[发明专利]一种基于图卷积网络的人体关键点检测方法在审
| 申请号： | 201811154729.9 | 申请日： | 2018-09-30 |
| 公开（公告）号： | CN109359568A | 公开（公告）日： | 2019-02-19 |
| 发明（设计）人： | 崔振;吕辉;许春燕;张桐;杨健 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 封睿 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于图卷积网络的人体关键点检测方法，使用卷积神经网络从图像中提取人体特征，预测人体关键点响应图，确定初始关键点坐标；根据预测的关键点坐标，从卷积神经网络中提取对应人体各个关键点的局部特征；建立人体关键点的图模型，根据人体的每个关键点与邻近关键点的位置关系，提取每个关键点的特征向量；把人体各个关键点的特征向量输入图卷积网络，得到每个关键点的偏移，用初始关键点坐标加上偏移，即得优化的关键点预测结果。本发明所预测关键点相比于其他方法，对人体关键点建立图模型，更好地考虑了关键点之间的联系，提高了关键点预测的准确率。 | ||
| 搜索关键词： | 关键点 卷积神经网络 关键点检测 预测 特征向量 图模型 偏移 局部特征 人体特征 预测结果 网络 准确率 邻近 图像 响应 优化 | ||
【主权项】：
1.一种基于图卷积网络的人体关键点检测方法，其特征在于，包括以下步骤：步骤1、使用卷积神经网络从图像中提取人体特征，预测人体关键点响应图，确定初始关键点坐标；步骤2、根据预测的关键点坐标，从卷积神经网络中提取对应人体各个关键点的局部特征；步骤3、建立人体关键点的图模型，根据人体的每个关键点与邻近关键点的位置关系，提取每个关键点的特征向量；步骤4、把人体各个关键点的特征向量输入图卷积网络，得到每个关键点的偏移，用初始关键点坐标加上偏移，即得优化的关键点预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811154729.9/，转载请声明来源钻瓜专利网。
