公开(公告)号：CN112052886A

公开(公告)日：2020-12-08

申请号：CN202010847005.3

申请日：2020-08-21

Applicant: 暨南大学

Inventor： 官全龙 ,  罗伟其 ,  李哲夫 ,  刘东灵 ,  张焕明 ,  方良达 ,  汪超男 ,  赖兆荣

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  G06T7/60

Abstract: 本发明属于深度学习计算机视觉领域，公开了一种基于卷积神经网络的人体动作姿态智能估计方法及装置，方法包括：将待进行动作姿态估计的人体图像输入到训练好的人体检测模型中进行处理，得人物个体检测结果，输入到训练好的全局估计模型中进行处理，得到不同尺度的人体关键点的第一特征图，输入到训练好的补充精调模型中进行处理，通过加强学习得到不同尺度的人体关键点的第二特征图；补充精调模型中包括多个特征提取分支，每个特征提取分支中设置数量不同的精调模块，通过各特征提取分支的精调模块加强学习；基于第二特征图，得到人体姿态估计结果。本发明有效解决了现有技术容易遗漏人体图像中难以分辨的关键点而导致人体姿态估计不准确的问题。

公开(公告)号：CN112052886B

公开(公告)日：2022-06-03

申请号：CN202010847005.3

申请日：2020-08-21

Applicant: 暨南大学

Inventor： 官全龙 ,  罗伟其 ,  李哲夫 ,  刘东灵 ,  张焕明 ,  方良达 ,  汪超男 ,  赖兆荣

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/74 ,  G06V40/10 ,  G06V40/20 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/60

Abstract: 本发明属于深度学习计算机视觉领域，公开了一种基于卷积神经网络的人体动作姿态智能估计方法及装置，方法包括：将待进行动作姿态估计的人体图像输入到训练好的人体检测模型中进行处理，得人物个体检测结果，输入到训练好的全局估计模型中进行处理，得到不同尺度的人体关键点的第一特征图，输入到训练好的补充精调模型中进行处理，通过加强学习得到不同尺度的人体关键点的第二特征图；补充精调模型中包括多个特征提取分支，每个特征提取分支中设置数量不同的精调模块，通过各特征提取分支的精调模块加强学习；基于第二特征图，得到人体姿态估计结果。本发明有效解决了现有技术容易遗漏人体图像中难以分辨的关键点而导致人体姿态估计不准确的问题。