[發明專利]應用于行人姿勢分類的3D人體模型

有效

• 申請號: 201310714502.6
• 申請日: 2013-12-20
• 公開（公告）號: CN103886315A
• 公開（公告）日: 2014-06-25
• 發明（設計）人: B·海斯勒
• 申請（專利權）人: 本田技研工業株式會社
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/00
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 王茂華

1.一種用于訓練行人姿勢分類模型的方法，包括：

接收行人的三維（3D）模型；

接收指示如何生成行人的圖像的圖像參數的集合；

基于接收的所述三維模型和接收的所述圖像參數的集合來生成二維（2D）合成圖像；

利用所述圖像參數的集合對生成的所述合成圖像進行注釋；以及

通過經注釋的所述合成圖像訓練多個行人姿勢分類器。

2.根據權利要求1所述的方法，其中所述圖像參數的集合包括姿勢分類，并且其中訓練所述多個行人姿勢分類器包括：

響應于所述圖像參數的所述姿勢分類為第一姿勢分類，通過作為正樣本的經注釋的所述合成圖像來訓練所述多個行人姿勢分類器當中的第一行人姿勢分類器。

3.根據權利要求2所述的方法，其中訓練所述多個行人姿勢分類器還包括：

響應于所述圖像參數的所述姿勢分類為所述第一姿勢分類，通過作為負樣本的經注釋的所述合成圖像來訓練所述多個行人姿勢分類器當中的第二行人姿勢分類器。

4.根據權利要求3所述的方法，其中訓練所述多個行人姿勢分類器還包括：

響應于所述圖像參數的所述姿勢分類為第二姿勢分類，通過作為負樣本的經注釋的所述合成圖像來訓練所述第一行人姿勢分類器，并且通過作為正樣本的經注釋的所述合成圖像來訓練所述第二行人姿勢分類器。

5.根據權利要求1所述的方法，其中生成所述二維合成圖像包括：

根據接收的所述三維模型渲染行人的二維圖像；以及

為經渲染的所述二維圖像添加背景。

6.根據權利要求1所述的方法，其中所述行人姿勢分類器是二元行人姿勢分類器。

7.根據權利要求1所述的方法，其中所述行人姿勢分類器包括非線性支持向量機（SVM）。

8.根據權利要求1所述的方法，其中所述行人姿勢分類器基于方向梯度直方圖（HOG）圖像特征執行分類。

9.一種被配置為存儲用于訓練行人姿勢分類模型的指令的非瞬態計算機可讀存儲介質，所述指令在由處理器執行時使得所述處理器：

接收行人的三維（3D）模型；

接收指示如何生成行人的圖像的圖像參數的集合；

基于接收的所述三維模型和接收的所述圖像參數的集合來生成二維（2D）合成圖像；

利用所述圖像參數的集合對生成的所述合成圖像進行注釋；以及

通過經注釋的所述合成圖像訓練多個行人姿勢分類器。

10.根據權利要求9所述的非瞬態計算機可讀存儲介質，其中所述圖像參數的集合包括姿勢分類，并且其中訓練所述多個行人姿勢分類器包括：

響應于所述圖像參數的所述姿勢分類為第一姿勢分類，通過作為正樣本的經注釋的所述合成圖像來訓練所述多個行人姿勢分類器當中的第一行人姿勢分類器。

11.根據權利要求10所述的非瞬態計算機可讀存儲介質，其中訓練所述多個行人姿勢分類器還包括：

響應于所述圖像參數的所述姿勢分類為所述第一姿勢分類，通過作為負樣本的經注釋的所述合成圖像來訓練所述多個行人姿勢分類器當中的第二行人姿勢分類器。

12.根據權利要求11所述的非瞬態計算機可讀存儲介質，其中訓練所述多個行人姿勢分類器還包括：

響應于所述圖像參數的所述姿勢分類為第二姿勢分類，通過作為負樣本的經注釋的所述合成圖像來訓練所述第一行人姿勢分類器，并且通過作為正樣本的經注釋的所述合成圖像來訓練所述第二行人姿勢分類器。

13.根據權利要求9所述的非瞬態計算機可讀存儲介質，其中生成所述二維合成圖像包括：

根據接收的所述三維模型渲染行人的二維圖像；以及

為經渲染的所述二維圖像添加背景。

14.根據權利要求9所述的非瞬態計算機可讀存儲介質，其中所述行人姿勢分類器是二元行人姿勢分類器。

15.根據權利要求9所述的非瞬態計算機可讀存儲介質，其中所述行人姿勢分類器包括非線性支持向量機（SVM）。

16.根據權利要求9所述的非瞬態計算機可讀存儲介質，其中所述行人姿勢分類器基于方向梯度直方圖（HOG）圖像特征執行分類。