[发明专利]一种基于Mask R-CNN的人体姿态识别方法

摘要

本发明公开了一种基于Mask R‑CNN的人体姿态识别方法，本发明采用多图片构成的训练集通过残差网络进行训练，同时配合非极大值抑制方法、二值分类和边界框回归可以更有效的筛选出感兴趣的区域，通过筛选出的兴趣区域进行姿态分类、边界框回归和MASK生成，生成的预训练模型通过在不同场景下的人体姿态识别来判别是否是同一个人，使得目标识别精确度上有较大提升。

主权项

1.一种基于Mask R‑CNN的人体姿态识别方法，其特征在于：所述方法步骤如下：Step1、获取人体姿态图片集，将人体姿态图片集分成测试集和训练集；Step2、将训练集输入至残差网络进行训练，生成特征图；Step3、遍历训练集中每张图片，将训练集中每张图片对应生成的特征图采用非极大值抑制的方法进行处理：如果图片对应生成的特征图重叠的候选框面积大于规定阈值，则删除该图片对应的特征图；否则，保留，将保留的特征图作为候选感兴趣区域；Step4、遍历通过步骤Step3保留的训练集中图片对应的候选感兴趣区域，分别将每张图片对应的候选的感兴趣区域送入区域候选网络进行二值分类和边界框回归，过滤掉一部分候选感兴趣区域，将留下的作为剩余候选感兴趣区域；Step5、遍历通过步骤Step4保留的训练集中图片对应的剩余候选感兴趣区域，分别对每张图片保留的剩余候选的感兴趣区域进行ROI Align操作，然后进行最大池化操作；Step6、对通过步骤Step5处理后的每张图片对应的剩余候选感兴趣区域进行姿态分类、边界框回归和MASK生成，得到预训练模型；Step7、使用预训练模型对测试集中的图片进行姿态识别。