申请/专利权人：浙江工商大学

申请日：2020-10-16

公开（公告）日：2021-02-09

公开（公告）号：CN112347861A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.12.05#授权;2021.03.02#实质审查的生效;2021.02.09#公开

摘要：本发明涉及一种基于运动特征约束的人体姿态估计方法。本发明先将视频分为多个人体时空窗口，提取窗口下每一帧的图像特征，然后根据窗口包含的多个图像特征抽取该窗口的人体运动特征，接着，通过运动特征约束单帧图片的人体姿态估计。本发明采用了全卷积神经网络的架构，并且使用动态卷积使单帧姿态估计能够根据视频中所包含的情境信息适应性的调整，这样可以更好地应对人体姿态估计任务中常见的运动模糊、肢体遮挡等问题，能够更好地对视频进行姿态估计，提高视频场景下的人体姿态估计准确率。

主权项：1.一种基于运动特征约束的人体姿态估计方法，其特征在于该方法包括以下步骤：步骤（1）、使用带有多人姿态标注的视频数据集，并在视频上建立人体时空窗口；步骤（2）、对训练集中的关键点坐标做预处理，生成对应的人体关键点高斯热图；步骤（3）、构建TemporalAdaptive模型，所述的TemporalAdaptive模型包含由四个子网络模块，分别为图片特征提取模块、运动特征抽取模块、姿态修正模块、姿态分类模块；TemporalAdaptive模型以人体时空窗口为输入，经过图片特征提取模块获取窗口下三张视频图像的特征图；运动特征抽取模块根据特征图提炼出对应的运动情境特征图；姿态修正模块根据运动情境特征图动态的生成卷积核参数，并与窗口中心帧即目标帧图像的特征图做卷积操作得到调整后的特征图；姿态分类模块以调整后的特征图作为输入，最终得到人体关键点的预测热图；步骤（4）、使用训练集对TemporalAdaptive模型进行训练，得到最优的网络模型参数；步骤（5）、模型训练收敛后，将待估计的视频图像输入至模型中，同时输出人体关键点高斯热图并对热图做后处理，得到人体关键点的坐标，实现多人姿态估计。

全文数据：

权利要求：

百度查询： 浙江工商大学 一种基于运动特征约束的人体姿态估计方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD