CN112347884A - 人体姿态识别方法、装置、终端设备及计算机可读存储介质 - Google Patents
人体姿态识别方法、装置、终端设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112347884A CN112347884A CN202011167542.XA CN202011167542A CN112347884A CN 112347884 A CN112347884 A CN 112347884A CN 202011167542 A CN202011167542 A CN 202011167542A CN 112347884 A CN112347884 A CN 112347884A
- Authority
- CN
- China
- Prior art keywords
- key point
- limb key
- limb
- point group
- position parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Abstract
本发明公开了一种人体姿态识别方法、装置、终端设备及计算机可读存储介质,方法包括:在检测到当前的画面帧中存在至少两组目标肢体关键点组时,获取每一目标肢体关键点组对应的人脸信息,其中,单个人体的所有肢体关键点组成一个肢体关键点组;确定与预设人脸特征匹配的目标人脸信息;将与目标人脸信息对应的目标肢体关键点组发送至姿态识别模块,以使姿态识别模块根据目标肢体关键点组进行姿态识别,提高了人体姿态识别的准确率。
Description
技术领域
本发明涉及姿态识别技术领域,尤其涉及一种人体姿态识别方法、装置、终端设备及计算机可读存储介质。
背景技术
肢体关键点识别是在画面帧中获取人体的肢体关键点的位置,是人体姿态识别的基础。在人体姿态识别的过程中,由于连续的待识别画面帧中可能会存在多个人体,因此,需要在每个待识别画面帧中确定待识别人体的肢体关键点的位置,然后根据每个肢体关键点的位置进行人体姿态识别。
现有的肢体关键点识别通常是在连续的画面帧中进行肢体关键点追踪,在画面帧中存在被追踪的肢体关键点时,容易出现肢体关键点追踪错误或追踪失败的问题,从而导致人体姿态识别准确率较低。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种人体姿态识别方法、装置、终端设备及计算机可读存储介质,旨在提高人体姿态识别的准确率。
为实现上述目的,本发明提供一种人体姿态识别方法,包括:
在检测到当前的画面帧中存在至少两组目标肢体关键点组时,获取每一目标肢体关键点组对应的人脸信息,其中,单个人体的所有肢体关键点组成一个肢体关键点组;
确定与预设人脸特征匹配的目标人脸信息;
将与目标人脸信息对应的目标肢体关键点组发送至姿态识别模块,以使姿态识别模块根据目标肢体关键点组进行姿态识别。
此外,为实现上述目的,本发明还提出了一种人体姿态识别装置,包括:
第一获取单元,用于在检测到当前的画面帧中存在至少两组目标肢体关键点组时,获取每一目标肢体关键点组对应的人脸信息,其中,单个人体的所有肢体关键点组成一个肢体关键点组;
确定单元,用于确定与预设人脸特征匹配的目标人脸信息;
发送单元,用于将与目标人脸信息对应的目标肢体关键点组发送至姿态识别模块,以使姿态识别模块根据目标肢体关键点组进行姿态识别。
此外,为实现上述目的,本发明还提出了一种终端设备,终端设备包括存储器、处理器及存储在存储器上并可在处理器上运行的人体姿态识别程序,处理器执行人体姿态识别程序时实现如上述的人体姿态识别方法的步骤。
此外,为实现上述目的,本发明还提出一种计算机可读存储介质,计算机可读存储介质上存储有人体姿态识别程序,人体姿态识别程序被处理器执行时实现如上述的人体姿态识别方法的步骤。
