[发明专利]一种人体姿态估计方法、装置和存储介质

说明书

本发明公开了一种人体姿态估计方法、装置和存储介质，用以在移动设备上实现人体姿态估计，降低移动设备的资源开销。人体姿态估计方法，包括：获取帧图像；利用目标检测算法从所述帧图像中检测出人体轮廓；针对检测出的人体轮廓，利用预先训练得到的姿态估计模型确定所述人体轮廓中的关节点位置，其中，所述姿态估计模型为利用标注有关节点位置的样本帧图像进行训练得到的。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种人体姿态估计方法、装置和存储介质。

背景技术

人体姿态估计是指给定一幅图像或一段视频，恢复其中人体关节点位置的过程。根据输入图像的类型，人体姿态估计算法可以分为两类：基于深度图的算法以及直接基于RGB图像的算法。相较于深度图对图像采集设备要求过高而带来的应用易于受限的问题，基于RGB图像的人体姿态估计算法在人机交互、游戏、动画等领域具有更广的应用前景。最近几年深度学习在图像处理上取了巨大的成功，人体姿态估计领域也出现了许多基于深度学习和RGB图像的的算法，并取得了很好的识别效果。随着移动设备的推广，能够快速高效地在移动设备上部署深度学习模型就变成亟待解决的技术问题之一。

发明内容

本发明实施例提供了一种人体姿态估计方法、装置和存储介质，用以在移动设备上实现人体姿态估计，降低移动设备的资源开销。

第一方面，提供一种人体姿态估计方法，包括：

获取帧图像；

利用目标检测算法从所述帧图像中检测出人体轮廓；

针对检测出的人体轮廓，利用预先训练得到的姿态估计模型确定所述人体轮廓中的关节点位置，其中，所述姿态估计模型为利用标注有关节点位置的样本帧图像进行训练得到的。

可选地，利用标注有关节点位置的样本帧图像按照以下流程进行训练得到所述姿态估计模型：

读取样本帧图像；

将读取的样本帧图像输入到预先搭建的神经网络中输出关节点位置预测结果；

确定所述关节点位置预测结果与预先标注的关节点位置的差值；

如果所述差值在预设范围内，则结束训练得到所述姿态训练模型；

如果所述差值不在预设范围内，则读取下一样本帧图像，并返回执行将读取的样本帧图像输入到预先搭建的神经网络中输出关节点位置预测结果的步骤。

可选地，将训练得到的姿态估计模型转换为预设格式文件存储于移动设备中；以及

在针对检测出的人体轮廓，利用预先训练得到的姿态估计模型确定所述人体轮廓中的关节点位置之前，还包括：

读取所述预设格式文件。

可选地，获取帧图像，具体包括：

从用户相册中读取二维图像；或者

调用移动设备的摄像头采集图像。

第二方面，提供一种人体姿态估计装置，包括：

获取单元，用于获取帧图像；

目标检测单元，用于利用目标检测算法从所述帧图像中检测出人体轮廓；

估计单元，用于针对检测出的人体轮廓，利用预先训练得到的姿态估计模型确定所述人体轮廓中的关节点位置，其中，所述姿态估计模型为利用标注有关节点位置的样本帧图像进行训练得到的。

可选地，所述人体姿态估计装置，还包括：

第一读取单元，用于读取样本帧图像；