biāo)關(guān)鍵點分配至每個人體信息中，得到人體姿態(tài)信息，包括：

從所述目標(biāo)關(guān)鍵點中，確定屬于所述每個人體信息的個體關(guān)鍵點；

從所述個體關(guān)鍵點中，獲取所述人體姿態(tài)關(guān)鍵點中每個關(guān)鍵點類型所對應(yīng)的個體類型關(guān)鍵點；

從所述個體類型關(guān)鍵點中，獲取目標(biāo)個體類型關(guān)鍵點，得到與所述每個人體信息對應(yīng)的個體姿態(tài)關(guān)鍵點；

根據(jù)所述個體姿態(tài)關(guān)鍵點，得到所述每個人體信息對應(yīng)的個體姿態(tài)，從而得到所述至少一個人體信息對應(yīng)的所述人體姿態(tài)信息。

8.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述對所述待識別圖像進(jìn)行人體檢測，得到至少一個人體信息之前，所述方法還包括：

獲取目標(biāo)樣本圖像；所述目標(biāo)樣本圖像用于訓(xùn)練得到所述預(yù)設(shè)關(guān)鍵點識別模型；

搭建原始關(guān)鍵點識別模型；所述原始關(guān)鍵點識別模型為多尺度層次結(jié)構(gòu)的模型；

利用所述目標(biāo)樣本圖像，對所述原始關(guān)鍵點識別模型進(jìn)行訓(xùn)練，得到所述預(yù)設(shè)關(guān)鍵點識別模型。