[发明专利]一种基于光流的快速人体姿态估计方法

摘要

本发明提供了一种基于光流的快速人体姿态估计方法，主要涉及利用代表视频序列帧间时间相关性的光流场，将关键帧的姿态信息传播到非关键帧，预测得到非关键帧的人体姿态信息。该方法包括：采用自适应关键帧检测算法确定原始视频序列的关键帧、非关键帧及图像组的大小，在关键帧上运用人体姿态估计算法得到关键帧的姿态信息，在同一图像组内，根据关键帧与每一非关键帧间的时间相关性计算光流场信息，利用光流场与关键帧的人体姿态信息预测非关键帧中人体姿态信息。本发明充分利用了的视频序列的时间相关性，避免了在每一帧上运行人体姿态估计算法，使得本发明在检测速度下降不大的情况下有效提高检测速度。

主权项

1.一种基于光流的快速人体姿态估计方法，其特征在于：1.利用本发明所提的自适应关键帧检测算法，确定图像序列的关键帧Pk、非关键帧Pi和图像组大小；2.利用深度学习领域中Cao等[1]提出的人体姿态检测算法对关键帧进行人体姿态估计，得到关键帧的人体姿态信息；3.在同一图像组内，计算关键帧与非关键帧之间的光流信息，该光流信息代表视频序列帧间的时间相关性，利用关键帧所有关节点处5x5邻域的光流信息将关键帧的人体姿态信息传播到非关键帧，融合得到非关键帧关节点的姿态信息，避免在每一帧上运用姿态检测算法，提高检测速度；该方法主要包括以下步骤：(1)读取视频序列图像，根据视频帧间的时间相关性，利用本发明所提的自适应关键帧检测算法，以视频序列的第一帧为关键帧Pk，依次计算随后各帧与关键帧之间的光流信息。在计算前事先设定光流信息的阈值，当计算得到的光流信息超过这一阈值时，更新图像组，确定下一关键帧。随后视频图像序列依次采用上述自适应关键帧检测算法确定关键帧Pk、非关键帧Pi以及各图像组的大小；(2)对关键帧Pk直接运用深度学习中Cao等[1]提出的人体姿态检测算法，得到关键帧的人体姿态信息，同一图像组内利用关键帧与每一非关键帧之间的时间相关性，计算出二者间的光流场信息；(3)在进行融合时，利用关键帧关节点处5x5邻域的光流信息代替其关节点的运动信息，结合关键帧的人体姿态信息融合得到非关键帧的人体姿态。