[发明专利]一种基于热点图的轻量级人体关键点检测方法

权利要求书

1.一种基于热点图的轻量级人体关键点检测方法，其特征在于，包括如下步骤：

步骤1，获取原始图片，在原始图片上标注标签，创建标签图；

标记人体的关键点热点，得到人体关键点热点图，将人体关键点热点进行连接，形成人体关键点间热点关系图；

所述的标签图包括人体关键点热点图和人体关键点间热点关系图；

步骤2，建立卷积神经网络模型，将标签图输入到卷积神经网络模型进行模型训练，具体包括如下步骤：

2.1，建立卷积神经网络模型；

2.1.1建立卷积神经网络模型，提取原始图片的主干特征；

卷积神经网络模型包括：第一层和第二层均为卷积层，对原始图片进行卷积处理，第三层为池化层，池化层对第一层和第二层的结果进行下采样处理；图片依次第一层、第二层和第三层，进行特征提取，形成第一特征图，第一特征图平面维度是原始图的1/2；

第四层和第五层均为卷积层，第六层为池化层，第一特征图经过第四层、第五层和第六层进行两次卷积并进行下采样，生成的第二特征图，第二特征图平面维度是原始图的1/4；

第七层和第八层为卷积层，第九层为归一化层，第十层和第十一层为卷积层，第十二层为归一化层，在第七层至第十二层的计算过程中，并不进行下采样，而是充分的提取到第二特征图的有用信息并过滤掉没有用的信息，形成第三特征图，第三特征图平面维度是原始图的1/4；

第十三层是卷积层，第十四层是池化层，经过第十三层和第十四层后，生成第四特征图，第四特征图平面维度是原始图的1/8；

使用第十五层、第十六层和第十七层对第四特征图进行特征提取，形成第五特征图，第五特征图平面维度是原始图的1/8，第十五层和第十六层为卷积层、第十七层为归一化层，第十七层归一化层的作用是减小特征图数据分布的空间差异；对第五特征图进行上采样得到第六特征图，第六特征图平面维度是原始图的1/4，利用上采样后获取得的第六特征图与第三特征图进行通道合并，得到主干特征；

步骤2.1.2，卷积神经网络模型还包括第十八层、第十九层和第二十层；

通道合并后的特征依次通过第十八层、第十九层和第二十层计算，所述卷积层、卷积层和归一化层依次是卷积层、卷积层和归一化层，经过十八层、十九层和二十层后，提取特征P，并得到预测图；预测图包括人体关键点热点预测图和人体关键点间的热点关系预测图；

步骤2.2，对卷积神经网络模型进行多层损失训练；

步骤3，输入待检测的原始图片，利用训练好的卷积神经网络模型提取特征，得到人体关键点热点图和人体关键点间热点关系图；

步骤4，根据人体关键点热点图，通过热点峰值获取关键点的位置，再与人体关键点间热点关系图进行归并，获得关键点间关系，最终得到单人关键点以及关键点之间的关系。

2.根据权利要求1所述的一种基于热点图的轻量级人体关键点检测方法，其特征在于，步骤2.2中，对卷积神经网络模型进行多层损失训练，具体为：通过损失函数，计算预测图与标注图之间的损失数值f；将特征P与前一次十八层输入的特征进行通道合并，进入步骤2.1.2进行计算。