【技术实现步骤摘要】
基于时序线性人体蒙皮模型和图卷积网络的四方向交警手势识别方法
[0001]本专利技术属于电子信息领域,是一种基于计算机视觉和机器学习可应用于自动驾驶的交警手势识别技术。
技术介绍
[0002]交警手势识别技术是实现自动驾驶汽车的必要组成部分。现在基于纯视觉的无人驾驶技术逐渐成熟并成为行业主流,但与之对应的视觉交警手势识别技术尚不足以应用于实践。以往相关研究所使用的交通警察手势数据集没有考虑交警在十字路口指挥中全部四个方向车辆的情况,导致数据集中没有定义相应的手势,使得相应的手势识别方法在难以实际应用。
[0003]此外,现有的从图像序列中直接识别交警手势的方法易受环境变化影响手势识别准确率。基于关键点的二维骨骼模型方法无法明确表示相机姿态参数(如相机与交警之间的位置关系等)。由于目前尚未有能够识别多方向交警手势的集成方法,因此需要一个可以准确建模相机姿态和人体姿态的方法来指导交警指挥手势的识别。
技术实现思路
[0004]本专利技术基于对交警指挥其他方向车辆情况的考虑,利用时序线性人体蒙皮模型(SMPL)中的动力树来估计交警指挥手势在连续时间上的动力学特征,并使用基于相对高度的图卷积网络(RHGCN)来推断手势,融合融合RHGCN和空间域平均预测器(SMP)实现了四方向单目交警手势识别器(MTPGR)。本专利技术涉及以下3点:
[0005](1)采用人体姿态视觉推测方法(VIBE)从视觉信息推断SMPL参数,利用SMPL重建交警指挥手势的动力树,并根据时间上下文信息构建时序动力学图模型 ...
【技术保护点】
【技术特征摘要】
1.基于时序线性人体蒙皮模型和图卷积网络的四方向交警手势识别方法,其特征在于,包括以下三个部分:建立交警指挥手势的时序动力学图模型交警指挥手势的时序动力学图模型TSKG是基于蒙皮多人线性模型SMPL,并依据交警手势识别的功能需求而构建的;TSKG同时表示不同关节在空间上的动力学关系,和不同帧中的相同关节在时间序列上的关系;TSKG定义为一个无向图G=(V,E);其中,是顶点集,E是所有边的集合,N
J
表示关节数量,T表示图记录的总时长;V={v
j,t
|j∈1,
…
,J,t=1,
…
,T},1,
…
,J表示N
J
个不同的关节,每个顶点表示3维关节坐标,表示x维的实数域空间;图中边集E由公式(1)所示的2个子集组成;E=(E
S
∪E
T
)#(1)其中,表示每一帧中关节之间的动力学关系,表示同一关节节点在相邻帧之间的时域关联;E
S
由公式(2)描述的3组边的并集组成;其中,E
K
表示动力学连接集,E
A
表示辅助集,E
C
表示回路集;集合E
K
包含根据人体骨骼自然连接的边,如左臂和左肘;集合E
A
包含手工添加到图中的边,用于保持图的联通性;集合E
C
包含图中全部顶点与自身形成的环路,用于将顶点的特征加入图卷积计算;时域关联边集合E
T
包含空间上相同、时间域相邻的顶点之间连接形成的边,如公式(3)所示;E
T
={(v
j,t
,v
j,t+1
)|j∈1,
…
,J,t=1,
…
,T
‑
1}#(3)式中,顶点v
j,t
和v
j,t+1
代表2个连续帧中的相同关节;2).使用相对高度划分策略RHPS的图卷积网络RHGCNMTPGR的图卷积网络部分的关键特征包含两个方面,相对高度划分策略和图卷积网络的网络结构;相对高度划分策略为每个关节分配一个高度值,并将其作为标签进行比较从而获取距离,进而确定图卷积核参数和邻接顶点之间的对应关系;RHPS根据标准站立姿势下关节的相对高度,为关节分配高度值s;卷积核中心对应顶点为v
j,t
...
【专利技术属性】
技术研发人员:何坚,吕孟飞,张丞,熊哲波,
申请(专利权)人:北京诚星科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。