[发明专利]一种人体重心高度测量方法、装置及相关设备

权利要求书

1.一种人体重心高度测量方法，其特征在于，包括：

接收待测试图像；

通过目标检测算法对所述待测试图像进行目标检测获得目标对象；其中，所述目标对象包括人和地面；

根据所述人确定人体重心的位置信息；

通过深度信息生成算法对所述待测试图像进行运算，获得所述待测试图像的深度信息；

在所述深度信息下，根据所述位置信息计算所述人体重心与所述地面的像素高度；

通过回归神经网络对所述像素高度进行回归处理，获得人体重心高度；

其中，所述通过目标检测算法对所述待测试图像进行目标检测获得目标对象，包括：

通过卷积神经网络对所述待测试图像进行处理，获得卷积结果；

通过RPN算法对所述卷积结果进行处理，获得所述目标对象的边框位置；

在所述边框位置处，通过ROIAlign算法提取特征信息；

根据所述特征信息确定所述目标对象的种类，并输出所述目标对象；

则，所述根据所述人确定人体重心的位置信息，包括：

通过卷积神经网络对所述目标对象对应的特征信息进行处理，获得第二处理结果；

基于sigmoid算法对所述第二处理结果进行处理，获得位置信息集合；

当所述目标对象为所述人时，在所述位置信息集合中提取最大元素位置作为所述人体重心的位置信息。

2.如权利要求1所述的人体重心高度测量方法，其特征在于，所述根据所述特征信息确定所述目标对象的种类，并输出所述目标对象，包括：

通过全连接神经网络对所述特征信息进行处理，获得第一处理结果；

基于sofamax算法对所述第一处理结果进行处理，获得所述目标对象和所述目标对象的位置信息。

3.如权利要求1所述的人体重心高度测量方法，其特征在于，所述通过深度信息生成算法对所述待测试图像进行运算，获得所述待测试图像的深度信息，包括：

将所述待测试图像依次通过编码器和解码器对应的卷积神经网络，获得所述待测试图像对应的视差；

通过双线性采样器对所述视差进行处理，获得所述深度信息。

4.如权利要求1至3任意一项所述的人体重心高度测量方法，其特征在于，还包括：

计算图像处理算法的损失函数；其中，所述图像处理算法包括所述目标检测算法，所述深度信息生成算法，以及所述回归神经网络；

对所述损失函数进行优化处理，获得所述损失函数的最优值；

获取所述最优值对应的人体重心高度。

5.如权利要求4所述的人体重心高度测量方法，其特征在于，所述对所述损失函数进行优化处理，获得所述损失函数的最优值，包括：

通过Adam优化算法对所述损失函数进行优化处理，获得所述最优值。

6.一种人体重心高度测量装置，其特征在于，包括：

数据接收模块，用于接收待测试图像；

目标检测模块，用于通过目标检测算法对所述待测试图像进行目标检测获得目标对象；其中，所述目标对象包括人和地面；

重心获取模块，用于根据所述人确定人体重心的位置信息；

深度信息生成模块，用于通过深度信息生成算法对所述待测试图像进行运算，获得所述待测试图像的深度信息；

像素高度计算模块，用于在所述深度信息下，根据所述位置信息计算所述人体重心与所述地面的像素高度；

重心高度计算模块，用于通过回归神经网络对所述像素高度进行回归处理，获得人体重心高度；

其中，所述目标检测模块具体用于通过卷积神经网络对所述待测试图像进行处理，获得卷积结果；通过RPN算法对所述卷积结果进行处理，获得所述目标对象的边框位置；在所述边框位置处，通过ROIAlign算法提取特征信息；根据所述特征信息确定所述目标对象的种类，并输出所述目标对象；

则所述重心获取模块具体用于通过卷积神经网络对所述目标对象对应的特征信息进行处理，获得第二处理结果；基于sigmoid算法对所述第二处理结果进行处理，获得位置信息集合；当所述目标对象为所述人时，在所述位置信息集合中提取最大元素位置作为所述人体重心的位置信息。