[发明专利]一种人体姿态估计方法及系统

说明书

本发明提供一种人体姿态估计方法，包括获取待估的人体姿态原图，并基于人体姿态原图选择相应热图模式，以构建相应的热图；其中，热图模式有三种，包括一个特征图的模式、两个特征图的模式和三个特征图的模式；从每一个所构建的热图上，提取关键点信息并导入预设的等高线概率模式中进行数据处理，以得到带等高线概率曲线的数据；根据所选热图模式，确定对应已训练好的关键点位置预测模型并导入带等高线概率曲线的数据进行预测，得出17个关键点的位置，以得到人体姿态。本发明还提供一种人体姿态估计系统。实施本发明，对人体姿态估计的中间过程进行改进，用以解决热图17个关键点需要17张特征图的问题。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种人体姿态估计方法及系统。

背景技术

2D人体姿态估计(也被称为2D关键点检测)旨在从图像中定位人体解剖关键点(身体关节)的2D坐标，一般为17个。考虑到给定图像中的人数，2D人体姿态估计任务可以进一步分为单人姿态估计和多人姿态估计。其中，热图回归是多人姿态估计中的一种预测回归方法，根据数据集中人工标注的特征点坐标，构建一个热力图，热图和原图相同大小，在热图里，越靠近特征点，像素值越大，反之越小，特征点在热图中类似一个个的光斑，之后使用卷积神经网络对热图关键点位置进行学习，从而预测出关键点位置信息。

目前，人工智能人体姿态估计领域使用最多的还是热图作为中间过程的算法，但这种算法消耗算力较多，其主要原因在于：如果每个人要回归17个关键点，那么预测输出特征图是17张，即每个通道都是预测一个关节点的热图，此时过多的特征图就会导致预测速度变慢，就很难达到预期效果。

因此，有必要提出新的一种人体姿态估计方法，对人体姿态估计的中间过程进行改进，用以解决热图17个关键点需要17张特征图的问题。

发明内容

本发明实施例所要解决的技术问题在于，提供一种人体姿态估计方法及系统，对人体姿态估计的中间过程进行改进，用以解决热图17个关键点需要17张特征图的问题。

为了解决上述技术问题，本发明实施例提供了一种人体姿态估计方法，所述方法包括以下步骤：

获取待估的人体姿态原图，并基于所述待估的人体姿态原图，选择相应热图模式，以构建相应的热图；其中，所述热图模式有三种，包括17个关键点整体在同一个特征图上的第一模式、17个关键点分布在两个特征图上的第二模式和17个关键点分布在三个特征图上的第三模式；

从每一个所构建的热图上提取关键点信息，并导入预设的等高线概率模式中进行数据处理，以得到带等高线概率曲线的数据；

根据所选热图模式，确定对应已训练好的关键点位置预测模型并导入所得到的带等高线概率曲线的数据进行预测，得出17个关键点的位置，且进一步基于所述17个关键点的位置，得到对应的人体姿态；其中，所述已训练好的关键点位置预测模型有三种，分别对应所述热图模式中的三种模式。

其中，在所述第二模式中，有上半身13个关键点和下半身4个关键点分别分布在相异的两个特征图上；在所述第三模式中，有头部5个关键点、上半身8个关键点及下半身4个关键点分别分布在相异的三个特征图上。

其中，所述等高线概率模式进行数据处理是通过以预先标注的关键点位置为中心点，向外创建和欧式距离关联且具有高斯分布特性的等高概率闭合曲线来实现的。

其中，所述带等高线概率曲线的数据均为高斯分布信息值。

其中，通过公式得到所述高斯分布信息值Pcc(x，y)；其中，

σ是手工设置的固定值，一般取n/64*2，且n为当前正处理的热图的宽度；x_i,y_i为第i个关键点在所述待估的人体姿态原图上的位置信息；x，y为第i个关键点等高概率闭合曲线上的位置信息。