[发明专利]人体姿态识别方法及装置、电子设备、存储介质

说明书

本公开提供了一种人体姿态识别方法及装置、电子设备、计算机可读存储介质，属于计算机视觉技术领域。该方法包括：获取包含人体姿态的原始图像；检测所述原始图像中的人体关键点，并连接所述人体关键点，获得肢体标识；对包含所述肢体标识的原始图像做预处理，并将所述肢体标识突出化处理，获得输入图像；通过深度可分离卷积神经网络模型对所述输入图像进行处理，得到所述人体姿态的分类结果。本公开可以减少人体姿态识别过程中的运算量，节省系统硬件资源及处理时间。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种人体姿态识别方法及装置、电子设备、计算机可读存储介质。

背景技术

近年来，基于人工智能的计算机视觉技术得到快速发展，人体姿态识别作为其中的一个重要方向，在体感游戏、虚拟现实、安防、监控等多个领域都有较大的应用前景。

现有的人体姿态识别方法多数基于专用设备，例如虚拟现实可穿戴设备中设置大量的传感器，以监控人体各部位的动作，通过特定算法分析人体姿态。在不依赖专用设备的图像人体姿态识别中，则需要依靠GPU(Graphics Processing Unit，图形处理器)进行大量的运算及分析，耗时较长，对系统硬件的要求较高，不利于大规模应用。

因此有必要提出一种运算量较少的人体姿态识别方法。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种人体姿态识别方法及装置、电子设备、计算机可读存储介质，进而至少在一定程度上克服由于现有技术的限制和缺陷而导致的人体姿态识别过程中运算量过大的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种人体姿态识别方法，包括：获取包含人体姿态的原始图像；检测所述原始图像中的人体关键点，并连接所述人体关键点，获得肢体标识；对包含所述肢体标识的原始图像做预处理，并将所述肢体标识突出化处理，获得输入图像；通过深度可分离卷积神经网络模型对所述输入图像进行处理，得到所述人体姿态的分类结果。

在本公开的一种示例性实施例中，所述深度可分离卷积神经网络模型包括2N+1个卷积层，其中，第1卷积层包括q₁个g₁×g₁×t的第一卷积核；第i卷积层包括q_i个g_i×g_i×1的第i卷积核；第i+1卷积层包括q_i+1个1×1×q_i的第i+1卷积核；其中，t为所述输入图像的通道数，i为[2,2N]的任意偶数，且q_i＝q_i-1。

在本公开的一种示例性实施例中，所述深度可分离卷积神经网络模型还包括池化层、全连接层及Softmax层；所述通过深度可分离卷积神经网络模型对所述输入图像进行处理，得到所述人体姿态的分类结果包括：将所述输入图像输入所述2N+1个卷积层，以输出卷积特征图像；将所述卷积特征图像输入所述池化层，以输出压缩特征图像；将所述压缩特征图像输入所述全连接层，以输出特征向量；将所述特征向量输入所述Softmax层，以计算各标准姿态的概率值，并将最大概率值对应的标准姿态作为所述人体姿态的分类结果。

在本公开的一种示例性实施例中，还包括：根据样本图像以及所述样本图像的分类标注，训练所述2N+1个卷积层的参数以及所述全连接层的参数。