[发明专利]人体全身姿态的确定方法以及其确定装置

说明书

本申请提供了一种人体全身姿态的确定方法以及其确定装置，该方法包括：首先，实时获取目标对象的头部姿态信息、手部姿态信息以及脚部压力信息；然后，将头部姿态信息、手部姿态信息及脚部压力信息输入深度学习模型，得到目标对象的全身姿态和全身骨骼点，其中，深度学习模型为至少根据深度摄像头获得的姿态图像通过机器学习训练出的。通过提前至少根据深度摄像头获得的深度学习模型，保证了确定的全身姿态和全身骨骼点的准确性较高，保证了只通过头部姿态信息、手部姿态信息以及脚部压力信息可得到准确的全身姿态和全身骨骼点，保证了全身姿态的确定过程的实用性较高，解决现有技术中不能简单且准确的预测人体全身姿态的问题。

技术领域

本申请涉及人体姿态领域，具体而言，涉及一种人体全身姿态的确定方法、其确定装置、计算机可读存储介质、处理器以及电子设备。

背景技术

目前，我们主要通过在身上布置光学反光点、使用惯性传感器或者压力传感器的方式来预测人体姿态，但是，布置光学反光点的价格昂贵且麻烦，惯性传感器会随着人的使用时长出现越来越大的噪音，且实用性较低，单纯通过压力传感器来预测人体全身姿态准确性较低，会出现超过10厘米的预测误差。

因此，亟需一种可以简单且准确预测人体全身姿态的方法。

在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。

发明内容

本申请的主要目的在于提供一种人体全身姿态的确定方法、其确定装置、计算机可读存储介质、处理器以及电子设备，以解决现有技术中不能简单且准确的预测人体全身姿态的问题。

根据本发明实施例的一个方面，提供了一种全身姿态的确定方法，所述方法包括：实时获取目标对象的头部姿态信息、手部姿态信息以及脚部压力信息；将所述头部姿态信息、所述手部姿态信息及所述脚部压力信息输入深度学习模型，得到所述目标对象的全身姿态和全身骨骼点，其中，所述深度学习模型为至少根据深度摄像头获得的姿态图像通过机器学习训练出的。

可选地，在将所述头部姿态信息、所述手部姿态信息及所述脚部压力信息输入深度学习模型之前，所述方法还包括：建立初始深度学习模型；采用所述深度摄像头获取所述目标对象的多个所述姿态图像，并对所述姿态图像进行提取和分析，得到所述姿态图像对应的历史姿态，所述历史姿态包括历史全身姿态和历史全身骨骼点；获取各所述姿态图像对应的历史脚部压力信息、历史头部姿态信息以及历史手部姿态信息；根据多组所述历史脚部压力信息、所述历史头部姿态信息、所述历史手部姿态信息以及对应的多组所述历史姿态，对所述初始深度学习模型进行训练，得到所述深度学习模型。

可选地，获取各所述姿态图像对应的历史脚部压力信息、历史头部姿态信息以及历史手部姿态信息，包括：获取各所述姿态图像对应的所述历史头部姿态信息以及所述历史手部姿态信息；获取多个初始脚部压力信息，所述初始脚部压力信息为各所述姿态图像对应的所述脚部压力信息；对所述初始脚部压力信息进行第一预处理，得到所述历史脚部压力信息，所述第一预处理包括数据集增强处理。

可选地，根据多组所述历史脚部压力信息、所述历史头部姿态信息、所述历史手部姿态信息以及对应的多组所述历史姿态，对所述初始深度学习模型进行训练，得到所述深度学习模型，包括：根据多个所述历史脚部压力信息、多个所述历史头部姿态信息以及多个所述历史手部姿态信息，生成多个姿态的数据矩阵；根据所述数据矩阵以及对应的所述历史姿态之间的差异情况，使用损失函数以及反向传播算法对所述初始深度学习模型进行优化，得到所述深度学习模型。

可选地，在根据多组所述历史脚部压力信息、所述历史头部姿态信息、所述历史手部姿态信息以及对应的多组所述历史姿态，对所述初始深度学习模型进行训练，得到所述深度学习模型之前，所述方法还包括：使用时间戳对多组所述历史脚部压力信息、所述历史头部姿态信息、所述历史手部姿态信息以及对应的多组所述历史姿态进行时间同步处理。