本发明实施例提出的一种人体姿态识别方法、装置及计算机可读存储介质,在检测到当前的画面帧中存在至少两组目标肢体关键点组时,获取每一目标肢体关键点组对应的人脸信息,然后确定与预设人脸特征匹配的目标人脸信息,并将与目标人脸信息对应的目标肢体关键点组发送至姿态识别模块,以使姿态识别模块根据目标肢体关键点组进行姿态识别。通过识别目标肢体关键点组对应的人脸信息,从而在当前画面帧中确定被追踪人体的肢体关键点组,避免了由于追踪错误或追踪失败导致的识别错误,提高了人体姿态识别的准确率。
附图说明
图1是本发明实施例方案涉及的装置的硬件架构示意图;
图2为本发明人体姿态识别方法的第一实施例的流程示意图;
图3为本发明人体姿态识别方法的第二实施例的流程示意图;
图4为本发明实施例方案涉及的肢体关键点组的示意图;
图5为本发明实施例方案涉及的人体检测框以及肢体检测框的示意图;
图6为本发明人体姿态识别装置的功能单元组成框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
现有的肢体关键点识别通常是在连续的画面帧中进行肢体关键点追踪,在画面帧中存在被追踪的肢体关键点时,容易出现肢体关键点追踪错误或追踪失败的问题,从而导致人体姿态识别准确率较低。
为解决上述缺陷,本发明实施例提出一种人体姿态识别方法、装置、终端设备及计算机可读存储介质。
如图1所示,图1是本发明实施例方案涉及的终端设备的硬件架构示意图。
如图1所示,该终端设备可以包括:处理器1001,例如CPU,用户接口1003,网络接口1004,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘等,可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatilememory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端设备的硬件架构并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及人体姿态识别程序。
在图1所示的装置中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;处理器1001可以用于调用存储器1005中存储的人体姿态识别程序,并执行以下操作:
在检测到当前的画面帧中存在至少两组目标肢体关键点组时,获取每一目标肢体关键点组对应的人脸信息,其中,单个人体的所有肢体关键点组成一个肢体关键点组;
确定与预设人脸特征匹配的目标人脸信息;
将与目标人脸信息对应的目标肢体关键点组发送至姿态识别模块,以使姿态识别模块根据目标肢体关键点组进行姿态识别。
进一步地,处理器1001可以用于调用存储器1005中存储的人体姿态识别程序,还执行以下操作:
接收视频流数据;
获取当前的画面帧的所有肢体关键点组,并获取每个肢体关键点组的第一位置参数以及第二位置参数;
在当前的第一位置参数以及第二位置参数满足预设条件时,将当前的肢体关键点组作为目标肢体关键点组。
进一步地,处理器1001可以用于调用存储器1005中存储的人体姿态识别程序,还执行以下操作:
获取当前的第一位置参数与第一预设位置参数的第一差值绝对值;
获取当前的第二位置参数与第二预设位置参数的第二差值绝对值;
在第一差值绝对值小于第一预设阈值且第二差值绝对值小于第二预设阈值时,将当前的肢体关键点组作为目标肢体关键点组。
进一步地,处理器1001可以用于调用存储器1005中存储的人体姿态识别程序,还执行以下操作:
获取当前的画面帧中的肢体检测框;
获取肢体检测框中的所有肢体关键点的位置信息,并将一组肢体检测框中的所有肢体关键点作为一组肢体关键点组;
根据肢体关键点组的每一肢体关键点的位置信息获取第一位置参数以及第二位置参数。
进一步地,处理器1001可以用于调用存储器1005中存储的人体姿态识别程序,还执行以下操作:
获取每一目标肢体关键点组对应的人脸检测框,人脸检测框位于目标肢体关键点组对应的肢体检测框内;
获取每一获取人脸检测框内的人脸特征;
比对每一人脸检测框内的人脸特征与预设人脸特征;
确定与预设人脸特征匹配的目标人脸信息。
进一步地,处理器1001可以用于调用存储器1005中存储的人体姿态识别程序,还执行以下操作:
