[发明专利]人体姿态估计方法及设备

说明书

本申请提供了一种人体姿态估计方法，能够使用关键点估计方法在单一步骤中确定人体目标检测点和人体关键点，并根据确定的人体目标检测点对不同类别的人体关键点进行分组，从而提高了人体姿态估计模型的运算速度，同时由于确定人体目标检测点和人体关键点的过程都为点估计任务，因此可以相互促进，从而提高了人体姿态估计模型的精度。

技术领域

本申请涉及图像识别领域，尤其涉及一种人体姿态估计方法及设备。

背景技术

人体目标检测是计算机视觉领域重要的研究方向，在智能视频监控、自动驾驶、人机交互等方面有着巨大的研究价值和应用前景。人体目标检测是非常具有挑战性的问题，现有方案主要可分为单阶段法和双阶段法。单阶段法直接在全图进行计算从而得到检测结果，流程比较直接，推理速度较快，相关论文如Liu W,Anguelov D等人2016年在Europeanconference on computer vision上发表的Ssd:Single shot multibox detector等；双阶段法首先提取候选区域，再对其进行二次修正得到检测结果，因此性能较好，但是网络结构较为复杂，从而推理速度较慢，相关论文如Ren S,He K等人2015年在Advances in neuralinformation processing systems上发表的Faster r-cnn:Towards real-time objectdetection with region proposal networks等。

人体目标检测还有通过检测图像中人体目标中心点的方法，相关论文如Law H,Deng J等人2018年在European Conference on Computer Vision(ECCV)上发表的Cornernet:Detecting objects as paired keypoints，Duan K,Bai S等人2019年在arXiv上发表的CenterNet:Object Detection with Keypoint Triplets等，该方法将检测目标建模为单点，使用关键点估计来查找目标中心点，并回归其它属性，速度较快，也比较准确。

人体姿态估计是指从二维图像中给出人体关键点的位置，可用于人机交互、视觉监控、体育运动分析、医疗诊断、虚拟现实以及增强现实等多种领域。对于多人姿态估计来说，现有技术大致可分为两种：自底向上(Bottom-Up)的人体姿态估计和自顶向下(Top-Down)的人体姿态估计。自底向上的人体姿态估计首先检测出图像中所有的人体关键点，再将这些人体关键点组合成多个独立的人体，这种方法的速度较快，但是精度不高，相关论文如Newell A，Huang Z等人2017年在Advances in Neural Information ProcessingSystems上发表的Associative embedding:End-to-end learning for joint detectionand grouping等。自顶向下的人体姿态估计是首先通过人体检测器先检测出所有的人体，再对每个人体检测出相应的人体关键点，这种方法的精度较高，但是速度较慢，相关论文如Xiao B，Wu H等人在European conference on Computer Vision(ECCV)上发表的Simplebaselines for human pose estimation and tracking等。

发明内容

本申请的一个目的是提供一种人体姿态估计方法及设备，用于解决现有技术下人体姿态估计的速度和精度难以同时满足的问题。

为实现上述目的，本申请提供了一种人体姿态估计方法，其中，该方法包括：

构建所述人体姿态估计模型，其中，所述人体姿态估计模型根据人体目标检测点对人体关键点分组，所述人体目标检测点通过目标检测的点估计方法确定；

将人体图像输入所述人体姿态估计模型，获取所述人体图像中的多组人体关键点和对应的人体姿态信息。