文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN202310337273.4

申 请 日：20230331

发 明 人：利节 秦毅 黄晓薇 任春萍 涂宇 唐辉荣 罗军

申 请 人：重庆科技学院

申请人地址：401331 重庆市沙坪坝区大学城东路20号

公 开 日：20230721

公 开 号：CN116469128A

代 理 人：黄梅

代理机构：重庆敏创专利代理事务所(普通合伙)

语　　种：中文

摘　　要：本发明涉及动物姿态识别技术领域，具体公开了一种动物骨骼关键点检测、动物姿态识别方法及系统，其构建了动态多尺度骨骼关键点检测网络模型用于动物骨骼关键点检测，该模型总体架构与高分辨率网络一致，但新嵌入了两个动态轻量化模块，用于提取动态全局上下文信息以及多尺度上下文信息，以充分表征高分辨率信息，有助于提高动物姿态识别的准确率；构建了动物姿态识别网络模型，将输入的动物骨骼关键点信息进行特征分组，然后通过动态可学习的系数矩阵进行分组空间建模，来融合不同关节的特征，再使用不同的感受野进行时间建模，并定义可学习权重动态融合关节级和骨架级的运动特征，将多级运动特征进行完整耦合，实现了动物姿态的高准确率识别。

主 权 项：1.动物骨骼关键点检测方法，其特征在于，包括步骤：S1、采用工业摄像头拍摄动物养殖场获取动物养殖视频序列，并且对所述动物养殖视频序列逐个取帧，得到动物预处理图像；S2、构建动物骨骼关键点检测网络模型，并采用所述动物预处理图像对所述动物骨骼关键点检测网络模型进行训练；S3、实时生成动物预处理图像并输入至训练完成的动物骨骼关键点检测网络模型，得到对应的动物骨骼关键点信息；在训练过程中或训练完成后的应用过程中，所述动物骨骼关键点检测网络模型生成动物骨骼关键点信息具体包括步骤：S21、将输入图像依次进行1×1卷积、下采样、第一类型动态轻量化得到一阶段特征图；S22、将所述一阶段特征图也即二阶段第一特征图进行下采样得到二阶段第二特征图，将所述二阶段第一特征图和所述二阶段第二特征图分别进行两次第二类型动态轻量化得到对应的二阶段第三特征图和二阶段第四特征图，将所述二阶段第三特征图经过卷积、一倍下采样、2倍下采样得到三个二阶段第五特征图，将所述二阶段第四特征图经过上采样、卷积、下采样得到的三个二阶段第六特征图，对三个二阶段第五特征图与三个二阶段第六特征图进行融合，得到三个二阶段输出特征图；S23、采用与步骤S22相似的过程每次增加一倍下采样作为新的卷积分支，最后生成M+1个M阶段输出特征图，M≥3；S24、对M+1个M阶段输出特征图进行卷积和两次第二类型动态轻量化得到M+1个M+1阶段特征图，再对M+1个M+1阶段特征图进行交叉采样然后融合，得到M+1个M+1阶段输出特征图；S25、对M+1个M+1阶段输出特征图依次进行ReLU和卷积操作，得到动物骨骼关键点信息。

关 键 词：动物姿态  关键点检测  动物骨骼 网络模型  运动特征  多尺度  准确率  构建  关节  高分辨率信息  关键点信息  全局上下文  上下文信息 动态融合  分组空间  高分辨率  模型总体  时间建模  系数矩阵 耦合  轻量化  再使用  建模  权重  骨骼 嵌入  架构  分组  融合  学习  网络  

IPC专利分类号：G06V40/10; G06V20/40; G06V10/46; G06V10/82; G06V10/80