[发明专利]人体姿态识别模型的训练方法、装置及存储介质

说明书

本申请公开了一种人体姿态识别模型的训练方法、人体姿态识别方法、装置、电子设备及存储介质，其中，训练方法包括：将携带有人体姿态关键点的第一图像输入至人体姿态识别模型，得到第一图像对应的第一特征图；所述第一特征图的第二分辨率低于所述第一图像的第一分辨率；对所述第一特征图中的每个像素进行至少两次卷积，生成所述第一特征图对应的第一热图；基于所述第一热图中每个像素的第一参数和第二参数确定损失值；所述第一参数表征对应像素在所述第一热图的高斯置信值；所述第二参数表征对应像素在第二热图的高斯置信值；所述第二热图表征基于所述第一图像中携带的关键点确定出的热图；根据确定出的损失值更新人体姿态识别模型的权重参数。

技术领域

本申请涉及人工智能领域，尤其涉及一种人体姿态识别模型的训练方法、人体姿态识别方法、装置、电子设备及存储介质。

背景技术

人体姿态识别，是利用图像处理和机器学习方法找出图片中人物的关键点位置的技术，高效且精确的人体姿态识别是行人重识别、行为分析、人机交互得以顺利开展的重要基础。在进行人体姿态识别时，存在计算开销过大的问题，无法应用于低延迟、低功耗场景。

发明内容

有鉴于此，本申请实施例提供一种人体姿态识别模型的训练方法、人体姿态识别方法、装置、电子设备及存储介质，以至少解决相关技术无法应用于低延迟、低功耗场景的问题。

本申请实施例的技术方案是这样实现的：

本申请实施例提供了一种人体姿态识别模型的训练方法，所述方法包括：

将第一图像输入至人体姿态识别模型，得到第一图像对应的第一特征图；所述第一图像携带有人体姿态关键点；所述第一特征图的第二分辨率低于所述第一图像的第一分辨率；

对所述第一特征图中的每个像素进行至少两次卷积，生成所述第一特征图对应的第一热图；

基于所述第一热图中每个像素的第一参数和第二参数确定损失值；所述第一参数表征对应像素在所述第一热图的高斯置信值；所述第二参数表征对应像素在第二热图的高斯置信值；所述第二热图表征基于所述第一图像中携带的关键点确定出的热图；

根据确定出的损失值更新人体姿态识别模型的权重参数。

其中，上述方案中，所述对所述第一特征图中的每个像素进行至少两次卷积，生成所述第一特征图对应的第一热图，包括：

对所述第一特征图中的每个第一像素进行至少两次卷积，生成对应的至少两个第二像素；

按照所述第一特征图中的第一像素的排列顺序排列每个第一像素对应的第二像素，得到第二图像；

基于所述第二图像生成所述第一热图。

上述方案中，所述方法还包括：

基于所述第二图像的第三分辨率与所述第二分辨率的倍数确定所述至少两次卷积的卷积次数。

上述方案中，所述将第一图像输入至人体姿态识别模型之前，所述方法还包括：

对设定的样本图库中的第三图像进行人体目标检测，并基于人体目标检测过程中定位的目标矩形框对所述第三图像进行裁剪，得到所述第一图像。

上述方案中，所述方法还包括：

计算最近两次确定出的损失值的差值；

在所述差值处于设定阈值范围的情况下，停止对所述人体姿态识别模型的迭代训练。

本申请实施例还提供了一种人体姿态识别方法，所述方法包括：

将包含人体姿态的第四图像输入至人体姿态识别模型，输出所述第四图像对应的第二特征图；