Processing

Please wait...

Settings

Settings

Goto Application

1. WO2022006784 - HUMAN SKELETON DETECTION METHOD, APPARATUS, AND SYSTEM, AND DEVICE, AND STORAGE MEDIUM

Publication Number WO/2022/006784
Publication Date 13.01.2022
International Application No. PCT/CN2020/100900
International Filing Date 08.07.2020
IPC
G06K 9/00 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
G06N 3/08 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
Applicants
  • 香港中文大学(深圳) THE CHINESE UNIVERSITY OF HONGKONG, SHENZHEN [CN]/[CN]
  • 深圳市大数据研究院 SHENZHEN RESEARCH INSTITUTE OF BIG DATA [CN]/[CN]
Inventors
  • 韩晓光 HAN, Xiaoguang
  • 邱陵腾 QIU, Lingteng
  • 张轩烨 ZHANG, Xuanye
  • 崔曙光 CUI, Shuguang
Agents
  • 北京智信四方知识产权代理有限公司 BEIJING INTELLECTUAL HONESTY INTELLECTUAL PROPERTY AGENCY LTD.
Priority Data
Publication Language Chinese (zh)
Filing Language Chinese (ZH)
Designated States
Title
(EN) HUMAN SKELETON DETECTION METHOD, APPARATUS, AND SYSTEM, AND DEVICE, AND STORAGE MEDIUM
(FR) PROCÉDÉ, APPAREIL, ET SYSTÈME DE DÉTECTION DE SQUELETTE HUMAIN, ET DISPOSITIF, ET SUPPORT DE STOCKAGE
(ZH) 人体骨架检测方法、装置、系统、设备及存储介质
Abstract
(EN) A human skeleton detection method, apparatus, and system, and a device, and a storage medium. The method comprises: processing a picture to be recognized to obtain an initial pose of a target human skeleton (S101); obtaining feature maps output by different decoding layers during processing said picture (S102); processing the feature maps to obtain feature map data, and extracting, from the feature map data, position data corresponding to the initial pose as input data (S103); and inputting the initial pose and the input data to a trained graph convolutional neural network to obtain a final pose of the target human skeleton, wherein a matrix representation of the graph convolutional neural network is determined according to a constraint relationship of a human skeleton structure (S104). By combining basic constraint information between human joint structures with related data of a shielded key point contained in the mined feature map, the position of the shielded key point can be accurately adjusted, thereby having a relatively high correct rate in detection of the human skeleton.
(FR) Procédé, appareil, et système de détection de squelette humain, et dispositif, et support de stockage. Le procédé consiste à : traiter une image à reconnaître pour obtenir une posture initiale d'un squelette humain cible (S101) ; obtenir des cartes de caractéristiques délivrées en sortie par différentes couches de décodage pendant un traitement de ladite image (S102) ; traiter les cartes de caractéristiques pour obtenir des données de cartes de caractéristiques, et extraire, à partir des données de cartes de caractéristiques, des données de position correspondant à la posture initiale en tant que données d'entrée (S103) ; et entrer la posture initiale et les données d'entrée dans un réseau de neurones à convolution en graphes entraînés pour obtenir une posture finale du squelette humain cible, une représentation matricielle du réseau de neurones à convolution en graphes étant déterminée en fonction d'une relation de contrainte d'une structure de squelette humain (S104). En combinant des informations de contrainte de base entre des structures d'articulations humaines avec des données associées d'un point clé protégé contenu dans la carte de caractéristiques exploitée, la position du point clé protégé peut être ajustée avec précision, ce qui permet d'avoir ainsi un taux correct relativement élevé de détection du squelette humain.
(ZH) 一种人体骨架检测方法、装置、系统、设备及存储介质,所述方法包括:处理待识别图片,获取目标人体骨架的初始姿态(S101);获取处理所述待识别图片过程中不同解码层输出的特征图(S102);处理所述特征图得到特征图数据,并从所述特征图数据中提取与所述初始姿态对应的位置数据作为输入数据(S103);输入所述初始姿态以及所述输入数据至经过训练的图卷积神经网络,获取所述目标人体骨架的最终姿态;其中,所述图卷积神经网络的矩阵表示根据人体骨架结构的约束关系确定(S104)。通过结合人体关节结构之间的基本约束信息以及挖掘出的特征图中包含的被遮挡关键点的相关数据,能够精确地调整被遮挡关键点的位置,对于人体骨架的检测有较高的正确率。
Latest bibliographic data on file with the International Bureau