[发明专利]一种基于行人检测的关节点跟踪方法及系统

说明书

本发明公开了一种基于行人检测的关节点跟踪方法，包括步骤：S1、获取目标区域的RGB图像，并对所述RGB图像进行检测以确定所述目标区域中行人的第一2D边界框以及关节点坐标；S2、根据步骤S1中确定的所述关节点坐标，利用所述关节点的连接关系以确定所述关节点是否属于同一个人，并根据所述关节点坐标计算所述关节点的第一2D矩形框；S3、根据步骤S1中所获得的第一2D边界框对行人进行跟踪，得到行人的id；S4、根据步骤S3中所获得的行人的id确定关节点的id。本发明可以同时进行行人检测和关节点检测，最终实现关节点的跟踪。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种基于行人检测的关节点跟踪方法及系统。

背景技术

计算机视觉技术在运动捕捉、动画制作、智能监控、医学治疗等方面有很重要的作用。因而行人检测和关节点检测成为计算机视觉领域的一个重要研究课题。但是，目前的算法对行人检测和关节点检测这两个问题都是分开解决的；比如，首先针对视频帧进行行人检测，根据行人检测的中间结果得到每个行人的位置(通常用行人框bounding-box，bbox表示)，然后通过对行人框内部的内容进行分析，得出每个行人的关节点数据。由于这两个问题被分开解决，所以行人检测的中间结果不能辅助关节点检测，并且这种方法需要使用两个模型来进行分析处理，从而导致计算量增大。

除此外，还有的方法是通过计算关节点的外接矩形来代替行人检测。然而，由于关节点检测和行人检测两个任务不是完全等价的，若直接用一个任务的结果计算另一个任务的结果，如此会导致检测的准确性不高。

其次，通常针对上述的检测方法会通过搭建网络明确要学习的参数，根据数据集训练学习参数，并根据这些参数进行推理检测，但是现有的数据集一般只适合单任务。比如，行人检测数据集一般没有骨架标注，而数据集的完善会直接影响后续的检测速度、精度等方面。

以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本专利申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。

发明内容

本发明的目的在于提供一种基于行人检测的关节点跟踪方法及系统，以解决上述背景技术问题中的至少一种问题。

为达到上述目的，本发明实施例的技术方案是这样实现的：

一种基于行人检测的关节点跟踪方法，包括如下步骤：

S1、获取目标区域的RGB图像，并对所述RGB图像进行检测以确定所述目标区域中行人的第一2D边界框以及关节点坐标；

S2、根据步骤S1中确定的所述关节点坐标，利用所述关节点的连接关系以确定所述关节点是否属于同一个人，并根据所述关节点坐标计算所述关节点的第一2D矩形框；

S3、根据步骤S1中所获得的第一2D边界框对行人进行跟踪，得到行人的id；

S4、根据步骤S3中所获得的行人的id确定关节点的id。

在一些实施例中，步骤S1中,利用特征提取方法提取所述RGB图像中的全局特征，根据所述全局特征输出行人检测信息和关节点的坐标信息。

在一些实施例中，步骤S3包括:利用所述第一2D边界框构建运动模型，估算下一帧图像中目标行人的第二2D边界框；将估算的所述第二2D边界框与检测到的下一帧图像中目标行人的2D边界框进行匹配；根据匹配结果确定行人的id。

在一些实施例中，步骤S4中，将所述第一2D边界框与所述第一2D矩形框进行匹配，并根据匹配结果利用所述行人的id确定所述关节点的id。