(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111658004.5 (22)申请日 2021.12.3 0 (71)申请人 中国人民武装警察部队警官 学院 地址 610213 四川省成 都市双流区警校路 一段489号 申请人 西安翔迅科技有限责任公司 (72)发明人 张崇　尹文刚　秦岭　彭铮　张欢　 李鑫　张建鹏　邢张强　古丹　 程洋　 (74)专利代理 机构 西安智邦专利商标代理有限 公司 6121 1 代理人 王少文 (51)Int.Cl. G06V 40/20(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于人体姿态估计的单兵战术动作评 判方法 (57)摘要 本发明涉及一种动作评判方法， 具体涉及一 种基于人体姿态估计的单兵战术动作评判方法。 解决了单兵训练过程中缺乏客观量化的评判标 准且评判效率低的技术问题。 本发 明战术动作评 判方法包括以下步骤： 1)实时采集学员人体姿态 图像并识别出目标图像； 2)对人体姿态进行评 估； 2.1)构建轻量级网络； 2.2)通过快速姿态蒸 馏模型训练方法， 将潜在的姿态从一个预先训练 好的教师模 型转移到构建好的轻量级网络中， 形 成学生模型； 2.3)通过跨步卷积 对检测识别出的 目标图像做两次下采样； 2.4)将目标图像输送至 训练好的学生模型中， 得到置信度； 将目标图像 的置信度与标准值进行比较， 随后进行相应的 图 像显示或者扣分操作， 最后输出得分。 权利要求书2页 说明书4页 附图3页 CN 114399836 A 2022.04.26 CN 114399836 A 1.一种基于人体姿态估计的单兵战术动作评判方法， 其特 征在于： 包括以下步骤： 1)实时采集学员人体姿态图像并识别出目标图像； 1.1)组建第一主干网络模型； 1.2)从步骤1.1)组建好的第一主干网络模型中提取8、 16、 32倍下采样的特 征； 1.3)将步骤1.2)中提取8、 16、 32倍下采样的特 征输入到特 征金字塔网络做特 征融合； 1.4)将步骤1.3)融合结果输出到检测头中检测识别出目标图像； 2)对人体姿态进行评估； 2.1)构建轻量级网络； 所述轻量级网络由六层卷积组成： 第一层， Co nv/Relu层， 核心大小为3 ×3、 步长为2、 通道为32； 第二层， Co nv/Relu层， 核心大小为3 ×3、 步长为1、 通道为64； 第三层， Co nv/Relu层， 核心大小为3 ×3、 步长为2、 通道为64； 第四层， Co nv/Relu层， 核心大小为3 ×3、 步长为1、 通道为64； 第五层， TransCo nv/BN/Relu层， 核心大小为2 ×2、 步长为2、 通道为64； 第六层， TransCo nv/BN/Relu层， 核心大小为2 ×2、 步长为2、 通道为32； 2.2)通过快速姿态蒸馏模型训练方法， 将潜在的姿态从一个预先训练好的教师模型转 移到构建好的轻量级网络中， 形成学生模型； 所述快速姿态蒸馏模型训练方法是通过人体 关键骨节点热度图进行判别； 2.3)通过跨 步卷积对步骤1.4)检测识别出的目标图像做两次下采样； 2.4)利用教师模型中所学的潜在的姿态来训练学生模型， 并将步骤2.3)两次下采样得 到的目标图像输送至学生模型中， 得到目标图像的置信度； 接着将目标图像的置信度与预 先设置的置信度标准值进 行比较， 大于等于置信度标准值则输出人体关键骨节点热度图的 图像显示， 随后进入评 分系统并输出得分； 小于置信度标准值则进 行相应的扣分操作， 随后 进入评分系统并输出 得分。 2.根据权利要求1所述的一种基于人体姿态估计的单兵战术动作评判方法， 其特征在 于， 步骤1.1)中， 所述第一主干网络模型包括： 第一阶段的算子为3 ×3卷积、 分辨 率为224×224、 通道为32、 层数为1； 第二阶段的算子为MBCo nv1， k3×3、 分辨率为112×112、 通道为16、 层数为1； 第三阶段的算子为MBCo nv6， k3×3、 分辨率为112×112、 通道为24、 层数为2； 第四阶段的算子为MBCo nv6， k5×5、 分辨率为56×56、 通道为 40、 层数为2； 第五阶段的算子为MBCo nv6， k3×3、 分辨率为28×28、 通道为80、 层数为3 。 3.根据权利要求1所述的一种基于人体姿态估计的单兵战术动作评判方法， 其特征在 于： 步骤1.1)中， 所述第一主干网络模型由MBConv1和MBConv6构成； 所述MBConv1包括自输 入端到输出端依次连接的1 ×1卷积、 并行设置的批归一化层及激活层、 DWConv  k×k、 并行 设置的批归一化层、 激活层及压缩和激励 模块、 1×1卷积、 批归一化层和Add， 以及输入端到 Add之间的侧连接； 其中， DWConv  k×k的步长为1； 所述MBConv6包括自输入端到输出端依次 连接的1×1卷积、 并行设置的批归一化层及激活层、 DWConv  k×k、 并行设置的批归一化层、 激活层及压缩和激励模块、 1 ×1卷积和批归一 化层； 其中， DWCo nv k×k的步长为2。 4.根据权利要求1或2或3所述的一种基于人体姿态估计的单兵战术动作评判方法， 其 特征在于： 步骤1.4)中， 所述检测头采用Focal损失函数。权　利　要　求　书 1/2 页 2 CN 114399836 A 25.根据权利要求4所述的一种基于人体姿态估计的单兵战术动作评判方法， 其特征在 于： 步骤1.4)中， 所述检测头采用的Focal损失函数 是分布式Focal损失函数。 6.根据权利要求1或2或3所述的一种基于人体姿态估计的单兵战术动作评判方法， 其 特征在于： 步骤2.4)中， 所述置信度标准 值为0.85±0.02。权　利　要　求　书 2/2 页 3 CN 114399836 A 3