[发明专利]一种基于热点图的轻量级人体关键点检测方法

说明书

本发明提出了一种基于热点图的轻量级人体关键点检测方法，具体包括，获取原始图片，在原始图片上标注标签，创建标签图；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；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；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。

技术领域

本发明属于计算机视觉以及人工智能技术领域，具体涉及一种基于热点图的轻量级人体关键点检测方法。

背景技术

人体关键点检测，也被称之为人体姿态检测。人体骨架是以图形形式对一个人的方位所进行的描述，在现实生活中有着非常广泛的应用，因此，人体关键点的研究有着重要的现实意义。

总的来说，人体关键点主要有两种方法：一种是自上而下的方法，先检测出人这个整体，再检测出人体关键点，使用这种方法是符合人的思维的，先整体后部分，准确率相对较高，缺点主要是推理速度慢；另一种是自下而上的方法，先检测出所有的关键点，然后再将这些关键点进行分组组成一个人，这种特点主要是推理速度快，但准确率不如前者。

发明内容

本发明要解决的技术问题是，在自下而上的人体关键点检测方法中，存在准确率不高的技术问题；为了解决该技术问题，本发明提出了一种基于热点图的轻量级人体关键点检测方法，

本发明的一种基于热点图的轻量级人体关键点检测方法，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。

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。

进一步的，所述步骤2中，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训练；具体包括如下步骤：

2.1，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到第十七层：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。