买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中山大学·深圳;中山大学

摘要：本发明公开了一种基于无锚的实例级人体部位检测方法、计算机装置和存储介质，包括对待检测图片进行特征提取和融合获得多个特征层，对各特征层进行无锚的人体目标检测获得感兴趣区域，对感兴趣区域进行人体部位目标检测获得人体部位检测结果等步骤。本发明能够从待检测图片中检测到人体后，裁剪掉待检测图片中的无用的背景信息，然后在其基础上进一步关注人体部位，加大了人体部位与人体之间的从属性，也降低了无关背景对待检目标的影响；除此之外，本发明能够直接基于图像上的点生成候选框，不仅能够大大降低设计锚框的成本，也从像素级上解决了检测小目标的问题，例如对分辨率较小的物体的识别灵敏度更高。本发明广泛应用于图像处理技术领域。

主权项：1.一种基于无锚的实例级人体部位检测方法，其特征在于，基于无锚的实例级人体部位检测方法包括：S1.获取待检测图片；S2.对待检测图片进行特征提取和融合，获得多个特征层；S3.对各特征层进行无锚的人体目标检测，获得感兴趣区域；S4.对感兴趣区域进行人体部位目标检测，获得人体部位检测结果；对待检测图片进行特征提取和融合，获得多个特征层，包括：S201.使用特征金字塔对待检测图片进行特征提取，获得多个特征图；S202.对各特征图进行卷积，获得多个特征层中的一部分特征层；S203.对部分通过卷积所得的特征层进行下采样，获得多个特征层中的另一部分特征层；S204.将步骤S202所获得的特征层和步骤S203所获得的特征层，组合成步骤S2所要获得的特征层；对各特征层进行无锚的人体目标检测，获得感兴趣区域，包括：S301.获取无锚结构的全卷积网络；在全卷积网络中，各特征层共享同一检测头，每一特征层分别用于检测不同尺度大小的目标；S302.对全卷积网络设定各特征层各自对应的回归范围，各特征层各自对应的回归范围递增；S303.将各特征层输入至全卷积网络进行处理；每个特征层在H和W方向上以有效步长大小的间隔生成中心点，在对应的像素点上进行4D向量的预测和分类；其中，4D向量代表像素点到边界框上、下、左、右四个方向的距离；S304.获取全卷积网络输出的感兴趣区域；对感兴趣区域进行人体部位目标检测，获得人体部位检测结果，包括：S401.执行感兴趣区域对齐操作；S402.选定分辨率最细腻和具有丰富特征信息的特征层作为目标特征层，将感兴趣区域对应的人体部位检测框映射到目标特征层上，获得人体部位检测结果。

全文数据：

权利要求：

百度查询： 中山大学·深圳 中山大学 基于无锚的实例级人体部位检测方法、装置和存储介质