[發(fā)明專利]基于分組卷積的人體姿態(tài)識別方法、裝置、設備和介質在審
| 申請?zhí)枺?/td> | 202010591669.8 | 申請日: | 2020-06-24 |
| 公開(公告)號: | CN111753736A | 公開(公告)日: | 2020-10-09 |
| 發(fā)明(設計)人: | 袁振杰;郝瑞;雒冬梅;李慧強;宋亞蓮 | 申請(專利權)人: | 北京軟通智慧城市科技有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 北京品源專利代理有限公司 11332 | 代理人: | 孟金喆 |
| 地址: | 100193 北京市海淀區(qū)*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 分組 卷積 人體 姿態(tài) 識別 方法 裝置 設備 介質 | ||
本發(fā)明實施例公開了一種基于分組卷積的人體姿態(tài)識別方法、裝置、設備和介質。該基于分組卷積的人體姿態(tài)識別方法包括:獲取待識別圖像;將所述待識別圖像輸入到人體姿態(tài)識別模型中,得到所述人體姿態(tài)識別模型的輸出結果;其中,所述人體姿態(tài)識別模型中包括至少兩組卷積單元,用于得到待識別圖像的至少兩個特征數(shù)據(jù);根據(jù)所述輸出結果,確定待識別圖像中的人體姿態(tài)。本發(fā)明實施例通過待識別圖像的至少兩個特征數(shù)據(jù)提高人體姿態(tài)特征提取的全局性,避免受到局部特征的影響造成姿態(tài)識別不準確,進而提高姿態(tài)識別的準確率和人體姿態(tài)識別模型的泛化性。
技術領域
本發(fā)明實施例涉及計算機視覺技術領域,尤其涉及一種基于分組卷積的人體姿態(tài)識別方法、裝置、設備和介質。
背景技術
近年來,隨著信息技術的發(fā)展和人工智能技術的普及,人體姿態(tài)識別技術開始廣泛應用。相關研究人員用收集到的人體姿勢數(shù)據(jù)集來探索有效特征和進行分類。傳統(tǒng)的姿態(tài)識別方法主要有兩個步驟:(1)從原始輸入圖像中提取復雜的人工特征;(2)從獲取的特征中訓練分類器。
在傳統(tǒng)的姿態(tài)識別過程中,需要從原始輸入圖像中提取復雜的人工特征。雖然在識別精度上是有效的,但由于人體的高度復雜性,從骨關節(jié)點和深度圖像信息中提取的特征具有一定的局限性。并且大部分深度圖像需要進行預處理,導致姿態(tài)特征提取困難,識別效率低,收斂時間長。
發(fā)明內容
本發(fā)明實施例提供一種基于分組卷積的人體姿態(tài)識別方法、裝置、設備和介質,以提高人體姿態(tài)特征提取的全局性,進而提高姿態(tài)識別準確率。
第一方面,本發(fā)明實施例提供了一種基于分組卷積的人體姿態(tài)識別方法,包括:
獲取待識別圖像;
將所述待識別圖像輸入到人體姿態(tài)識別模型中,得到所述人體姿態(tài)識別模型的輸出結果;其中,所述人體姿態(tài)識別模型中包括至少兩組卷積單元,用于得到待識別圖像的至少兩個特征數(shù)據(jù);
根據(jù)所述輸出結果,確定待識別圖像中的人體姿態(tài)。
第二方面,本發(fā)明實施例還提供了一種基于分組卷積的人體姿態(tài)識別裝置,包括:
圖像獲取模塊,用于獲取待識別圖像;
輸出結果確定模塊,用于將所述待識別圖像輸入到人體姿態(tài)識別模型中,得到所述人體姿態(tài)識別模型的輸出結果;其中,所述人體姿態(tài)識別模型中包括至少兩組卷積單元,用于得到待識別圖像的至少兩個特征數(shù)據(jù);
姿態(tài)識別模塊,用于根據(jù)所述輸出結果,確定待識別圖像中的人體姿態(tài)。
第三方面,本發(fā)明實施例還提供了一種設備,包括:
一個或多個處理器;
存儲裝置,用于存儲一個或多個程序,
當所述一個或多個程序被所述一個或多個處理器執(zhí)行,使得所述一個或多個處理器實現(xiàn)如本發(fā)明任一實施例所述的基于分組卷積的人體姿態(tài)識別方法。
第四方面,本發(fā)明實施例還提供了一種計算機可讀存儲介質,其上存儲有計算機程序,該程序被處理器執(zhí)行時實現(xiàn)如本發(fā)明任一實施例所述的基于分組卷積的人體姿態(tài)識別方法。
本發(fā)明實施例基于預先訓練包括至少兩組卷積單元的人體姿態(tài)識別模型,將待識別圖像輸入到該模型中,以此得到待識別圖像的至少兩個特征數(shù)據(jù),通過待識別圖像的至少兩個特征數(shù)據(jù)可以提高人體姿態(tài)特征提取的全局性,避免受到局部特征的影響造成姿態(tài)識別不準確,進而提高姿態(tài)識別的準確率和人體姿態(tài)識別模型的泛化性。
附圖說明
圖1是本發(fā)明實施例一中的基于分組卷積的人體姿態(tài)識別方法的流程圖;
圖2A是本發(fā)明實施例二中的人體姿態(tài)識別模型訓練過程的流程圖;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于北京軟通智慧城市科技有限公司,未經北京軟通智慧城市科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010591669.8/2.html,轉載請聲明來源鉆瓜專利網。





