[发明专利]基于二维人体姿态估计的行人服饰颜色识别方法及装置

权利要求书

1.基于二维人体姿态估计的行人服饰颜色识别方法，其特征在于，包括：

获取待识别二维静态的行人图像；

根据人体姿态估计算法定位出所述行人图像中行人关键点位置信息，根据所述行人关键点位置信息确定行人上衣和裤子颜色区域；

将所述行人上衣和裤子颜色区域的图像输入至预设的卷积神经网络，提取颜色区域特征；

将所述颜色区域特征，通过softmax分类器进行颜色分类识别，获得所述行人图像中行人服饰颜色。

2.如权利要求1所述的方法，其特征在于，根据人体姿态估计算法定位出所述行人图像中行人关键点位置信息，包括：

基于PAF的实时多人人体姿态估计算法，将获取到的待识别二维静态行人图像输入至预设的卷积神经网络提取特征，获得一组特征图；

从所述特征图中分别提取置信图和PAF，使用图论中的预设算法，将同一个人的关节点连接起来，输出人体姿态估计图。

3.如权利要求2所述的方法，其特征在于，根据所述行人关键点位置信息确定行人上衣和裤子颜色区域；包括：

根据人体姿态估计图，定位出的人体肩部的宽度作为上衣颜色区域的宽度，将人体胸部的长度作为上衣颜色区域的长度；

根据定位出的人体腿部的上半部分作为裤子颜色区域图像。

4.如权利要求2所述的方法，其特征在于，所述预设的卷积神经网络为VGG19网络结构；

所述VGG19网络结构包括16个卷积层、3个全连接层和5个池化层。

5.如权利要求4所述的方法，其特征在于，所述VGG19网络结构的损失函数采用Euclidean loss函数，计算公式如下：

其中表示预测的值，表示标签的值，N表示样本的数量。

6.如权利要求4所述的方法，其特征在于，所述VGG19网络结构的最后一层连接softmax分类器。

7.基于二维人体姿态估计的行人服饰颜色识别装置，其特征在于，包括：

获取模块，用于获取待识别二维静态的行人图像；；

定位模块，用于根据人体姿态估计算法定位出所述行人图像中行人关键点位置信息；

确定模块，用于根据所述行人关键点位置信息确定行人上衣和裤子颜色区域；

提取模块，用于将所述行人上衣和裤子颜色区域的图像输入至预设的卷积神经网络，提取颜色区域特征；

识别模块，用于将所述颜色区域特征，通过softmax分类器进行颜色分类识别，获得所述行人图像中行人服饰颜。

8.如权利要求7所述的装置，其特征在于，所述定位模块，包括：

输入子模块，基于PAF的实时多人人体姿态估计算法，将获取到的待识别二维静态行人图像输入至预设的卷积神经网络提取特征，获得一组特征图；

输出子模块，从所述特征图中分别提取置信图和PAF，使用图论中的预设算法，将同一个人的关节点连接起来，输出人体姿态估计图。

9.如权利要求8所述的装置，其特征在于，所述确定模块，具体用于根据人体姿态估计图，定位出的人体肩部的宽度作为上衣颜色区域的宽度，将人体胸部的长度作为上衣颜色区域的长度；根据定位出的人体腿部的上半部分作为裤子颜色区域图像。

10.如权利要求8所述的装置，其特征在于，所述提取模块和所述输入子模块中的所述预设的卷积神经网络为VGG19网络结构；

所述VGG19网络结构包括16个卷积层、3个全连接层和5个池化层。