[发明专利]人体姿态识别方法、装置、系统及计算机可读存储介质

说明书

本申请公开了一种人体姿态识别方法，包括获取待识别图片，并在所述待识别图片中确定人体区域；对所述人体区域进行特征提取，获得特征热点图；根据所述特征热点图获得人体关键点的坐标信息；利用预设SVM分类器对所述坐标信息进行识别处理，确定姿态类别；该人体姿态识别方法可以有效提高人体行为识别过程中的实时性。本申请还公开了一种人体姿态识别装置、系统及计算机可读存储介质，均具有上述有益效果。

技术领域

本申请涉及计算机视觉技术领域，特别涉及一种人体姿态识别方法，还涉及一种人体姿态识别装置、系统以及计算机可读存储介质。

背景技术

人体行为识别技术是机器视觉领域的重要分支和前沿性技术，其在目前的智能应用具有重要意义，例如，可广泛应用于智能视频监控、机器人视觉、人机交互、游戏控制等领域，应用市场前景广阔。

在现有技术中，一般使用基于时空3D卷积的分类识别方法，但该种实现方式需要占用很大的显存空间，因此对计算资源要求很高，并且其实现过程需要很长的预测时间，无法有效满足实时性的要求。

因此，如何有效提高人体行为识别过程中的实时性是本领域技术人员亟待解决的问题。

发明内容

本申请的目的是提供一种人体姿态识别方法，该人体姿态识别方法可以有效提高人体行为识别过程中的实时性；本申请的另一目的是提供一种人体姿态识别装置、系统、通讯服务器以及计算机可读存储介质，也具有上述有益效果。

为解决上述技术问题，本申请提供了一种人体姿态识别方法，所述人体姿态识别方法包括：

获取待识别图片，并在所述待识别图片中确定人体区域；

对所述人体区域进行特征提取，获得特征热点图；

根据所述特征热点图获得人体关键点的坐标信息；

利用预设SVM分类器对所述坐标信息进行识别处理，确定姿态类别。

优选的，所述对所述人体区域进行特征提取，获得特征热点图，包括：

通过卷积神经网络对所述人体区域进行特征提取，获得所述特征热点图。

优选的，所述根据所述特征热点图获得人体关键点的坐标信息，包括：

根据所述特征热点图对所述待识别图片中的各所述人体关键点进行连接，获得人体关键点分布图；

在所述人体关键点分布图中获得各所述人体关键点的坐标信息。

优选的，所述根据所述特征热点图获得人体关键点的坐标信息之后，还包括：

对各所述人体关键点的坐标信息进行归一化处理，获得归一化后的坐标信息。

优选的，所述预设SVM分类器为基于径向基核函数的分类器。

优选的，所述利用预设SVM分类器对所述坐标信息进行识别处理，确定姿态类别之前，还包括：

以指定摄像头坐标系为基准，对各所述人体关键点的坐标信息进行坐标系转换，获得各所述人体关键点的标准坐标信息。

优选的，所述人体姿态识别方法还包括：

当所述待识别图片为视频信息中的视频帧时，识别获取各所述视频帧对应的姿态类别；

当所述视频帧的数量达到预设数量时，对各所述姿态类别进行数量统计，获得对应的姿态类别数量；

输出所述姿态类别数量取最大值时对应的姿态类别。

为解决上述技术问题，本申请还提供了一种人体姿态识别装置，所述人体姿态识别装置包括：