接收到注册指令时,获取注册画面帧,并获取注册画面帧的肢体关键点组;
在肢体关键点组中获取满足预设条件的注册肢体关键点组;
获取注册肢体关键点组的第一位置参数以及第二位置参数,并获取注册肢体关键点组对应的人脸特征;
将第一位置参数作为第一预设位置参数保存,将第二位置参数作为第二预设位置参数保存,并将人脸特征作为预设人脸特征保存。
如图2所示,在本发明人体姿态识别方法的第一实施例中,人体姿态识别方法应用于终端设备,该人体姿态识别方法包括以下步骤:
步骤S010、在检测到当前的画面帧中存在至少两组目标肢体关键点组时,获取每一目标肢体关键点组对应的人脸信息,其中,单个人体的所有肢体关键点组成一个肢体关键点组;
步骤S020、确定与预设人脸特征匹配的目标人脸信息;
步骤S030、将与目标人脸信息对应的目标肢体关键点组发送至姿态识别模块,以使姿态识别模块根据目标肢体关键点组进行姿态识别。
在本实施例中,肢体关键点为人体的头部、肩关节、肘关节、腕关节等关键点;肢体关键点组由单个人体的所有肢体关键点组成;目标肢体关键点组为画面帧中满足预设条件的肢体关键点组;人脸信息包括人脸检测框以及人脸特征;预设人脸特征为被识别人体的人脸特征。
处理器控制摄像头进行视频拍摄,然后获取摄像头当前拍摄的画面帧,并在当前的画面帧中存在至少两组目标肢体关键点组时,获取每一组目标肢体关键点组对应的人脸检测框以及人脸特征,然后比对每一组目标肢体关键点组对应的人脸特征与预设人脸特征,在存在与预设人脸特征匹配的人脸特征时,将匹配的人脸特征对应的人脸信息作为目标人脸信息;然后将目标人脸信息对应的目标肢体关键点组发送至姿态识别模块,使得姿态识别模块根据目标肢体关键点组进行姿态识别。
在本实施例公开的技术方案中,通过识别目标肢体关键点组对应的人脸信息,从而在当前画面帧中确定被追踪人体的肢体关键点组,避免了由于追踪错误或追踪失败导致的识别错误,提高了人体姿态识别的准确率。
可选地,如图3所示,基于第一实施例,在本发明人体姿态识别方法的第二实施例中,步骤S010之前,方法还包括:
步骤S040、接收视频流数据;
步骤S050、获取当前的画面帧的所有肢体关键点组,并获取每个肢体关键点组的第一位置参数以及第二位置参数;
步骤S060、在当前的第一位置参数以及第二位置参数满足预设条件时,将当前的肢体关键点组作为目标肢体关键点组。
在本实施例中,第一位置参数表明肢体在画面帧中的整体位置状态,第二位置参数表明一组肢体关键点组中,各个肢体关键点的相对位置状态。
在本实施例中,目标肢体关键点组是当前的画面帧中,与上一有效识别画面帧中待识别人体的肢体关键点组的位置相近的肢体关键点组。
处理器接收摄像头拍摄的视频流数据,然后获取实时获取视频流数据中的当前的画面帧,然后获取当前的画面帧中所有的肢体关键点组,然后获取每个肢体关键点组的第一位置参数以及第二位置参数,具体地,根据肢体关键点组中每一肢体关键点的坐标计算第一位置参数以及第二位置参数。
具体地,处理器先获取当前的画面帧中的肢体检测框,然后获取每个肢体检测框中的所有肢体关键点,并获取所有肢体关键点的位置信息,然后将一个肢体检测框中的所有关键点作为一个肢体关键点组;示例性地,肢体关键点组可以包括肢体关键点的标识以及位置信息。
具体地,如图4所示,肢体检测框内的所有圆点均为肢体关键点;肢体关键点的位置信息用(x,y)表示;肢体关键点组中包括{a,b,c,d,e,f,g,h,i,j,k,l,m,n}这14个肢体关键点;由于部分肢体关键点的肢体活动范围过大,可能影响肢体关键点组的识别,因此,处理器在计算第一位置参数以及第二位置参数时,先在肢体关键点组A中剔除部分肢体关键点,得到肢体关键点组A={a,b,c,d,e,f,g,h,i};处理器获取肢体关键点组A中各个肢体关键点组的坐标,然后根据公式计算第一位置参数,并根据公式计算第二位置参数。
处理器判断当前获取的第一位置参数以及第二位置参数是否满足预设条件,在当前获取的第一位置参数以及第二位置参数满足预设条件,将当前处理的肢体关键点组作为目标肢体关键点组。
