[发明专利]目标对象姿态跟踪方法、神经网络的训练方法及装置在审

专利信息
申请号: 201910774291.2 申请日: 2019-08-21
公开(公告)号: CN110659570A 公开(公告)日: 2020-01-07
发明(设计)人: 张家斌;朱政;黄冠 申请(专利权)人: 北京地平线信息技术有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 11657 北京思源智汇知识产权代理有限公司 代理人: 毛丽琴
地址: 100080 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标对象 特征向量 姿态跟踪 关键点信息 第一位置 第二位置 神经网络 实时性
【权利要求书】:

1.一种目标对象姿态跟踪方法,包括:

获取当前帧中的各目标对象的第一位置信息、各目标对象的第一关键点信息以及各目标对象的第一特征向量;

根据历史帧中的各目标对象的第二位置信息和各目标对象的第二特征向量以及所述当前帧中的各目标对象的第二第一位置信息和各目标对象的第一特征向量,确定所述当前帧和历史帧中属于同一个目标对象的第一关键点信息。

2.根据权利要求1所述的方法,其中,所述获取当前帧中的各目标对象的第一位置信息、各目标对象的第一关键点信息以及各目标对象的第一特征向量,包括:

将当前帧提供给神经网络,经由所述神经网络对所述当前帧进行包络框检测处理,得到各目标对象的第一位置信息;

经由所述神经网络对所述当前帧进行关键点检测处理,得到各目标对象的第一关键点信息;

经由所述神经网络对所述当前帧进行特征向量提取处理,得到各目标对象的的第一特征向量。

3.根据权利要求1至2中任一项所述的方法,其中,所述根据历史帧中的各目标对象的第二位置信息和各目标对象的第二特征向量以及所述当前帧中的各目标对象的第一位置信息和各目标对象的第一特征向量,确定所述当前帧和历史帧中,属于同一个目标对象的第一关键点信息,包括:

将所述当前帧中的第一关键点信息符合第一预设条件的目标对象,作为当前帧的待处理目标对象;

根据所述历史帧中的各目标对象的第二位置信息和所述历史帧中的各目标对象的第二特征向量、以及各待处理目标对象的第一位置信息和各待处理目标对象的第一特征向量,确定所述当前帧和历史帧中,属于同一个目标对象的第一关键点信息。

4.根据权利要求3所述的方法,其中,所述将所述当前帧中的第一关键点信息符合第一预设条件的目标对象,作为当前帧的待处理目标对象,包括:

根据所述当前帧中的各目标对象的第一关键点信息,确定各目标对象的未被遮挡关键点;

将未被遮挡关键点符合预设未遮挡条件的目标对象,作为待处理目标对象。

5.根据权利要求3或4所述的方法,其中,所述根据所述历史帧中的各目标对象的第一位置信息和所述历史帧中的各目标对象的第一特征向量、以及各待处理目标对象的第一位置信息和各待处理目标对象的第一特征向量,确定所述当前帧和历史帧中,属于同一个目标对象的第一关键点信息,包括:

根据当前帧中的各待处理目标对象的第一位置信息和历史帧中的各目标对象的第二位置信息,确定各待处理目标对象的区域与所述历史帧中的各目标对象的区域的重叠信息;

确定当前帧中的各待处理目标对象的第一特征向量与历史帧中的各目标对象的第二特征向量的距离;

根据所述区域的重叠信息以及所述距离,确定所述当前帧和历史帧中,属于同一个目标对象的关键点信息。

6.一种神经网络的训练方法,包括:

获取多个图像样本;

将所述多个图像样本分别提供给待训练的神经网络,经由所述待训练的神经网络对多个图像样本分别进行包络框检测处理、关键点检测处理以及特征向量提取处理;

根据所述待训练的神经网络的输出,获得所述多个图像样本中的各目标对象的第三位置信息、各目标对象的第三关键点信息以及各目标对象的第三特征向量;

对所述第三特征向量进行分类处理,获得各目标对象的身份标识;

根据所述多个图像样本中的目标对象的位置标注信息分别与所述获得的各目标对象的第三位置信息之间的差异、所述多个图像样本中的目标对象的关键点标注信息与所述获得的各目标对象的第三关键点信息之间的差异、以及所述多个图像样本中的目标对象的身份标识标注信息与所述获得的各目标对象的身份标识之间的差异,调整所述待训练的神经网络的网络参数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京地平线信息技术有限公司,未经北京地平线信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910774291.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top