[发明专利]一种轻量级的实时人体姿态估计方法

权利要求书

1.一种轻量级的实时人体姿态估计方法，其特征在于，包括：

步骤S1、加载数据集，并通过数据增强方法生成训练数据；

步骤S2、依照沙漏网络模型Hourglass堆叠网络构建原始的编解码模块，将Hourglass的基本网络单元残差模块替换为轻量级网络MobilenetV2中的反残差模块，形成轻量级编解码模块；轻量级编解码模块包括轻量级编码模块和轻量级解码模块，轻量级编码模块用于在图像上提取人体关键点特征，轻量级解码模块用于为轻量级编码模块提取的人体关键点恢复图像空间位置信息并输出Heatmap特征图；轻量级编码模块的输出层后面连接轻量级回归模块，轻量级回归模块的输入为轻量级编码模块的输出结果，输出为人体关键点预测坐标；

步骤S3、分别训练轻量级编解码模块和轻量级回归模块，具体为：

训练轻量级编解码模块，输入为训练数据中的图像，输出Heatmap特征图，采用均方误差MSE损失函数loss预测，待loss下降并保持稳定时，停止训练；

冻结轻量级编解码模块参数，仅训练轻量级回归模块参数，输入为训练数据中的图像，输出为人体关键点预测坐标，采用均方误差MSE损失函数loss预测，待loss下降并保持稳定时，停止训练；

步骤S4、裁剪模型，去掉轻量级解码模块，保留轻量级回归模块；

步骤S5、采用轻量级回归模块直接预测人体关键点。

2.根据权利要求1所述的一种轻量级的实时人体姿态估计方法，其特征在于，轻量级回归模块采用与轻量级编码模块相同的结构，且在最后层新增一个卷积层用于回归预测人体关键点，中间层连接方式与原始的编解码模块相同。