具体地,处理器获取存储器中的第一预设位置参数以及第二预设位置参数,然后获取第一位置参数与第一预设位置参数之间的第一差值绝对值,并获取第二位置参数与第二预设位置参数之间的第二差值绝对值;在第一差值绝对值小于第一预设阈值且第二差值绝对值小于第二预设阈值时,判定当前的肢体关键点组满足预设条件,然后将当前的肢体关键点组作为目标肢体关键点组。
在本实施例公开的技术方案中,通过当前的画面帧中所有肢体关键点组的第一位置参数以及第二位置参数,在当前的画面帧中确定目标肢体关键点组,减少了处理器进行人脸识别时需比对的人脸信息,提高了人体姿态识别的识别速度。
可选地,基于第二实施例,在本发明人体姿态识别方法的第三实施例中,步骤S010进一步包括:
步骤S011、在检测到当前的画面帧中存在至少两组目标肢体关键点组时,获取每一目标肢体关键点组对应的人脸检测框,人脸检测框位于目标肢体关键点组对应的肢体检测框内;
步骤S012、获取每一获取人脸检测框内的人脸特征;
步骤S020进一步包括:
步骤S021、比对每一人脸检测框内的人脸特征与预设人脸特征;
步骤S022、确定与预设人脸特征匹配的目标人脸信息。
在本实施例中,如图5所示,人脸检测框为四边形,可以通过左上角(a1,b1),左下角(a1,b2),右上角(a2,b1)以及右下角(a2,b2)这四个点表示,因此,本实施例可以用两个坐标(a1,b1)和(a2,b2)表示人脸检测框;肢体检测框为四边形,可以通过左上角(c1,d1),左下角(c1,d2),右上角(c2,d1)以及右下角(c2,d2)这四个点表示,因此,本实施例可以用两个坐标(c1,d1)和(c2,d2)表示肢体检测框;其中,a与c均表示横坐标,b与d均表示纵坐标。
处理器在当前的画面帧检测到至少两组目标肢体关键点组的时候,获取目标肢体关键点组的人脸检测框以及肢体检测框,人脸检测框位于目标肢体关键点组对应的肢体检测框内。
具体地,处理器在确定人脸检测框以及对应的肢体检测框时,先判断目标肢体关键点组的头部关键点(x,y)的横坐标是否在人脸检测框中,在a2-x>0且x-a1>0时,目标肢体关键点组的头部关键点(x,y)的横坐标在人脸检测框中;然后判断目标肢体关键点组的头部关键点(x,y)的纵坐标是否在人脸检测框中,在b1-y>0且y-b2>0时,判定目标肢体关键点组的头部关键点(x,y)的纵坐标在人脸检测框中;然后获取第一判断指标A以及第二判断指标B,在A与B均大于零时,判定当前比对的人脸检测框与当前比对的肢体检测框存在交集;具体地,第一判断指标A=(c2-c1)+(a2-a1)-(max(a2,c2)-min(a1,c1)),第二判断指标B=(d1-d2)+(b1-b2)-(max(b1,d1)-min(b2,d2));然后获取人脸检测框与肢体检测框的交集面积R以及人脸检测框的面积R1,具体地,R=A*B,R1=(b1-y)*(a1-x);然后获取第三判断指标C=2*R-R1,在C>0时,判定人脸检测框位于肢体检测框内,从而确定人脸检测框与肢体检测框之间的对应关系。
处理器然后获取每一目标肢体关键点对应的人脸检测框中的人脸特征,基于获取的人脸特征以及预设人脸特征进行人脸识别,以在所有的人脸特征中确定与预设人脸特征匹配的目标人脸特征,从而确定目标人脸信息。
在本实施例公开的技术方案中,通过获取人脸检测框与肢体检测框的映射关系,以获取人脸特征与肢体关键点组之间的映射关系,在人脸识别成功后,根据匹配的人脸特征获取对应的目标肢体关键点组,从而提高了人体姿态识别的准确率。
可选地,基于第二实施例,在本发明人体姿态识别方法的第四实施例中,步骤S020之后,还包括:
步骤S070、根据目标人脸信息对应的肢体关键点组的第一位置参数更新保存第一预设位置参数;
步骤S080、根据目标人脸信息对应的肢体关键点组的第二位置参数更新保存第二预设位置参数。
在本实施例中,处理器在确定目标人脸信息后,获取目标人脸信息对应的肢体关键点组的第一位置参数以及第二位置参数,然后将获取的第一位置参数更新保存为第一预设位置参数,并将第二位置参数更新保存为第二预设位置参数。
可选地,步骤S060之后,还包括:
