摘要
本发明公开一种基于角度图和图像特征融合的3D人体姿态估计方法和系统,其方法包括:使用训练好的2D人体姿态检测器获得人体的2D关键点坐标,并使用高斯拉普拉斯算子获得边缘特征明显的原始图像;将人体骨骼的拓扑图转换为两种不同的角度图;构建角度图特征对比融合模块,通过交叉对比学习融合不同尺度的角度图特征交叉对比;将图像特征与角度图特征进行融合,最后回归得到3D人体姿态信息;重复训练,得到最终的3D人体姿态估计模型。本发明把关节角度约束引入图网络,减少了深度模糊带来的影响,同时融合了图像特征,使得网络具有更好的表达能力。
技术关键词
人体姿态估计方法
图像
卷积神经网络模型
节点特征
拉普拉斯
姿态检测器
模块
级联金字塔网络
关键点
关节点
人体骨骼
全局结构信息
加权损失函数
矩阵
邻居
坐标
系统为您推荐了相关专利信息
医疗保健数据
信息检索方法
数据检索技术
信息检索系统
语义
深度强化学习
运动路径规划
对象
多模态信息
策略
编码特征
控制投影仪
像素点
成像方法
控制图像采集器
代码自动生成方法
多模态
代码自动生成系统
数据
代码结构