本发明公开了一种基于结构指导的深度学习人体姿态估计方法和系统,该技术领域涉及计算机视觉和机器学习。
该发明旨在解决传统直接预测人体关节点的神经网络方法所存在的准确率低和鲁棒性差的问题。为此,它提出了一种利用人体骨架结构知识进行指导学习的方法。该方法主要包括以下几个步骤:
通过引入人体结构的先验知识指导学习,本发明能够隐含地学习出人体模型,从而实现对人体姿态的准确识别。即使在面对复杂姿态和遮挡问题时,该方法也能实现准确的识别,展现了极高的鲁棒性。
| 专利名称 | 基于结构指导深度学习的人体姿态估计方法和系统 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201611271555.5 |
| 申请号 | - | 专利申请日期 | 2016-12-30 |
| 专利授权日期 | 2017-05-10 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 周余;艾宝乐;于耀 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明公开一种基于结构指导深度学习的人体姿态估计方法和系统,属于计算机视觉和机器学习领域。本发明解决的问题是:针对一般直接预测人体关节点的神经网络由于没有包含人体结构信息而导致的准确率低和鲁棒性差的缺点,提出一种利用人体骨架的结构知识,进行指导学习的方法。主要包括输入数据预处理,结构指导卷积神经网络预测,融合卷积神经网络预测和最终的输出处理。本发明通过引入人体结构的先验知识指导学习,隐含地学习出人体模型,从而可以准确地识别出人体姿态,对一些复杂姿态和遮挡问题均能准确地识别,具有很高的鲁棒性。 | ||