步骤S090、在当前的画面帧中存在一组目标肢体关键点组时,根据目标肢体关键点组对应的第一位置参数更新保存第一预设位置参数;
步骤S100、根据目标肢体关键点组对应的第二位置参数更新保存第二预设位置参数;
步骤S110、将目标肢体关键点组发送至姿态识别模块,以使姿态识别模块根据目标肢体关键点组进行姿态识别。
在本实施例中,处理器在当前的画面帧中仅存在一组目标肢体关键点组时,获取目标肢体关键点组的第一位置参数以及第二位置参数,然后将获取的第一位置参数更新保存为第一预设位置参数,并将第二位置参数更新保存为第二预设位置参数。
在本实施例公开的技术方案中,在确定待识别人体的肢体关键点组后,根据肢体关键点组的位置参数更新预设位置参数,从而根据上一有效识别的画面帧中的肢体关键点组的位置来确定当前画面帧中的目标肢体关键点组,从而提高了人体姿态识别的准确率。
可选地,基于第二实施例,在本发明人体姿态识别方法的第五实施例中,步骤S050之前,还包括:
步骤S120、接收到注册指令时,获取注册画面帧,并获取注册画面帧的肢体关键点组;
步骤S130、在肢体关键点组中获取满足预设条件的注册肢体关键点组;
步骤S140、获取注册肢体关键点组的第一位置参数以及第二位置参数,并获取注册肢体关键点组对应的人脸特征;
步骤S150、将第一位置参数作为第一预设位置参数保存,将第二位置参数作为第二预设位置参数保存,并将人脸特征作为预设人脸特征保存。
在本实施例中,处理器接收到注册指令时,获取注册画面帧,具体地,可以接收用户输入的画面帧,也可以获取摄像头当前采集到的画面帧;然后在注册画面帧中获取满足预设位置或者注册动作的注册肢体关键点组,然后获取注册肢体关键点组的第一位置参数以及第二位置参数,将第一位置参数保存为第一预设位置参数,并将第二位置参数保存为第二预设位置参数;同时获取注册肢体关键点组对应的人脸特征,然后将获取的人脸特征作为预设人脸特征保存。
可选地,步骤S50之后,还包括:
步骤S160、在每个肢体关键点组的第一位置参数和/或第二位置参数均不满足预设条件时,更新错误帧数;
步骤S170、在错误帧数大于或等于预设阈值时,输出重新注册的提示信息,并将错误帧数清零;或者,
步骤S180、在错误帧数小于预设阈值时,返回执行获取当前的画面帧的所有肢体关键点组,并获取每个肢体关键点组的第一位置参数以及第二位置参数的步骤。
在本实施例中,处理器在每个肢体关键点组的第一位置参数和/或第二位置参数均不满足预设条件时,判定当前画面帧中不存在待识别人体;然后将错误帧数加一,然后比对错误帧数与预设阈值,在错误帧数大于或等于预设阈值时,输出重新注册的提示信息,并将错误帧数清零,以使用户在接收到重新注册的提示信息后,重新输入注册指令,然后再进行人体姿态识别;在错误帧数小于预设阈值时,返回执行上述的获取当前的画面帧的所有肢体关键点组的过程。
可选地,步骤S050之后,还包括:
步骤S190、在当前的画面帧中存在一组目标肢体关键点组时,将错误帧数清零;
步骤S200、返回执行获取当前的画面帧的所有肢体关键点组,并获取每个肢体关键点组的第一位置参数以及第二位置参数的步骤。
在本实施例中,处理器在当前的画面帧中仅存在一组目标肢体关键点组时,即判定该目标肢体关键点组为待识别人体的肢体关键点组,然后将错误帧数清零,并返回执行上述的获取当前的画面帧的所有肢体关键点组的过程。
可选地,步骤S020之后,还包括:
步骤S210、在不存在与预设人脸特征匹配的目标人脸信息时,更新错误帧数;
步骤S220、在错误帧数大于或等于预设阈值时,输出重新注册的提示信息,并将错误帧数清零;或,
步骤S230、在错误帧数小于预设阈值时,返回执行获取当前的画面帧的所有肢体关键点组,并获取每个肢体关键点组的第一位置参数以及第二位置参数的步骤。
在本实施例中,处理器在当前画面帧中不存在与预设人脸特征匹配的目标人脸信息时,判定当前画面帧中不存在待识别人体,然后将错误帧数加一,然后比对错误帧数与预设阈值,在错误帧数大于或等于预设阈值时,输出重新注册的提示信息,并将错误帧数清零,以使用户在接收到重新注册的提示信息后,重新输入注册指令,然后再进行人体姿态识别;在错误帧数小于预设阈值时,返回执行上述的获取当前的画面帧的所有肢体关键点组的过程。
