[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

说明书

本公开提供了一种人体姿态估计模型训练方法，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，该方法包括：构建监督模型和判别模型；将待处理的光学图像输入监督模型，得到监督关键点热图；将与待处理的光学图像对应的雷达信号输入人体姿态估计模型，得到预测关键点热图；将监督关键点热图和预测关键点热图输入判别模型得到判别损失，根据判别损失更新判别模型的参数；将监督关键点热图和预测关键点热图输入人体姿态估计模型得到生成损失，根据生成损失更新人体姿态估计模型；重复执行将待处理的光学图像输入监督模型，得到监督关键点热图的步骤，直至人体姿态估计模型得到的生成损失小于预设的阈值，完成人体姿态估计模型的训练。

技术领域

本公开属于计算机视觉领域，具体涉及一种人体姿态估计模型训练方法、估计方法、装置、电子设备和存储介质。

背景技术

人体姿态估计是计算机视觉领域的重要问题之一，旨在从图像中估计人体的若干关键点，并最终形成完整的人体骨架结构。人类的视觉系统无法观测墙后的目标，使得有墙壁遮挡的人体姿态估计几乎无法实现。穿墙雷达能够穿透墙壁并反射人体信号，若能使用穿墙雷达对墙后人体估计姿态，将对生命探测、行为识别、国防安全等领域产生重大影响。但由于穿墙雷达分辨率相较于光学系统更低，直接从雷达信号中成像并进行姿态估计较为困难，且需要大量人工解译阶段，费时费力。近年来机器学习尤其是深度学习技术在信号处理与模式识别领域飞速发展，许多研究人员开始研究基于深度信息的穿墙雷达人体探测技术，并对姿态估计技术进行了初步的探索。

目前基于深度学习的穿墙雷达人体探测技术通常采用以卷积神经网络为代表的监督学习的方法，其中监督学习方法需要大量人工标记数据作为标签，虽然穿墙雷达检测数据量巨大，但没有公开的标记数据集，因此需要自行制作训练和测试数据集。在人体探测任务中，只需要在穿墙雷达成像得到的信号中确定人体的大致位置；而在人体姿态估计任务中，需要在雷达信号中标记人体的各个关键点位置，相对于前者更加困难。因此姿态估计任务所需要的标记样本成本较高，完全手工标记工作量巨大。

公开内容

(一)要解决的技术问题

针对现有技术的上述不足，本公开的主要目的在于提供一种人体姿态估计模型训练方法、估计方法、装置、电子设备和存储介质，以期至少部分地解决上述技术问题中的至少之一。

(二)技术方案

为了实现上述目的，本公开提供了一种人体姿态估计模型训练方法，上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，该训练方法包括：

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

将待处理的光学图像输入上述监督模型，得到监督关键点热图；

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

将上述监督关键点热图和上述预测关键点热图输入上述判别模型得到判别损失，根据上述判别损失更新上述判别模型的参数；

将上述监督关键点热图和上述预测关键点热图输入上述人体姿态估计模型得到生成损失，根据上述生成损失更新上述人体姿态估计模型；

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

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

上述判别模型根据上述监督关键点热图、上述预测关键点热图和上述判别损失函数得到上述判别损失；

上述人体姿态估计模型根据上述监督关键点热图、上述预测关键点热图和上述生成损失函数得到所生成别损失。