[发明专利]一种基于深度学习的骨架线提取算法、系统及存储介质

权利要求书

1.一种基于深度学习的骨架线提取算法，其特征在于，包括：

对人体深度图进行人体区域分块的步骤：使用深度学习模型对人体深度图进行处理，得到人体区域分块结果；

求取人体区域分块质心的步骤：对每个人体区域分块进行以下处理：计算该人体区域分块像素点横坐标的均值与纵坐标的均值，横坐标的均值与纵坐标的均值即为该人体区域分块的质心坐标；

将各个人体区域分块的质心及人体区域分块的边界进行合并处理，得到各个关节点的步骤；

将各个关节点顺序连接，得到人体骨架线的步骤。

2.根据权利要求1所述的一种基于深度学习的骨架线提取算法，其特征在于，所述深度学习模型通过以下方法训练得到：

获取训练样本集，样本集中包含一定数量的人体深度图及其对应的人体区域标签图；

将各个人体深度图及其对应的人体区域标签图成对地输入到深度学习模型，对深度学习模型进行训练；

训练完成后便得到具备人体区域分块能力的深度学习模型。

3.根据权利要求1所述的一种基于深度学习的骨架线提取算法，其特征在于，所述合并处理进一步包括：

将人体区域分块中的上手臂分块的质心坐标与下手臂分块的质心坐标的均值作为手肘关节点；

将大腿分块和下躯干分块的交界处作为髋关节点；

将其余人体区域分块的质心作为其余关节点。

4.一种基于深度学习的骨架线提取系统，其特征在于，包括：

人体区域分块模块，用于使用深度学习模型对人体深度图进行处理，得到人体区域分块结果；

人体区域分块质心求取模块，用于对每个人体区域分块进行以下处理：计算该人体区域分块像素点横坐标的均值与纵坐标的均值，横坐标的均值与纵坐标的均值即为该人体区域分块的质心坐标；

关节点获取模块，用于将各个人体区域分块的质心及人体区域分块的边界进行合并处理，得到各个关节点；

人体骨架线获取模块，用于将各个关节点顺序连接，得到人体骨架线。

5.根据权利要求4所述的一种基于深度学习的骨架线提取系统，其特征在于，所述深度学习模型通过以下方法训练得到：

获取训练样本集，样本集中包含一定数量的人体深度图及其对应的人体区域标签图；

将各个人体深度图及其对应的人体区域标签图成对地输入到深度学习模型，对深度学习模型进行训练；

训练完成后便得到具备人体区域分块能力的深度学习模型。

6.根据权利要求4所述的一种基于深度学习的骨架线提取系统，其特征在于，所述关节点获取模块还包括合并处理子模块，其用于：

将人体区域分块中的上手臂分块的质心坐标与下手臂分块的质心坐标的均值作为手肘关节点；

将大腿分块和下躯干分块的交界处作为髋关节点；

将其余人体区域分块的质心作为其余关节点。

7.一种计算机可读存储介质，其特征在于，存储有实现权1~3中任意一项所述算法的计算机程序。