[发明专利]一种多人姿态估计方法、装置、设备及存储介质在审

专利信息
申请号: 202210467070.2 申请日: 2022-04-29
公开(公告)号: CN115131817A 公开(公告)日: 2022-09-30
发明(设计)人: 徐稀侠;高英国;潘兴甲;鄢科 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06V40/10 分类号: G06V40/10;G06V10/44;G06V10/771;G06V10/74;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
代理公司: 深圳市深佳知识产权代理事务所(普通合伙) 44285 代理人: 聂秀娜
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 姿态 估计 方法 装置 设备 存储 介质
【说明书】:

本申请实施例公开了一种多人姿态估计方法、装置、设备及存储介质,相关实施例可应用于人工智能或智能交通等各种场景,用于提高定位准确率和减少结构错误率。本申请实施例方法包括:对关节点特征集合中的每个关节点特征进行位置损失计算,得到预测损失值,对关节点特征集合进行类别关节对划分,得到关节对关系特征集合,基于采样策略,对关节对关系特征集合进行采样,得到参考关节对特征、参考关节对正样本特征以及参考关节对负样本特征,基于参考关节对特征、参考关节对正样本特征以及参考关节对负样本特征进行一致性损失计算,得到成对一致性损失值,基于成对一致性损失值以及预测损失值对姿态估计模型进行参数调整,得到目标姿态估计模型。

技术领域

本申请实施例涉及人工智能技术领域,尤其涉及一种多人姿态估计方法、装置、设备及存储介质。

背景技术

人体姿态估计是给定一幅图像或者一段视频,从中去恢复人体关节点的过程。

随着深度学习的发展,基于CNN的人体姿态估计方法虽然取得了不错的性能,现有的基于深度学习的人体姿态估计方法一般是采用基于深度学习的全监督方法,通过设计复杂的网络结构或者是特征学习的模块,学习对回归有利的尽可能准确的特征表示。

但是,复杂的网路结构或者模块的设计,不仅会引入大量的计算量和复杂度,而且由于人体本身很灵活,存在自我遮挡和复杂的姿态(也许训练数据根本不会出现);或是面临复杂的环境比如前景遮挡、视角改变、个体之间的遮挡等;或是图像间存在着较大的外观上的差异,都给人体关节的准确定位带来了较大的挑战。

发明内容

本申请实施例提供了一种多人姿态估计方法、装置、设备及存储介质,用于通过对学习到的人体空间特征表达进行位置回归的同时,通过构造邻接关节对之间的关节对关系特征进行一致性的对比约束,使得同类别的关节对之间的关系特征更一致,不同类别的关节对的关系特征更加不相似,以使姿态估计模型能够更好地学习到人体结构关系的表达,从而可以提高关节定位准确率以及减少结构错误率。

本申请实施例一方面提供了一种多人姿态估计方法,包括:

基于姿态估计模型,从每个样本图像中提取多个目标对象中每个目标对象对应的关节点特征集合;

基于数据标注,对关节点特征集合中的每个关节点特征进行位置损失计算,得到每个关节点特征对应的预测损失值;

基于人体关节关联关系,对关节点特征集合进行类别关节对划分,得到每个关节对类别对应的关节对关系特征集合;

基于采样策略,对关节对关系特征集合进行采样,得到参考关节对特征、参考关节对正样本特征以及参考关节对负样本特征;

基于参考关节对特征、参考关节对正样本特征以及参考关节对负样本特征进行一致性损失计算,得到每个关节对类别对应的成对一致性损失值;

基于成对一致性损失值以及预测损失值对姿态估计模型进行参数调整,得到目标姿态估计模型。

本申请另一方面提供了一种多人姿态估计装置,包括:

获取单元,用于基于姿态估计模型,从每个样本图像中提取多个目标对象中每个目标对象对应的关节点特征集合;

处理单元,用于基于数据标注,对关节点特征集合中的每个关节点特征进行位置损失计算,得到每个关节点特征对应的预测损失值;

处理单元,还用于基于人体关节关联关系,对关节点特征集合进行类别关节对划分,得到每个关节对类别对应的关节对关系特征集合;

确定单元,用于基于采样策略,对关节对关系特征集合进行采样,得到参考关节对特征、参考关节对正样本特征以及参考关节对负样本特征;

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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/202210467070.2/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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