[发明专利]一种人体姿态检测方法、装置、设备及存储介质

说明书

本发明公开了一种人体姿态检测方法、装置、设备及存储介质。该方法包括：采集多帧图像数据；将当前帧图像数据输入至预先训练的人体姿态检测模型中，以参考上一帧图像数据的人体姿态置信图，输出多张人体姿态参考图，人体姿态检测模型为经应用于嵌入式平台的卷积神经网络训练生成；在人体姿态参考图中识别人体姿态关键点；根据人体姿态关键点的可信性，生成人体姿态置信图；判断当前帧图像数据是否为最后一帧图像数据；若否，则将人体姿态置信图输入至人体姿态检测模型中，用于参与生成下一帧图像数据的人体姿态置信图；若是，则结束执行生成多帧图像数据的人体姿态置信图的操作。本发明实施例实现了在嵌入式平台上进行人体姿态检测。

技术领域

本发明实施例涉及人体姿态检测技术，尤其涉及一种人体姿态检测方法、装置、设备及存储介质。

背景技术

人体姿态检测是计算机视觉领域中最具挑战性的研究方向，被广泛应用于人机交互、智能监控、虚拟现实和人体行为分析等领域。但是，由于组成人体姿态的各个关键点所在的局部图像特征呈多尺度的仿射变换，并且图像容易受目标人物着装、相机的拍摄角度、距离、光照变化和局部遮挡等因素影响，使得人体姿态检测研究进展缓慢。

现有技术中，通常采用基于卷积神经网络来进行人体姿态检测，同时，为了获得较高的识别精度，通常需要采集大量的训练样本对人体姿态检测模型进行长时间监督学习。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：由于嵌入式平台中没有GPU(Graphics Processing Unit，图形处理器)对卷积神经网络中计算量最大的卷积操作进行优化，因此，大量基于卷积神经网络的人体姿态检测方法无法应用于嵌入式平台。

发明内容

本发明实施例提供一种人体姿态检测方法、装置、设备及存储介质，以实现在嵌入式平台上的人体姿态检测。

第一方面，本发明实施例提供了一种人体姿态检测方法，该方法包括：

采集多帧图像数据；

将当前帧图像数据输入至预先训练的人体姿态检测模型中，以参考上一帧图像数据的人体姿态置信图，输出多张人体姿态参考图，所述人体检测模型为经应用于嵌入式平台的卷积神经网络训练生成；

在所述人体姿态参考图中识别人体姿态关键点；

根据所述人体姿态检测点的可信性，生成人体姿态置信图；

判断当前帧图像数据是否为最后一帧图像数据；

若否，则将所述人体姿态置信图输入至所述人体姿态检测模型中，用于参与生成下一帧图像数据的人体姿态置信图；

若是，则结束执行生成多帧图像数据的人体姿态置信图的操作。

进一步的，所述将所述当前帧图像数据输入至预先训练的人体姿态检测模型中，以参考上一帧图像数据的人体姿态置信图，输出多张人体姿态参考图，包括：

判断上一帧图像数据的人体姿态置信图是否可信；

若是，则将所述当前帧图像数据和所述上一帧图像数据的人体姿态置信图输入至预先训练的人体姿态检测模型中，输出多张人体姿态参考图；

若否，则将所述当前帧图像数据和预设图像数据输入至预先训练的人体姿态检测模型中，输出多张人体姿态参考图。

进一步的，所述在所述人体姿态参考图中识别人体姿态关键点，包括：

在所述人体姿态参考图中确定最大概率值的坐标位置，将所述坐标位置作为人体姿态关键点。

进一步的，所述根据所述人体姿态关键点的可信性，生成人体姿态置信图，包括：

判断所述人体姿态关键点是否可信；