[發明專利]人體姿態模型訓練方法及裝置

有效

• 申請號: 201710712291.0
• 申請日: 2017-08-18
• 公開（公告）號: CN107480720B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 楊賢立;陳志超;周劍
• 申請（專利權）人: 成都通甲優博科技有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 鄧超

1.一種人體姿態模型訓練方法，其特征在于，所述方法包括：

提取原始圖像中標注有關節點的人體圖像，得到目標人體圖像；

將所述目標人體圖像轉換為以所述關節點為基準、熱度值呈高斯分布的第一熱點圖像；

對所述目標人體圖像進行取樣，得到訓練樣本；

建立訓練模型，其中，所述訓練模型包括2到6個帶有兩個分支的卷積神經網絡回歸器級聯而成，卷積神經網絡回歸器的其中一個分支用于對所述訓練樣本中的關節點進行回歸，另一個分支用于對所述訓練樣本中關節點以外的區域進行回歸；

將所述訓練樣本中每個像素點的RGB值量化后作為所述訓練模型的輸入，得到的輸出值作為每個像素點對應的熱度值，依據每個像素點對應的熱度值生成第二熱點圖，并依據所述第一熱點圖和所述第二熱點圖對所述訓練模型進行優化，得到目標訓練模型。

2.根據權利要求1所述的人體姿態模型訓練方法，其特征在于，在所述得到目標訓練模型之前，所述方法還包括：

對優化后的所述訓練模型中的張量進行簡化；

所述對優化后的所述訓練模型中的張量進行簡化的步驟包括：

對優化后的所述訓練模型中的張量進行分解；

對分解后的所述訓練模型中的張量進行簡化；

加載簡化后的所述訓練模型。

3.根據權利要求1所述的人體姿態模型訓練方法，其特征在于，所述依據所述第一熱點圖和所述第二熱點圖對所述訓練模型進行優化的步驟包括：

采用反向傳播法和隨機梯度下降算法，依據所述第一熱點圖和所述第二熱點圖對所述訓練模型進行優化。

4.一種人體姿態模型訓練裝置，其特征在于，所述裝置包括：

獲取模塊，用于提取原始圖像中標注有關節點的人體圖像，得到目標人體圖像；將所述目標人體圖像轉換為以所述關節點為基準、熱度值呈高斯分布的第一熱點圖像；

取樣模塊，用于對所述目標人體圖像進行取樣，得到訓練樣本；

建模模塊，用于建立訓練模型，其中，所述訓練模型包括2到6個帶有兩個分支的卷積神經網絡回歸器級聯而成，卷積神經網絡回歸器的其中一個分支用于對所述訓練樣本中的關節點進行回歸，另一個分支用于對所述訓練樣本中關節點以外的區域進行回歸；

回歸模塊，用于：將所述訓練樣本中每個像素點的RGB值量化后作為所述訓練模型的輸入，得到的輸出值作為每個像素點對應的熱度值，并依據每個像素點對應的熱度值生成第二熱點圖；

優化模塊，用于依據所述第一熱點圖和所述第二熱點圖對所述訓練模型進行優化，得到目標訓練模型。

5.根據權利要求4所述的人體姿態模型訓練裝置，其特征在于，還包括：

簡化模塊，用于對優化后的所述訓練模型中的張量進行簡化；

所述簡化模塊包括：

分解子模塊，用于對優化后的所述訓練模型中的張量進行分解；

簡化子模塊，用于對分解后的所述訓練模型中的張量進行簡化；

加載子模塊，用于加載簡化后的所述訓練模型。

6.根據權利要求4所述的人體姿態模型訓練裝置，其特征在于，所述優化模塊用于采用反向傳播法和隨機梯度下降算法，依據所述第一熱點圖和所述第二熱點圖對所述訓練模型進行優化。