[发明专利]基于分组回归模型的人体三维关节点预测方法

权利要求书

1.一种基于分组回归模型的人体三维关节点预测方法，其特征在于：包括以下步骤：

(1)数据处理，即通过2d关节探测器采集人体的2d关节点检测数据；

(2)分组回归网络，即以2d关节点的坐标作为输入，输入到相同结构的回归网络中并得到不同组的3d关节位置，然后将所得的关键三维位置合并为整体关节向量；

(3)关节约束网络，通过BiLSTM构建关节点自约束网络和关节组自约束网络，关节点自约束网络以单关节点作为输入，关节组自约束网络以单组关节作为输入，然后将两个自约束网络输出的3d关节点进行累加得到微调后的3d预测关节；

(4)网络训练，即通过损失函数计算步骤(3)所得3d预测关节与3d关节之间的欧氏距离，网络训练时，通过梯度下降的方式最小化该损失函数直到收敛。

2.根据权利要求1所述的基于分组回归模型的人体三维关节点预测方法，其特征在于：所述步骤(1)的具体内容为：通过stacked hourglass网络结构获取2d关节点检测数据，然后通过Human3.6M数据集进行微调。

3.根据权利要求1所述的基于分组回归模型的人体三维关节点预测方法，其特征在于：所述步骤(2)的具体内容为：

(2.1)将相关性强的关节点分在同组，并对各组采用回归网络独立训练，即根据数据集提供的关节点的顺序，将关节点共分为5组，并且按照树状结构从父节点到子节点的顺序进行排列：

group_1(r.leg):1→2→3 (1)

group_2(l.reg):4→5→6 (2)

group_3(torso):7→8→9→10 (3)

group_4(l.arm):11→12→13 (4)

group_5(r.arm):14→15→16 (5)

(2.2)然后重复地将整体的2d关节输入到5个相同结构的回归网络中，分别得到不同组的3d关节位置；

(2.3)将五组关节点的三维位置合并成整体的关节向量，作为分组回归网络预测的结果Y_reg，分组回归的函数表达形式如下：

(g₁,g₂,g₃,g₄,g₅)＝R(y_2d) (6)

Y_reg＝M₁(g₁,g₂,g₃,g₄,g₅) (7)

y_2d表示为2d关节点的输入，g₁,g₂,g₃,g₄,g₅分别表示为不同组的3d关节点输出，R表示回归网络，M₁表示将各组关节点合并的过程。