公开(公告)号：CN111738092B

公开(公告)日：2024-03-29

申请号：CN202010465431.0

申请日：2020-05-28

Applicant: 华南理工大学

Inventor： 聂勇伟 ,  杨韫韬 ,  李桂清

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的恢复被遮挡人体姿态序列方法，包括以下步骤：根据视频数据进行处理，获取人体步行数据集，对人体步行数据集进行数据预处理并划分，得到前序姿态序列、目标姿态序列、后序姿态序列；训练基于RNN的第一预测模型，该模型以前序姿态序列作为输入，被遮挡姿态序列作为输出；训练基于CNN的第二预测模型，该模型使用后序姿势作为输入，被遮挡姿态序列作为输出；将第一预测模型和第二预测模型的输出进行有权重相加，并添加MergeNet网络，构建训练总模型，通过训练总模型得到最终姿态序列；本发明通过解析前序姿态序列和后续姿态序列的信息，便可恢复出人体被障碍物遮挡的运动姿态序列。

公开(公告)号：CN111738092A

公开(公告)日：2020-10-02

申请号：CN202010465431.0

申请日：2020-05-28

Applicant: 华南理工大学

Inventor： 聂勇伟 ,  杨韫韬 ,  李桂清

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

Abstract: 本发明公开了一种基于深度学习的恢复被遮挡人体姿态序列方法，包括以下步骤：根据视频数据进行处理，获取人体步行数据集，对人体步行数据集进行数据预处理并划分，得到前序姿态序列、目标姿态序列、后序姿态序列；训练基于RNN的第一预测模型，该模型以前序姿态序列作为输入，被遮挡姿态序列作为输出；训练基于CNN的第二预测模型，该模型使用后序姿势作为输入，被遮挡姿态序列作为输出；将第一预测模型和第二预测模型的输出进行有权重相加，并添加MergeNet网络，构建训练总模型，通过训练总模型得到最终姿态序列；本发明通过解析前序姿态序列和后续姿态序列的信息，便可恢复出人体被障碍物遮挡的运动姿态序列。