[发明专利]用户姿态识别方法、装置、计算机装置及计算机存储介质

说明书

本发明提供一种用户姿态识别方法、装置、计算机装置及存储介质。所述用户姿态识别方法包括：获取待识别人体图像；检测所述待识别人体图像中的人体关键点；根据所述人体关键点计算所述待识别人体图像中人体不同部位的夹角；将所述人体关键点和所述夹角输入训练好的深度神经网络模型进行识别，得到所述待识别人体图像中的人体姿态。本发明解决了现有方案中姿态识别不佳的问题，提高了姿态识别的准确性。

技术领域

本发明涉及图像识别技术领域，具体涉及一种用户姿态识别方法、装置、计算机装置及计算机存储介质。

背景技术

目前的姿态识别方法主要是基于四维图像(即RGB-D图像，包含深度信息)，该图像的获取成本较高，且深度信息获取的准确率不高。此外，在使用深度图像分析法进行姿态识别时，肢体(如手臂)通常较细，深度图像中的肢体信息不明显；并且，当手臂靠近头部时，手臂和头部的深度差异不明显，无法判断出深度信息差异，导致肢体姿态识别失败。

可见，现有技术中缺少一种能够准确有效地进行姿态识别的方法。

发明内容

鉴于以上内容，有必要提出一种用户姿态识别方法、装置、计算机装置及计算机存储介质，其可以解决现有方案中姿态识别不佳的问题，提高了姿态识别的准确性。

本申请的第一方面提供一种用户姿态识别方法，所述方法包括：

获取待识别人体图像；

检测所述待识别人体图像中的人体关键点；

根据所述人体关键点计算所述待识别人体图像中人体不同部位的夹角；

将所述人体关键点和所述夹角输入训练好的深度神经网络模型进行识别，得到所述待识别人体图像中的人体姿态。

另一种可能的实现方式中，所述待识别人体图像是二维图像。

另一种可能的实现方式中，所述检测所述待识别人体图像中的人体关键点包括：

使用包括骨干网络、关键点检测子网络、人体区域检测子网络、姿态残差网络的网络模型检测所述待识别人体图像中的人体关键点。

另一种可能的实现方式中，所述检测所述待识别人体图像中的人体关键点包括：

所述骨干网络从所述待识别人体图像提取特征，所述骨干网络包括第一特征金字塔网络与第二特征金字塔网络；

所述关键点检测子网络将来自于所述第一特征金字塔网络的特征作为输入，输出所述待识别人体图像中的所有人体关键点；

所述人体区域检测子网络根据来自于所述第二特征金字塔网络的特征检测所述待识别人体图像中的人体区域；

所述姿态残差网络将所述所有人体关键点中的每个人体关键点映射到所述人体区域，得到每个人体区域中的人体关键点。

另一种可能的实现方式中，所述人体不同部位的夹角包括左手臂与身体的夹角、右手臂与身体的夹角、左大臂与左小臂的夹角、右大臂与右小臂的夹角、左右大腿的夹角。

另一种可能的实现方式中，所述方法还包括：

对所述待识别人体图像进行预处理。

另一种可能的实现方式中，所述方法还包括：

根据所述人体姿态进行预设操作。

本申请的第二方面提供一种用户姿态识别装置，所述装置包括：

获取模块，用于获取待识别人体图像；

检测模块，用于检测所述待识别人体图像中的人体关键点；

计算模块，用于根据所述人体关键点计算所述待识别人体图像中人体不同部位的夹角；