可选地,步骤S020之后,还包括:
步骤S220、在存在与预设人脸特征匹配的目标人脸信息时,将错误帧数清零;
步骤S230、返回执行获取当前的画面帧的所有肢体关键点组,并获取每个肢体关键点组的第一位置参数以及第二位置参数的步骤。
在本实施例中,处理器在当前画面帧中返回执行上述的获取当前的画面帧的所有肢体关键点组的过程。
在本实施例公开的技术方案中,由于存在识别出错、画面帧丢失等错误造成的无法识别的错误,本方案通过设置错误帧数,减少因为错误而频频从新开始人体姿态识别,提高了人体姿态识别的容错率。
如图6所示,本发明实施例还提出一种人体姿态识别装置10,包括:
第一获取单元11,用于在检测到当前的画面帧中存在至少两组目标肢体关键点组时,获取每一目标肢体关键点组对应的人脸信息,其中,单个人体的所有肢体关键点组成一个肢体关键点组;
确定单元12,用于确定与预设人脸特征匹配的目标人脸信息;
发送单元13,用于将与目标人脸信息对应的目标肢体关键点组发送至姿态识别模块,以使姿态识别模块根据目标肢体关键点组进行姿态识别。
可选地,基于上述实施例,人体姿态识别装置10还包括:
接收单元14,用于接收视频流数据;
第二获取单元15,用于获取当前的画面帧的所有肢体关键点组,并获取每个肢体关键点组的第一位置参数以及第二位置参数;
判定单元16,用于在当前的第一位置参数以及第二位置参数满足预设条件时,将当前的肢体关键点组作为目标肢体关键点组。
此外,本发明实施例还提出一种终端设备,终端设备包括存储器、处理器及存储在存储器上并可在处理器上运行的人体姿态识别程序,处理器执行人体姿态识别程序时实现如上述各个实施例的人体姿态识别方法的步骤。
此外,本发明实施例还提出一种计算机可读存储介质,计算机可读存储介质上存储有人体姿态识别程序,人体姿态识别程序被处理器执行时实现如上述各个实施例的人体姿态识别方法的步骤。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台装置(可以是电视机、智能手机等)执行本发明各个实施例的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种人体姿态识别方法,其特征在于,包括:
在检测到当前的画面帧中存在至少两组目标肢体关键点组时,获取每一所述目标肢体关键点组对应的人脸信息,其中,单个人体的所有肢体关键点组成一个所述肢体关键点组;
确定与预设人脸特征匹配的目标人脸信息;
将与所述目标人脸信息对应的目标肢体关键点组发送至姿态识别模块,以使所述姿态识别模块根据所述目标肢体关键点组进行姿态识别。
2.如权利要求1所述的方法,其特征在于,所述检测到当前的画面帧中存在至少两组目标肢体关键点组之前,所述方法还包括:
接收视频流数据;
获取当前的所述画面帧的所有肢体关键点组,并获取每个肢体关键点组的第一位置参数以及第二位置参数;
在当前的所述第一位置参数以及所述第二位置参数满足预设条件时,将当前的所述肢体关键点组作为所述目标肢体关键点组。
3.如权利要求2所述的方法,其特征在于,所述在当前的所述第一位置参数以及所述第二位置参数满足预设条件时,将当前的所述肢体关键点组作为所述目标肢体关键点组,包括:
获取当前的所述第一位置参数与第一预设位置参数的第一差值绝对值;
获取当前的所述第二位置参数与第二预设位置参数的第二差值绝对值;
在所述第一差值绝对值小于第一预设阈值且所述第二差值绝对值小于第二预设阈值时,将当前的所述肢体关键点组作为所述目标肢体关键点组。
4.如权利要求3所述的方法,其特征在于,所述获取当前的所述画面帧的所有肢体关键点组,并获取每个肢体关键点组的第一位置参数以及第二位置参数,包括:
获取当前的画面帧中的肢体检测框;
获取所述肢体检测框中的所有肢体关键点的位置信息,并将一组所述肢体检测框中的所有所述肢体关键点作为一组肢体关键点组;
根据所述肢体关键点组的每一所述肢体关键点的位置信息获取所述第一位置参数以及所述第二位置参数。
5.如权利要求1-4任一项所述的方法,其特征在于,所述人脸信息包括人脸特征以及人脸检测框,所述在获取每一所述目标肢体关键点组对应的人脸信息,包括:
