[發明專利]基于姿態識別的人體模型建立方法

在審

• 申請號: 202110903661.5
• 申請日: 2021-08-06
• 公開（公告）號: CN113609999A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 莫富灝;于志旺
• 申請（專利權）人: 湖南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 長沙永星專利商標事務所(普通合伙) 43001
• 代理人: 周詠;米中業

本發明公開了一種基于姿態識別的人體模型建立方法，包括獲取人體模型基礎數據；采用檢測網絡檢測得到檢測模型；采用姿態檢測算法進行二維姿態估計得到估計模型；對估計模型進行對稱空間變換提取單人區域；對單人區域進行檢測冗余處理得到人體姿態估計以及人體關節點的像素坐標；進行關節角度的運動信息計算和建立人體模型。本發明提供的這種基于姿態識別的人體模型建立方法，通過創新性的算法設計對人體模型進行建立，從而保證了算法本身的可靠性高，而且本發明方法準確性好且易于實施。

技術領域

本發明具體涉及一種基于姿態識別的人體模型建立方法。

背景技術

隨著經濟技術的發展和人們生活水平的提高，人們對于健康的關注程度也越來越高。因此，對于人體步態的分析和人體模型的建模，就顯得尤為重要。對于人體步態分析和建模的方法，目前主要是基于計算機視覺的步態分析技術和基于MEMS慣性傳感器的步態分析技術兩種。

基于計算機視覺2D攝像頭的動作捕捉系統，主要采用卷積神經網絡捕獲特定關節點的特征，從而凸顯相關關節的坐標，進行人體的二維建模。該方法需要采集大量的數據樣本作為訓練數據集，同時不能有攝像頭的遮擋。因此實施起來并不方便。

而基于MEMS慣性傳感器的步態分析系統，主要由多個MEMS慣性傳感器組成，人體關節每個測量部位都穿戴慣性傳感器，慣性傳感器會反饋在運動過程中的角速度，加速度，磁力值以及運動姿態角度等測量信息，同時設置基于加速度傳感器，陀螺儀，磁力計的數據融合算法，利用正向運動學和反向運動學實時推測出整個人身體的運動參數。該方法的缺點是，慣性傳感器在每次測量前都需要校準，且校準后不能移動相關傳感器的位置，同時傳感器容易受到周圍磁場的干擾，對于普通患者而言操作較復雜。

發明內容

本發明的目的在于提供一種可靠性高、準確性好且易于實施的基于姿態識別的人體模型建立方法。

本發明提供的這種基于姿態識別的人體模型建立方法，包括如下步驟：

S1.獲取人體模型基礎數據；

S2.對步驟S1獲取的人體模型基礎數據采用檢測網絡進行檢測，并得到檢測模型；

S3.對步驟S2得到的檢測模型，采用姿態檢測算法進行二維姿態估計，從而得到估計模型；

S4.對步驟S3得到的估計模型進行對稱空間變換，從而提取單人區域；

S5.對步驟S4得到的單人區域進行檢測冗余的處理，從而得到人體姿態估計以及人體關節點的像素坐標；

S6.根據步驟S5得到的像素坐標，進行關節角度的運動信息計算；

S7.根據步驟S6得到的計算結果，建立人體模型。

步驟S2所述的對步驟S1獲取的人體模型基礎數據采用檢測網絡進行檢測，具體為采用YOLO v3檢測網絡檢測人體。

所述的采用YOLO v3檢測網絡檢測人體，具體為采用如下步驟進行檢測：

通過Darknet53網絡對輸入數據進行特征提取，得到特定大小的特征圖輸出；然后將得到的圖像分成13*13的網格大小，同時規定若真實框中某個物體的中心坐標落在某個網格中，那么就由該網格來預測該物體；同時，每個物體由三個邊界框進行預測，使用邏輯回歸網絡確定預測的回歸框；

在YOLO v3檢測網絡中，YOLO v3_body共有252層，其中23個res_unit層對應23個add層，BN層共72層，LeakyReLu層共72層；每一層BN層后面均連接一層LeakyReLu層；此外，上采樣和張量拼接操作各2個，5個零填充對應5個res_block；