[发明专利]一种基于图卷积网络的人体关键点检测方法

权利要求书

1.一种基于图卷积网络的人体关键点检测方法，其特征在于，包括以下步骤：

步骤1、使用卷积神经网络从图像中提取人体特征，预测人体关键点响应图，确定初始关键点坐标；

步骤2、根据预测的关键点坐标，从卷积神经网络中提取对应人体各个关键点的局部特征；

步骤3、建立人体关键点的图模型，根据人体的每个关键点与邻近关键点的位置关系，提取每个关键点的特征向量；

步骤4、把人体各个关键点的特征向量输入图卷积网络，得到每个关键点的偏移，用初始关键点坐标加上偏移，即得优化的关键点预测结果。

2.根据权利要求1所述的基于图卷积网络的人体关键点检测方法，其特征在于，步骤1中，选用ResNet网络提取人体特征，再使用反卷积或者上采样把网络学到的特征返回高分辨率，对应每个关键点，网络会输出一张相应的响应图，在每张响应图中选取最大值的位置以及最大值，即得相应关键点的初始位置坐标和置信度。

3.根据权利要求2所述的基于图卷积网络的人体关键点检测方法，其特征在于，步骤1中，选用ResNet 50网络提取人体特征，再接2个反卷积层以得到高分辨率的关键点响应图。

4.根据权利要求1所述的基于图卷积网络的人体关键点检测方法，其特征在于，步骤2中，使用RoIAlign方法从卷积神经网络中最后一层特征图中提取关键点对应区域的局部特征，得到关键点的局部特征向量，对于初始没有预测出关键点，用‘0’填补，得到关键点的局部特征向量。

5.根据权利要求1所述的基于图卷积网络的人体关键点检测方法，其特征在于，步骤3中，考虑邻近关键点之间的位置关系，对每个关键点，把该关键点及其两个邻近关键点的特征向量串联在一起，组成该关键点的特征向量。

6.根据权利要求1所述的基于图卷积网络的人体关键点检测方法，其特征在于，步骤4中，使用3层的图卷积网络，其中前两层随机初始化，最后一层设置初始值为0。