一种基于改进YOLOv7-pose网络的动物机器人转向行为实时判别方法

本发明公开了一种基于改进YOLOv7‑pose网络的动物机器人转向行为实时判别方法，涉及图像处理和分析技术领域，根据动物机器人的形态特征和转向行为特点，选择对应的关键点描述其姿态，收集包含动物机器人不同姿态和转向行为的图片或视频帧，并对其进行关键点标注，形成数据集，基于动物机器人转向行为的特点，对YOLOv7‑pose网络进行改进和优化。本发明通过改进YOLOv7‑pose网络，优化关键点检测算法，使得动物机器人身上的关键特征点能够被更准确、更稳定地检测到，直接提升转向方向和幅度计算的准确性，并且在复杂的动态环境中，改进后的网络能够更好地应对光照变化、背景干扰等因素，确保关键点检测的鲁棒性，从而显著提高转向行为判别的准确性。