获取每一所述目标肢体关键点组对应的人脸检测框,所述人脸检测框位于所述目标肢体关键点组对应的肢体检测框内;
获取每一所述获取所述人脸检测框内的人脸特征;
所述确定与预设人脸特征匹配的目标人脸信息,包括:
比对每一所述人脸检测框内的人脸特征与预设人脸特征;
确定与所述预设人脸特征匹配的目标人脸信息。
6.如权利要求3所述的方法,其特征在于,所述获取当前的所述画面帧的所有肢体关键点组之前,所述方法还包括:
接收到注册指令时,获取注册画面帧,并获取所述注册画面帧的肢体关键点组;
在所述肢体关键点组中获取满足预设条件的注册肢体关键点组;
获取所述注册肢体关键点组的所述第一位置参数以及所述第二位置参数,并获取所述注册肢体关键点组对应的人脸特征;
将所述第一位置参数作为第一预设位置参数保存,将所述第二位置参数作为第二预设位置参数保存,并将所述人脸特征作为预设人脸特征保存。
7.一种人体姿态识别装置,其特征在于,包括:
第一获取单元,用于在检测到当前的画面帧中存在至少两组目标肢体关键点组时,获取每一所述目标肢体关键点组对应的人脸信息,其中,单个人体的所有肢体关键点组成一个所述肢体关键点组;
确定单元,用于确定与预设人脸特征匹配的目标人脸信息;
发送单元,用于将与所述目标人脸信息对应的目标肢体关键点组发送至姿态识别模块,以使所述姿态识别模块根据所述目标肢体关键点组进行姿态识别。
8.如权利要求7所述的装置,其特征在于,所述装置还包括:
接收单元,用于接收视频流数据;
第二获取单元,用于获取当前的所述画面帧的所有肢体关键点组,并获取每个肢体关键点组的第一位置参数以及第二位置参数;
判定单元,用于在当前的所述第一位置参数以及所述第二位置参数满足预设条件时,将当前的所述肢体关键点组作为所述目标肢体关键点组。
9.一种终端设备,其特征在于,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人体姿态识别程序,所述处理器执行所述人体姿态识别程序时实现如权利要求1至6中任一项所述的人体姿态识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有人体姿态识别程序,所述人体姿态识别程序被处理器执行时实现如权利要求1至6中任一项所述的人体姿态识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011167542.XA CN112347884A (zh) | 2020-10-27 | 2020-10-27 | 人体姿态识别方法、装置、终端设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011167542.XA CN112347884A (zh) | 2020-10-27 | 2020-10-27 | 人体姿态识别方法、装置、终端设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112347884A true CN112347884A (zh) | 2021-02-09 |
Family
ID=74359201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011167542.XA Pending CN112347884A (zh) | 2020-10-27 | 2020-10-27 | 人体姿态识别方法、装置、终端设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112347884A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113031465A (zh) * | 2021-03-22 | 2021-06-25 | 北京市商汤科技开发有限公司 | 智能设备的控制方法、装置、设备及存储介质 |
