[发明专利]一种基于OpenPose改进的实时轻量人体姿态估计方法

权利要求书

1.一种基于OpenPose改进的实时轻量人体姿态估计方法，其特征在于：包括：

S1、获取2D图像帧，对图像进行标准化预处理，

S2、将预处理后的图像输入已训练好的特征提取模块，利用MobileNetV2轻量模块获取初始特征F，

S3、将初始特征F输入到初始模块，利用部分双分支结构分别获取人物姿态的关节点热图S¹和部分亲和度图L¹，

S4、将获取的F、S¹、L¹串联后输入精炼模块，利用融合残差结构的连续小卷积层结构以及部分双分支结构获取关节点热图S²和部分亲和度图L²，

S5、利用贪婪解析法对检测到的关节点和肢体进行连接，并对计算结果进行可视化输出。

2.根据权利要求1所述的基于OpenPose改进的实时轻量人体姿态估计方法，其特征在于：在S2中：对输入图像按比例缩放至高为256像素，对缩放后的图像进行标准化预处理，满足以下公式：（img-mean）×scale，其中，img为原图的RGB值，mean取128，scale取1/256。

3.根据权利要求1所述的基于OpenPose改进的实时轻量人体姿态估计方法，其特征在于：在S2中：特征提取模块使用MobileNetV2的前7个瓶颈结构，且将第5和第7个瓶颈结构的s2变为s1。

4.根据权利要求1所述的基于OpenPose改进的实时轻量人体姿态估计方法，其特征在于：在S3、S4中的初始模块和精炼模块除了最后的连续两层1×1卷积层为双分支输出，分别负责输出关节点热图和部分亲和度图，其余卷积层均为合并卷积。

5.根据权利要求1或4所述的基于OpenPose改进的实时轻量人体姿态估计方法，其特征在于：在S3中：将初始特征F输入到三层连续的3×3卷积层进一步提取特征，再分别输入到两个分支进行两层1×1卷积，分别得到关节点热图S¹和部分亲和度图L¹，分别满足公式S¹=ρ¹（F），L¹=φ¹（F）。

6.根据权利要求1或4所述的基于OpenPose改进的实时轻量人体姿态估计方法，其特征在于：在S4中：精炼模块中的每个融合残差结构连续小卷积模块使用三层连续的3×3卷积层，并利用无参数的加法通道将每个小卷积模块的输入与输出，相加输出分别满足公式S²=ρ²（F、S¹、L¹），L²=φ²（F、S¹、L¹）。