技术特征：
1.一种基于kapao网络的人体姿态识别与模拟系统，其特征在于，包括视觉模块、控制模块、推理模块和驱动模块；所述视觉模块用于获取人体姿态图像；所述控制模块用于通过控制其他模块进行对系统任务进行调度；所述推理模块用于通过基于kapao网络的人体姿态识别模型对所述人体姿态图像进行识别；所述驱动模块用于驱动舵机旋转，所述舵机用于控制机器人手部关节；并根据以下步骤进行人体姿态识别和模拟：所述控制模块通过指令控制所述视觉模块获取人体姿态图像并将所述人体姿态图像传输至所述推理模块；所述推理模块通过基于kapao网络的人体姿态识别模型对所述人体姿态图像进行识别，输出人体姿态识别结果；所述控制模块根据所述人体姿态识别结果发送驱动指令至所述驱动模块，所述驱动模块根据所述驱动指令驱动对应舵机进行旋转。2.根据权利要求1所述的基于kapao网络的人体姿态识别与模拟系统，其特征在于，所述舵机包括第一舵机、第二舵机和第三舵机，所述第一舵机用于控制所述机器人的肩关节，所述第二舵机用于控制所述机器人的肘关节，所述第三舵机用于机器人的腕关节。3.根据权利要求2所述的基于kapao网络的人体姿态识别与模拟系统，其特征在于，所述第一舵机和第二舵机的数量均为4个，所述第三舵机的数量为2个；其中，采用2个所述第一舵机、2个所述第二舵机和1个所述第三舵机控制所述机器人的一侧手臂。4.根据权利要求3所述的基于kapao网络的人体姿态识别与模拟系统，其特征在于，根据以下步骤对所述基于kapao网络的人体姿态识别模型进行训练：步骤s1：初始化所述人体姿态识别模型的网络权重参数、偏置项、分类器网络和多尺度特征提取网络；步骤s2：将用于训练的人体姿态图像输入至所述分类器网络，再向前传递至所述多尺度特征提取网络进行下采样与多尺度融合处理后输入至所述人体姿态识别模型的预测头；步骤s3：所述预测头对输入的特征图进行通道与空间计算，得到预测框的位置和对应的置信率；步骤s4：通过偏移量模块对所述特征图进行偏移量计算，再对所述特征图进行对齐矫正操作；步骤s5：针对步骤s3的通道与空间计算结果和步骤s4的偏移量计算结果进行后处理，所述后处理具体为采用nms非极大值抑制方法选取置信率最大的预测框的识别结果作为人体姿态识别结果；步骤s6：所述预测头和偏移量模块反向传递loss值，再通过梯度下降算法计算所述网络权重参数和偏置项并得到相应的加权损失值，根据所述加权损失值更新所述人体姿态识别模型的网络权重参数；重复步骤s2～s6至所述人体姿态识别模型收敛。5.根据权利要求4所述的基于kapao网络的人体姿态识别与模拟系统，其特征在于，对训练好的所述基于kapao网络的人体姿态识别模型进行剪枝处理后，再通过tensorrt对所述基于kapao网络的人体姿态识别模型进行推理加速处理。
技术总结
本发明公开了一种基于kapao网络的人体姿态识别与模拟系统。该系统根据以下步骤进行识别和模拟：控制模块通过指令控制所述视觉模块获取人体姿态图像并将所述人体姿态图像传输至所述推理模块；所述推理模块通过基于kapao网络的人体姿态识别模型对所述人体姿态图像进行识别，输出人体姿态识别结果；所述控制模块根据所述人体姿态识别结果发送驱动指令至所述驱动模块，所述驱动模块根据所述驱动指令驱动对应舵机进行旋转。本发明技术方案实现了对人体姿态的快速识别和模拟。对人体姿态的快速识别和模拟。对人体姿态的快速识别和模拟。
技术研发人员：袁野 万里红 吴国栋
受保护的技术使用者：河南爬客智能机器人有限公司
技术研发日：2022.07.25
技术公布日：2022/11/8