[发明专利]一种人体姿态识别方法及系统

说明书

本发明公开了一种人体姿态识别方法，所述识别方法包括如下步骤：获取当前帧的不同视角下的多张人体图像；根据多张所述人体图像，采用卷积神经网络算法建立三维人体模型；分别将每张所述人体图像上的相邻像素进行聚类，获得多个像素块；建立每个所述像素块的二维像素块模型；根据每个所述像素块的二维像素块模型对所述三维人体模型进行优化，获得优化后的三维人体模型；根据优化后的三维人体模型确定当前帧的人体姿态。本发明首先采用卷积神经网络算法，简单快速的建立一个三维人体模型，然后利用图像中人体姿态对所述三维人体模型进行优化，利用优化后的三维人体模型进行姿态识别，实现了在保证人体姿态估计精度的同时，提高人体姿态估计的速度。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种人体姿态识别方法及系统。

背景技术

3D人体姿态估计是指从图像、视频或点云中估计人物目标的姿态，是围绕人体3D研究中的一项基本任务。3D人体姿态估计是3D人体重建的重要前提，也可以是人体动作驱动中动作的重要来源。目前，获取人体姿态主要有两种实现方式。一、使用神经网络，通过对某一特定数据集训练，实现对该场景下人体姿态估计的目标。这种方法需要大量的人工标记数据训练神经网络，同时，该方法的精度较低。二、建立一个人体模型，使模型拟合图片上的人体。这种方法依赖于人体模型的建立，人体模型建立过程比较复杂，该方法的速度较慢。因此，如何在保证人体姿态估计精度的同时，提高人体姿态估计的速度成为一个亟待解决的技术问题。

发明内容

本发明的目的是提供一种人体姿态识别方法及系统，以实现在保证人体姿态估计精度的同时，提高人体姿态估计的速度。

为实现上述目的，本发明提供了如下方案：

本发明提供一种人体姿态识别方法，所述识别方法包括如下步骤：

获取当前帧的不同视角下的多张人体图像；

根据多张所述人体图像，采用卷积神经网络算法建立三维人体模型；

分别将每张所述人体图像上的相邻像素进行聚类，获得多个像素块；

建立每个所述像素块的二维像素块模型；

根据每个所述像素块的二维像素块模型对所述三维人体模型进行优化，获得优化后的三维人体模型；

根据优化后的三维人体模型确定当前帧的人体姿态。

可选的，所述根据每个所述像素块的二维像素块模型对所述三维人体模型进行优化，获得优化后的三维人体模型，之前还包括：

根据当前帧之前的预设帧数内的每帧时每个人体部位的位置坐标，预测当前帧时每个人体部位的位置坐标，

根据当前帧时每个人体部位的位置坐标对所述三维人体模型进行预调整，获得预调整后的三维人体模型。

可选的，所述根据多张所述人体图像，采用卷积神经网络算法建立三维人体模型，具体包括：

采用hourglass网络结构分别从每张所述人体图像中获得K个关键点；

分别令k＝1,2，…，K，基于相机的参数，计算出第k个关键点在每个视角下的人体图像中的反投影射线，获得每个关键点对应的多条反投影射线；

确定距离每个关键点对应的多条反投影射线的总距离最短的公共点的坐标，作为所述关键点在三维空间下的坐标，得到每个关键点在三维空间下的坐标；

根据每个关键点在三维空间下的坐标进行线性插值运算，得到包含人体的每个人体部位的三维坐标的三维人体模型。

可选的，所述三维人体模型为：