地址300457天津市滨海新区天津经济技术开发区第二大街57号泰达MSD-G1-1001

　　【一种人体图像关键点姿态估计方法】的权利说明书内容是......请下载后查看

　　【一种人体图像关键点姿态估计方法】技术领域本发明涉及图像处理技术领域，特

　　别是涉及一种人体图像关键点姿态估计方法。背景技术人体图像关键点姿态估计，

　　是指从一张含有人体的图像中对人体骨架上的关键点进行建模估计，人体关键点一

　　般定义为：踝关节，左膝关节，左臀部，右臀部，左膝关节，左踝关节，右踝关节，

　　上颈部，头顶骨骼点姿态估计，右手腕，左肘，左肩，右肩，右肘，左手腕，最后通过训练好的姿

　　态估计模型，对输入图像进行姿态估计，输出为含有人体骨架关键点的图像。由于

　　人体具有相开云体育官方入口当柔性，会出现各种姿态和形状，人体任何一个部位的微小变化都会产

　　生一种新的姿态，同时其关键点的可见性受穿着、姿态、视角等影响非常大，而且

　　还面临着遮挡、光照、雾等环境的影响，除此之外，2D人体关键点和3D人体关

　　(foreshortening)，使得人体骨骼关键点检测成为计算机视觉领域中一个极具挑战性

　　的问题。现有解决人体图像关键点姿态估计的人体骨骼关键点检测算法基本上是在

　　几何先验的基础上基于模版匹配的思路来进行，核心就在于如何去用模版表示整个

　　人体结构，包括关键点的表示，肢体结构的表示以及不同肢体结构之间的关系的表

　　示。一个好的模版匹配的思路，可模拟更多的姿态范围，以至于能够更好的匹配并

　　RMI,CFN,RMPE,MaskR-CNN。普遍使用卷积神经网络来构建人体关键点姿态估计

　　网络结构，将含有人体图像输入到该网络结构中，进行一系列非线性处理(用来拟

　　合一个复杂的映射函数)得到生成的人体骨架关键点姿态图像，将生成的人体骨架

　　关键点姿态图像与真实的标注的人体固件关键点图像作为损失函数的输入并计算该

　　损失函数的值，求梯度来最小化这个值，并利用反向传播函数将求得的梯度反向传

　　播并更新网络权重的参数，多次迭代直到该损失函数不变为止。由于技术的进一步

　　的发明以及高质量高精确度的人体骨架关键点图像对用户的体验和市场的竞争都具

　　有重要的意义。而现有的人体图像关键点姿态估计生成质量不能满足要求，且不确

　　定性比较大。因此，对人体图像关键点姿态估计方法进行一步改进，是很有必要的。

　　发明内容本发明的目的是针对现有技术中存在的技术缺陷，而提供一种融合空洞卷

　　积(Dilatedconv)的级联金字塔的深度神经网络的人体图像关键点姿态估计方法，以

　　提高人体图像关键点姿态估计生成质量，降低不确定性。为......完整内容请下载后