[发明专利]一种基于深度学习的人体姿态识别方法及系统

说明书

本发明涉及一种基于深度学习的人体姿态识别方法及系统。该方法包括：获取多幅带有人体姿态的参考图像；对各所述参考图像进行人体姿态的标记，得到对应的参考标签；根据各所述参考图像及对应的所述参考标签，进行建模，得到基于深度学习的姿态识别网络模型；对待识别的人体行为进行拍照，得到待识别图像；根据所述姿态识别网络模型和所述待识别图像，得到所述待识别图像中的人体姿态行为。本发明能够提高人体姿态识别的准确性。

技术领域

本发明涉及图像识别领域，特别是涉及一种基于深度学习的人体姿态识别方法及系统。

背景技术

人体姿态识别技术在虚拟现实、移动游戏、医疗保健、人机交互、图像识别等领域有着广泛应用。

人体姿态识别的目的一般是及时准确的将采集到的人体动作特征与完备的人体动作姿态库的动作进行识别分类，匹配出相似度最高的动作姿态。在得知当前动作后，可以对该行为进行分析，以达到人机交互的目的。

然而，目前姿态识别技术主要分为两种：基于RGB图像和基于深度图像。其中，基于RGB图像的识别算法为利用人体躯干的外形特征，如人体躯干各部分的HOG特征的相对位置关系。基于深度图像的识别算法为利用图像的灰度值来表示目标的空间位置及人体轮廓，且不受光照、颜色、阴影和衣着的影响。但是上述两种方法，需要对图像中包含的大量信息进行反复分析和处理，效率低，识别度低。

发明内容

本发明的目的是提供一种基于深度学习的人体姿态识别方法及系统，能够提高人体姿态识别的准确性。

为实现上述目的，本发明提供了如下方案：

一种基于深度学习的人体姿态识别方法，包括：

获取多幅带有人体姿态的参考图像；

对各所述参考图像进行人体姿态的标记，得到对应的参考标签；

根据各所述参考图像及对应的所述参考标签，进行建模，得到基于深度学习的姿态识别网络模型；

对待识别的人体行为进行拍照，得到待识别图像；

根据所述姿态识别网络模型和所述待识别图像，得到所述待识别图像中的人体姿态行为。

可选的，所述对各所述参考图像进行人体姿态的标记，得到对应的参考标签，具体包括：

建立人体姿态的二维坐标系；

针对每一参考图像，对所述参考图像依次进行裁剪、填充、归一化处理，得到预处理图像；

基于所述二维坐标系，确定所述预处理图像中人体关节点的坐标；

根据各所述人体关节点的坐标，确定所述参考图像对应的人体姿态，所述参考图像对应的人体姿态为参考标签。

可选的，所述根据各所述参考图像及对应的所述参考标签，进行建模，得到基于深度学习的姿态识别网络模型，具体包括：

针对每一参考图像，对所述参考图像依次进行裁剪、填充，得到处理图像；

根据所述处理图像进行特征提取，得到对应的H×L×D维度的特征图，各所述特征图由H×L×D个特征子图构成；

从各所述特征子图中进行特征提取，得到人体姿态的局部特征；

将各所述局部特征进行特征加权，得到人体姿态的全局特征；

对所述全局特征进行降维处理，得到降维特征；

对所述降维特征进行归一化处理，得到所述特征图对应的姿态特征；