[发明专利]基于分组回归模型的人体三维关节点预测方法

摘要

本发明公开一种基于分组回归模型的人体三维关节点预测方法，包括以下步骤：采集人体2d关节点检测数据；将2d关节点坐标输入到相同结构的回归网络中并得到不同组的3d关节位置并将所得的关键三维位置合并为整体关节向量；通过BiLSTM构建关节点自约束网络和关节组自约束网络，然后将两个自约束网络输出的3d关节点进行累加得到微调后的3d预测关节；通过损失函数计算3d预测关节与3d关节之间的欧氏距离。本发明结合人体四肢关节运动独立性的特点采用分组回归的结构，将四肢和躯干划分入不同关节组中，分别预测各组内关节点的3d位置，同时为使预测结果更贴近真实人体姿态，利用BiLSTM设计人体关节自约束网络用于调整预测结果，提升准确度。

主权项

1.一种基于分组回归模型的人体三维关节点预测方法，其特征在于：包括以下步骤：(1)数据处理，即通过2d关节探测器采集人体的2d关节点检测数据；(2)分组回归网络，即以2d关节点的坐标作为输入，输入到相同结构的回归网络中并得到不同组的3d关节位置，然后将所得的关键三维位置合并为整体关节向量；(3)关节约束网络，通过BiLSTM构建关节点自约束网络和关节组自约束网络，关节点自约束网络以单关节点作为输入，关节组自约束网络以单组关节作为输入，然后将两个自约束网络输出的3d关节点进行累加得到微调后的3d预测关节；(4)网络训练，即通过损失函数计算步骤(3)所得3d预测关节与3d关节之间的欧氏距离，网络训练时，通过梯度下降的方式最小化该损失函数直到收敛。