[發明專利]基于圖像識別的人體姿態檢測方法、裝置和存儲介質

有效

• 申請號: 202110602637.8
• 申請日: 2021-05-31
• 公開（公告）號: CN113326778B
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 段勃;李浩瀾;楊東鑫;張春明;王佩;張楊
• 申請（專利權）人: 中科計算技術西部研究院
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V40/10;G06V20/40;G06V10/764;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 重慶中之信知識產權代理事務所(普通合伙) 50213
• 代理人: 黃妍

本發明提供一種基于圖像識別的人體姿態檢測方法、裝置和存儲介質，所述方法包括：獲取待識別的當前幀圖像；對所述當前幀圖像進行特征提取，得到所述當前幀圖像中的關鍵點類別信息集和親和度向量集；根據所述關鍵點類別信息集和所述親和度向量集，構建出所述當前幀圖像中的人體姿態框架圖；根據所述人體姿態框架圖，獲取到所述人體姿態檢測結果；因此，本發明解決了現有技術進行人體姿態識別方法存在誤檢率高和實時性差的問題，有效提高了檢測速度和準確度，滿足了對人體姿態識別的實時性和準確性的需求。

技術領域

本發明涉及圖像識別技術領域，具體涉及基于圖像識別的人體姿態檢測方法、裝置和存儲介質。

背景技術

人體姿態識別技術是機器視覺領域的重要分支和前沿性技術,其在目前的智能應用具有重要意義，例如,可廣泛應用于智能視頻監控、機器人視覺、人機交互、游戲控制等領域,應用市場前景廣闊。

在現有技術中，一般采用基于人工設定的圖像HOG、SHIFT特征的進行姿態估計，但是該種方式需要人工提前設定HOG及SHIFT特征，并沒有準確獲取圖像豐富信息，導致算法在不同成像視角、多人互相遮擋、等噪聲影響時，無法準確捕捉特征變化，導致姿態識別結果不唯一，并且在人體做出相似動作時姿態識別結果容易出現混淆的問題。

可見，現有技術進行人體姿態識別方法存在誤檢率高和實時性差的問題，不能滿足對人體姿態識別的實時性和準確性的需求。

發明內容

針對現有技術中所存在的不足，本發明提供的基于圖像識別的人體姿態檢測方法、裝置和存儲介質，其解決了現有技術進行人體姿態識別方法存在誤檢率高和實時性差的問題，有效提高了檢測速度和準確度，滿足了對人體姿態識別的實時性和準確性的需求。

第一方面，本發明提供一種基于圖像識別的人體姿態檢測方法，所述方法包括：獲取待識別的當前幀圖像；對所述當前幀圖像進行特征提取，得到所述當前幀圖像中的關鍵點類別信息集和親和度向量集；根據所述關鍵點類別信息集和所述親和度向量集，構建出所述當前幀圖像中的人體姿態框架圖；根據所述人體姿態框架圖，獲取到所述人體姿態檢測結果。

可選地，對所述當前幀圖像進行特征提取，得到所述當前幀圖像中的關鍵點類別信息集和親和度向量集，包括：將所述當前幀圖像輸入ShuffleNet_v2神經網絡，得到當前特征圖像；將所述當前特征圖像輸入第一卷積神經網絡，得到每個關鍵點的置信度參數和位置參數；根據每個關鍵點的置信度參數，得到每個關鍵點的類別信息；將所有關鍵點的類別信息組合成所述關鍵點類別信息集。

可選地，對所述當前幀圖像進行特征提取，得到所述當前幀圖像中的關鍵點類別信息集和親和度向量集，還包括：將所述當前特征圖像輸入第二卷積神經網絡，得到每個關鍵點的向量參數；根據所述每個關鍵點的位置參數和置信度參數，得到每個關鍵點的類別信息；根據所述每個關鍵點的類別信息、所述位置參數、所述向量參數和親和度算法，獲取每個關鍵點相對應的親和度向量；將所有關鍵點的親和度向量組成所述親和度向量集。

可選地，所述親和度算法為：

其中，D表示關鍵點i和關鍵點i+1的歐式距離，u為單位向量，k_i和k_i+1表示關鍵點的向量參數。

可選地，根據所述關鍵點類別信息集和所述親和度向量集，構建出所述當前幀圖像中的人體姿態框架圖，包括：根據所述關鍵點類別信息集和所述親和度向量集，獲取與每個關鍵點親和度最高的匹配點；將所述每個關鍵點與所述匹配點進行拼接，得到所述人體姿態框架圖。

可選地，獲取待識別的當前幀圖像，包括：在當前時間段內，實時獲取目標監控區域的視頻圖像；對所述視頻圖像進行多線程解碼，得到解碼圖像集；對所述解碼圖像集進行預處理，得到所述待識別的當前幀圖像。