[发明专利]人体姿态估计方法、装置、终端设备及存储介质

说明书

本申请适用于图像处理技术领域，提供了一种人体姿态估计方法、装置、终端设备及存储介质。方法包括：获得已训练的姿态估计模型，已训练的姿态估计模型是基于正常人像训练数据和不完整人像训练数据训练得到的；通过已训练的姿态估计模型对待检测图片进行人体姿态估计，得到人体姿态估计结果。本申请实施例对训练数据进行变换，即在正常人像训练数据的基础上，产生更多不完整人像训练数据，不需增加额外的训练数据，已训练的姿态估计模型是通过这些变换后的训练数据训练得到的；由于已训练的姿态估计模型的识别精度更高、鲁棒性更强，因此在不影响正常人像的人体姿态估计效果的情况下，可以解决现有姿态估计模型对不完整人像识别效果差的问题。

技术领域

本申请属于图像识别技术领域，尤其涉及一种人体姿态估计方法、装置、终端设备及存储介质。

背景技术

人体骨骼关键点检测也称为姿态估计(Pose Estimation)，主要检测人体的关键点信息，如四肢关节，头部，颈部等，通过关键点描述人体骨骼信息。人体姿态识别的应用范围十分广泛，可用于人机交互、影视制作、运动分析、游戏娱乐等各种领域。人们可以利用人体姿态识别定位人体关节点运动轨迹并记录其运动数据，实现3D动画模拟人体运动来制作电影电视，也可以通过记录的轨道和数据对运动进行分析，还可以实现人机交互、游戏娱乐等。

人体骨骼关键点检测是一种多方面任务，包含了目标检测、人体骨骼关键点检测、分割等。2D人体骨骼关键点检测的算法模型基本上都遵循自顶向下(top-down)、自底向上(bottom-up)两种思路来实现。在2D多人关键点检测(多人姿态估计)中，top-down方法先进行目标人体检测，再对每个检测到的人进行单人的关键点检测(单人姿态估计)；bottom-up方法先检测所有人的关键点，然后再对关键点进行分组关联。一般来说，top-down方法精度更高，而bottom-up方法速度更快。

其中，自顶向下的人体姿态估计方法由于精度较高而算法速度很慢，这在工程使用中非常不友好，耗时会随着估计人数的增多而增加。在现实场景中，有的图片仅出现不完整人像，甚至一半人体情况，自顶向下的人体姿态估计方法在这种场景下的估计效果一般。

发明内容

本申请实施例提供了一种人体姿态估计方法、装置、终端设备及存储介质，通过对姿态估计模型的训练数据进行变换，可训练获得识别精度高、鲁棒性强的姿态估计模型，可以解决现有姿态估计模型对不完整人像识别效果差的问题。

第一方面，本申请实施例提供了一种人体姿态估计方法，包括：

获得已训练的姿态估计模型，已训练的姿态估计模型是基于正常人像训练数据和不完整人像训练数据训练得到的；

通过已训练的姿态估计模型对待检测图片进行人体姿态估计，得到待检测图片的人体姿态估计结果。

第二方面，本申请实施例提供了一种人体姿态估计装置，包括：

获得模块，用于获得已训练的姿态估计模型，已训练的姿态估计模型是基于正常人像训练数据和不完整人像训练数据训练得到的；

姿态估计模块，用于通过已训练的姿态估计模型对待检测图片进行人体姿态估计，得到待检测图片的人体姿态估计结果。

第三方面，本申请实施例提供了一种终端设备，该终端设备包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行该计算机程序时实现上述第一方面中的人体姿态估计方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面中的人体姿态估计方法。

第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项的人体姿态估计方法。