[发明专利]一种基于YOLOv3算法的多人姿态估计方法

权利要求书

1.一种基于YOLOv3算法的多人姿态估计方法，其特征在于，包括以下步骤：

S1:处理综合数据集，得到单类行人的数据集；

S2：设计图片切割提取模块，将YOLOv3算法和Stacked Hourglass算法结合得到多人姿态估计网络框架；

S3：训练S1所述数据集得到单类行人检测的YOLOv3网络模型，训练MPII数据集得到Hourglass姿态估计网络模型；

将训练得到的YOLOv3网络模型和级联4个Hourglass网络得到的Stacked Hourglass网络模型进行结合，得到基于YOLOv3算法的多人姿态估计网络模型；

S4：输入原始图像，得到多人姿态估计建议的图像。

2.根据权利要求1所述的方法，其特征在于，所述步骤S3具体实施步骤如下：

S3.1：利用Darknet深度学习框架进行单类行人的YOLOv3网络模型训练；利用Pytorch深度学习框架进行Hourglass网络模型训练，将训练好的4个Hourglass网络模型进行级联得到Stacked Hourglass网络模型；

S3.2：利用训练得到的YOLOv3网络模型进行行人检测识别，通过极大值抑制得到置信度最高的人体包围框；

S3.3：将人体包围框进行切割提取，输入至Stacked Hourglass网络进行姿态估计建议；

S3.4：利用中心点回归原则进行姿态估计建议回归，得到多人姿态估计建议。

3.如权利要求1所述的方法，其特征在于：

所述YOLOv3网络的核心网络为Darknet-53网络，包含52个卷积层和1个全连接层，所述卷积层之间加入残差网络。

4.如权利要求1所述的方法，其特征在于：

所述图片切割提取模块，用于将原始图片切割提取为符合Stacked Hourglass网络输入要求的图片尺寸大小，并去除原始图片的负面影响。

5.如权利要求1所述的方法，其特征在于：

所述Stacked Hourglass网络是级联4个Hourglass网络形成的单人姿态估计网络。