[发明专利]人体姿态估计模型训练方法、估计方法、装置和设备

权利要求书

1.一种人体姿态估计模型训练方法，其特征在于，所述人体姿态估计模型用于根据雷达信号生成预测关键点热图，所述训练方法包括：

构建监督模型和判别模型，所述监督模型用于根据光学图像生成监督关键点热图，所述判别模型用于分辨所述监督关键点热图和所述预测关键点热图之间的差异；

将待处理的光学图像输入所述监督模型，得到监督关键点热图；

将与所述待处理的光学图像对应的雷达信号输入所述人体姿态估计模型，得到预测关键点热图；

将所述监督关键点热图和所述预测关键点热图输入所述判别模型得到判别损失，根据所述判别损失更新所述判别模型的参数；

将所述监督关键点热图和所述预测关键点热图输入所述人体姿态估计模型得到生成损失，根据所述生成损失更新所述人体姿态估计模型；

重复执行所述将待处理的光学图像输入所述监督模型，得到监督关键点热图的步骤，直至所述人体姿态估计模型得到的生成损失小于预设的阈值，完成所述人体姿态估计模型的训练。

2.根据权利要求1所述的人体姿态估计模型训练方法，其特征在于，

所述判别模型内置有判别损失函数，所述人体姿态估计估计模型内置有生成损失函数；

所述判别模型根据所述监督关键点热图、所述预测关键点热图和所述判别损失函数得到所述判别损失；

所述人体姿态估计模型根据所述监督关键点热图、所述预测关键点热图和所述生成损失函数得到所述生成损失。

3.根据权利要求2所述的人体姿态估计模型训练方法，其特征在于，

在人体未被遮蔽物遮挡的情况下采集至少一个光学图像和与所述至少一个光学图像对应的雷达信号；

将所述至少一个光学图像和与所述至少一个光学图像对应的雷达信号一一对应的进行存储，得到训练集；

从所述训练集中获取所述待处理的光学图像。

4.根据权利要求3所述的人体姿态估计模型训练方法，其特征在于，

所述生成损失函数采用L2损失函数，所述生成损失函数为：

所述判别损失函数采用交叉熵损失函数，所述判别损失函数为：

其中，y_n表示第n个监督关键点热图，表示第n个预测关键点热图，N表示所述训练集包括的光学图像的总数，Disc()表示所述判别模型的输出结果，α是权重因子。

5.根据权利要求1所述的人体姿态估计模型训练方法，其特征在于，所述监督关键点热图和所述光学图像的尺寸相同，所述预测关键点热图和所述监督关键点热图的尺寸相同。

6.根据权利要求1所述的人体姿态估计模型训练方法，其特征在于，在所述光学图像中选定人体的关键点，针对每一个人体关键点生成一张监督关键点热图；

在所述雷达信号中提取包含人体关键点信息的中间特征，针对每一个中间特征生成一张预测关键点热图；

所述判别模型将接收到的同一人体姿态对应的多张监督关键点热图处理为一张总监督关键点热图，将多张预测关键点热图处理为一张总预测关键点热图，再根据所述总监督关键点热图和所述总预测关键点热图得到所述判别损失；

所述人体姿态估计模型将接收到的同一人体姿态对应的多张预测关键点热图处理为一张总预测关键点热图，将自身生成的多张关键点热图处理为一张总预测关键点热图，再根据所述总监督关键点热图和所述总预测关键点热图得到所述生成损失。