一種基于深度學習的輕量級人體姿態(tài)估計方法

基本信息

申請?zhí)?/td> CN202210220002.6 申請日 -
公開（公告）號 CN114694176A 公開（公告）日 2022-07-01
申請公布號 CN114694176A 申請公布日 2022-07-01
分類號 G06V40/10（2022.01）I;G06V10/46（2022.01）I;G06V10/82（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 陸大鵬;閆勝業(yè) 申請（專利權(quán)）人 南京信息工程大學
代理機構(gòu) 北京眾合誠成知識產(chǎn)權(quán)代理有限公司 代理人 -
地址 210000江蘇省南京市寧六路219號
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種基于深度學習的輕量化人體姿態(tài)估計方法，包括以下步驟，步驟1：對指定圖片進行數(shù)據(jù)集中；步驟2：對進行了數(shù)據(jù)集中的圖片進行預處理；步驟3：采用改進后的高分辨率網(wǎng)絡(luò)HRNet作為主干網(wǎng)絡(luò)，通過殘差結(jié)構(gòu)解決深層神經(jīng)網(wǎng)絡(luò)出現(xiàn)的網(wǎng)絡(luò)退化問題,從而降低模型整體的參數(shù)量和計算量；步驟4：對四個不同尺度并行子網(wǎng)進行尺度融合，低分辨率的特征圖經(jīng)過上采樣后與高分辨率子網(wǎng)的特征圖進行融合，生成不同類型關(guān)鍵點的高斯熱圖，通過在原始的人體姿態(tài)估計模型的基礎(chǔ)上進行改進，在不降低太多的精度的前提下，減少模型的參數(shù)量和計算量，讓模型可以運行在低算力平臺上，驗證基于增強高分辨網(wǎng)絡(luò)人體姿態(tài)估計模型的效果。