← 返回列表

一种高效的人体姿态估计方法及其模型搭建方法

申请号: CN202410095781.0
申请人: 中国海洋大学
更新日期: 2026-03-16

专利详细信息

项目 内容
专利名称 一种高效的人体姿态估计方法及其模型搭建方法
专利类型 发明申请
申请号 CN202410095781.0
申请日 2024/1/24
公告号 CN117612267A
公开日 2024/2/27
IPC主分类号 G06V40/20
权利人 中国海洋大学
发明人 付民; 汤先瑞; 孙梦楠; 闵健; 郑冰
地址 山东省青岛市崂山区松岭路238号

摘要文本

本发明提出了一种高效的人体姿态估计方法及其模型搭建方法,属于计算机视觉技术领域,基于HRNet网络结构,搭建一种轻量化的人体姿态估计模型GSEHRNet网络模型;基于高分辨率的网络,通过并行连接的方式,不断融合不同分辨率分支的特征;在充分利用了HRNet的网络特征的同时,在提取模块中使用一种新的提取模块GSE‑Block和SE‑Neck,能够有效的降低模型的参数量,同时保持较高的识别准确率。本发明提出的GSEHRNet人体姿态估计模型,是一个模型轻量化的过程,充分发挥了Ghost Module的轻量型特征,相较于非轻量化模型,本发明在损失了少量精确度的同时,参数量大大降低。

专利主权项内容

1.一种高效的人体姿态估计模型的搭建方法,其特征在于,包括以下步骤:步骤1,获取人体姿态估计的原始数据;所述原始数据通过公用数据集网站下载或者自拍获取;步骤2,对步骤1中的原始数据进行预处理,并划分训练集和测试集;步骤3,基于HRNet网络结构,搭建一种轻量化的人体姿态估计模型GSEHRNet网络模型;基于高分辨率的网络,通过并行连接的方式,不断融合不同分辨率分支的特征;首先通过卷积层下采样,然后通过第一层Layer1模块,然后通过三个过渡层Transition结构以及三个特征提取阶段Stage,每通过一个过渡层Transition结构就会新增一个尺度分支,以此来构建多分支的网络结构;后面每个特征提取阶段Stage通过这种多分支的并行结构不断的提取特征信息,并对不同分支的不同分辨率的特征信息进行融合,以提取更多的特征信息;最后再将上述提取后的信息的最高分辨率分支的特征信息作为输出;步骤4,使用步骤2中所述的训练集对步骤3中所搭建的GSEHRNet网络模型进行训练;步骤5,使用步骤2中所述的测试集对训练后的GSEHRNet网络模型进行测试,从而获取最终模型。