一种基于横纵坐标解耦与偏移量修正的2D人体姿态估计方法

技术特征：
1.一种基于横纵坐标解耦与偏移量修正的2d人体姿态估计方法，其特征在于，所述方法包括对输入图像进行特征提取，然后对得到的特征图构建一个二分支网络来分别提取横、纵坐标的相关特征，从而对横、纵坐标进行解耦；其中，对每一个网络分支再构建一个位置分类器和一个并行的偏移量回归器分别得到关节点的位置与相应的相对偏移量，再利用相对偏移量对相应的位置坐标进行修正细化，从而得到精确的人体关节点横坐标、人体关节点纵坐标。2.根据权利要求1所述的基于横纵坐标解耦与偏移量修正的2d人体姿态估计方法，其特征在于，将图像输入至re snet-50骨干网络，假设待估计的人体主要关节点个数为k，则网络的最后通过1x1的卷积层输出k张特征图，即特征图的尺寸为k
×
h
f
×
w
f
，每张特征图分别表征一个人体关节点的信息。3.根据权利要求1所述的基于横纵坐标解耦与偏移量修正的2d人体姿态估计方法，其特征在于，构建一个二分支的网络对得到的每张特征图进行关节点横、纵坐标特征进行解耦，即两个分支分别提取特征图中横、纵坐标相关的特征，其中，每个网络分支均利用k个尺寸为3x 3、步长为1、填充为1的卷积核分别对k张特征图进行逐深度卷积，将特征图进行批归一化并通过relu激活函数；每个网络分支保证了输出特征图在尺寸上与输入特征图一致，即输出特征图尺寸也为k
×
h
f
×
w
f
。4.根据权利要求1所述的基于横纵坐标解耦与偏移量修正的2d人体姿态估计方法，其特征在于，解耦得到的横坐标相关的k
×
h
f
×
w
f
的特征图，将每张特征图分别重组成一维的向量，即得到k个h
f
·
w
f
维的特征向量，再分别通过两个全连接层，将特征向量的维度均映射为与输入图像的宽相同，即分别输出k个w
i
维的位置编码向量与k个w
i
维的偏移量编码向量维的偏移量编码向量其中，第k个位置编码向量中每一维的值表示在输入图像中该列的位置是第k个关节点横坐标的置信度，而第k个偏移编码向量中每一维的值表示该位置与第k个关节点横坐标的相对偏移量。同理，纵坐标网络分支输出的是k个关节点的纵坐标位置编码向量与偏移量编码向量与偏移量编码向量5.根据权利要求1所述的基于横纵坐标解耦与偏移量修正的2d人体姿态估计方法，其特征在于，从输出的位置编码向量与偏移量编码向量可以解码出关节点的坐标，首先对第k个关节点横坐标的位置编码向量输入至softmax函数进行概率归一化，然后分别使用标准差为σ1和σ2的一维高斯滤波器对模型输出的位置编码向量与偏移量编码向量分别进行平滑，其中，在位置编码向量取最大激活值的位置，可以得到第k个关节点粗略的离散横坐标值即即再通过第k个关节点的偏移量编码向量得到位置相应的偏移量即以此来对粗糙的关节横坐标进行调整，并增加其小数的部分，得到关节点精确的横坐标纵坐标再利用第k个关节点的横、纵坐标的位置编码向量与偏移量编码向量可以解码得到该关节在输入图像上的坐标值为

技术总结
本发明公开了一种基于横纵坐标解耦与偏移量修正的2D人体姿态估计方法，所述方法包括对输入图像进行特征提取，然后对得到的特征图构建一个二分支网络来分别提取横、纵坐标的相关特征，从而对横、纵坐标进行解耦；其中，对每一个网络分支再构建一个位置分类器和一个并行的偏移量回归器分别得到关节点的位置与相应的相对偏移量，再利用相对偏移量对相应的位置坐标进行修正细化，从而得到精确的人体关节点横坐标、人体关节点纵坐标。人体关节点纵坐标。人体关节点纵坐标。


技术研发人员：张东 池才龙
受保护的技术使用者：中山大学
技术研发日：2022.01.25
技术公布日：2022/6/4