公开(公告)号：CN111914666A

公开(公告)日：2020-11-10

申请号：CN202010649382.6

申请日：2020-07-08

Applicant: 南京邮电大学

Inventor： 张怡静 ,  陈志 ,  张懿扬 ,  赵彤彤 ,  岳文静 ,  李玲娟

IPC: G06K9/00 ,  G06K9/46 ,  G06N3/08 ,  G06T3/00 ,  G06T3/40

Abstract: 本发明公开了一种人体姿态估计优化方法，步骤为：步骤1，通过一个目标检测网络预处理得到人体区域框；步骤2，通过空间变换网络减少步骤1得到的人体区域框存在的误差，通过非极大值抑制算法去除冗余；步骤3，通过深度高分辨率网络估计人体区域框中关键点位置；步骤4，通过空间反变换网络变换为原来的空间状态，并将所定位到的关键点位置映射到全分辨率上。本发明结合了目标检测，针对卷积神经网络被输入数据的空间不变性所限制的情况，引入空间变换网络使实现空间上能够转换特征映射。此外，对于部分区域框冗余现象，引入非极大值抑制算法，使用优化后的人体区域框构建深度高分辨率网络预测热图，在原有模型的基础上提高了模型的鲁棒性。

公开(公告)号：CN111476155A

公开(公告)日：2020-07-31

申请号：CN202010263150.7

申请日：2020-04-07

Applicant: 南京邮电大学

Inventor： 张懿扬 ,  陈志 ,  李玲娟 ,  张怡静 ,  赵彤彤 ,  岳文静

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于时空图卷积神经网络与特征融合的人体动作分类方法。本发明结合人体的骨架关键点序列来构建视频中人体运动的时空图，并在时间和空间上划分子网络，在此基础上使用图卷积神经网络进行训练。此外，针对部份特征冗余的现象，还引入特征融合的方法，在原有模型的基础上增强模型检测结果的准确度。本发明方法能够有效避免特征冗余的问题，提高模型对人体动作分类的准确度和鲁棒性。