[发明专利]一种基于RGB相机和深度学习的人体姿态识别方法与系统在审
| 申请号： | 201810956644.6 | 申请日： | 2018-08-21 |
| 公开（公告）号： | CN109299659A | 公开（公告）日： | 2019-02-01 |
| 发明（设计）人： | 王庆;唐晖;陈洪 | 申请（专利权）人： | 中国农业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹;吴欢燕 |
| 地址： | 100193 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 人体关节 人体目标 人体姿态 神经网络 卷积神经网络 点位置信息 检测 图像输入 点位置 图像 算法 匹配 模板匹配 学习 | ||
1.一种人体姿态识别方法，其特征在于，包括：
S1、获取待识别图像；
S2、将所述待识别图像输入至训练好的第一神经网络，进行人体目标检测，获取人体目标图像；
S3、将所述人体目标图像输入至训练好的第二神经网络，进行人体关节点位置检测，获取待匹配人体关节点位置信息；
S4、将所述待匹配人体关节点位置信息进行模板匹配，识别出人体姿态。
2.根据权利要求1所述的一种人体姿态识别方法，其特征在于，步骤S1和步骤S2之间，还包括：
对所述待识别图像进行图像预处理，所述图像预处理包括图像去噪和图像滤波。
3.根据权利要求1所述的一种人体姿态识别方法，其特征在于，所述第一神经网络为采用Faster-RCNN算法的深度卷积神经网络。
4.根据权利要求1-3任一项所述的一种人体姿态识别方法，其特征在于，所述第二神经网络为采用CPM算法的深度卷积神经网络。
5.一种人体姿态识别系统，其特征在于，包括：依次连接的拍摄装置、人体目标检测装置、人体关节点位置检测装置和人体姿态识别装置；
所述拍摄装置，用于获取待识别图像；
所述人体目标检测装置，用于将所述待识别图像输入至训练好的第一神经网络，进行人体目标检测，获取人体目标图像；
所述人体关节点位置检测装置，用于将所述人体目标图像输入至训练好的第二神经网络，进行人体关节点位置检测，获取待匹配人体关节点位置信息；
所述人体姿态识别装置，用于将所述待匹配人体关节点位置信息进行模板匹配，识别出人体姿态。
6.根据权利要求5所述的一种人体姿态识别系统，其特征在于，还包括图像预处理装置，所述拍摄装置和所述人体目标检测装置分别与所述图像预处理装置连接，所述图像预处理装置用于对所述待识别图像进行图像预处理。
7.根据权利要求5所述的一种人体姿态识别系统，其特征在于，所述人体关节点位置检测装置包括依次连接的人体关节点定位单元和人体关节点分类单元，
所述人体关节点定位单元用于根据所述人体目标检测装置获取的人体目标图像确认人体关节点的位置信息；
所述人体关节点分类单元用于根据所述人体关节点的位置信息确认待匹配人体关节点位置信息。
8.根据权利要求5所述的一种人体姿态识别系统，其特征在于，所述拍摄装置包括单目RGB相机。
9.根据权利要求7所述的一种人体姿态识别系统，其特征在于，所述人体姿态识别装置包括人体姿态匹配模板，所述人体姿态识别装置根据所述待匹配人体关节点位置信息与人体姿态匹配模板进行模板匹配，识别出人体姿态。
10.根据权利要求9所述的一种人体姿态识别系统，其特征在于，人体关节点的位置和数目根据所述人体姿态匹配模板设定。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国农业大学，未经中国农业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810956644.6/1.html，转载请声明来源钻瓜专利网。