CN113553959A (zh) * | 2021-07-27 | 2021-10-26 | 杭州逗酷软件科技有限公司 | 动作识别方法及装置、计算机可读介质和电子设备 |
CN115035546A (zh) * | 2022-05-27 | 2022-09-09 | 中国科学院半导体研究所 | 三维人体姿态检测方法、装置及电子设备 |
-
2020
- 2020-10-27 CN CN202011167542.XA patent/CN112347884A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113031465A (zh) * | 2021-03-22 | 2021-06-25 | 北京市商汤科技开发有限公司 | 智能设备的控制方法、装置、设备及存储介质 |
CN113553959A (zh) * | 2021-07-27 | 2021-10-26 | 杭州逗酷软件科技有限公司 | 动作识别方法及装置、计算机可读介质和电子设备 |
CN115035546A (zh) * | 2022-05-27 | 2022-09-09 | 中国科学院半导体研究所 | 三维人体姿态检测方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112347884A (zh) | 人体姿态识别方法、装置、终端设备及计算机可读存储介质 | |
CN108960211B (zh) | 一种多目标人体姿态检测方法以及系统 | |
CN108399367B (zh) | 手部动作识别方法、装置、计算机设备及可读存储介质 | |
CN112949462B (zh) | 三维人体姿态的估计方法、装置、设备及存储介质 | |
CN111512317A (zh) | 一种多目标实时跟踪方法、装置及电子设备 | |
CN112633196A (zh) | 人体姿态检测方法、装置和计算机设备 | |
CN112257698B (zh) | 环视图车位检测结果的处理方法、装置、设备和存储介质 | |
CN110197501B (zh) | 图像处理方法和设备 | |
CN112784739A (zh) | 模型的训练方法、关键点定位方法、装置、设备和介质 | |
CN110543823A (zh) | 基于残差网络的行人再识别方法、装置和计算机设备 | |
CN114769021A (zh) | 一种基于全角度模板识别的机器人喷涂系统及方法 | |
CN116304179B (zh) | 一种获取目标视频的数据处理系统 | |
CN116263622A (zh) | 手势识别方法、装置、电子设备、介质及程序产品 | |
CN114821513B (zh) | 一种基于多层网络的图像处理方法及装置、电子设备 | |
CN111145152A (zh) | 图像检测方法、计算机设备和存储介质 | |
CN111178162A (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN110660000A (zh) | 数据预测方法、装置、设备及计算机可读存储介质 | |
CN115375774A (zh) | 确定相机外参的方法、装置、设备及存储介质 | |
CN115346270A (zh) | 交警手势识别方法、装置、电子设备及存储介质 | |
CN114415698A (zh) | 机器人、机器人的定位方法、装置和计算机设备 | |
CN112508064A (zh) | 指静脉身份识别方法、装置、计算机设备和存储介质 | |
CN112381042A (zh) | 从掌静脉图像中提取掌静脉特征的方法、掌静脉识别方法 | |
CN111815651A (zh) | 一种人脸与身体肤色区域的分割方法、系统及设备 | |
CN111178366A (zh) | 一种移动机器人的定位方法和移动机器人 | |
CN111209957B (zh) | 车辆部件识别方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |