[發明專利]一種獲得姿態分類模型的方法以及裝置在審
| 申請號： | 201810958437.4 | 申請日： | 2018-08-22 |
| 公開（公告）號： | CN110858277A | 公開（公告）日： | 2020-03-03 |
| 發明（設計）人： | 邵長東;姚迪狄;吳志華 | 申請（專利權）人： | 阿里巴巴集團控股有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/46;G06K9/62;G06T7/215;G06T7/246;G06T7/254 |
| 代理公司： | 北京清源匯知識產權代理事務所(特殊普通合伙) 11644 | 代理人： | 馮德魁;竇曉慧 |
| 地址： | 英屬開曼群島大開*** | 國省代碼： | 暫無信息 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 獲得 姿態 分類 模型 方法 以及 裝置 | ||
1.一種獲得姿態分類模型的方法，其特征在于，包括：
通過關鍵點檢測模型對包含預定姿態的圖像進行姿態識別，獲得所述包含預定姿態的圖像的姿態標簽；
根據所述包含預定姿態的圖像和所述姿態標簽進行模型訓練，獲得姿態分類模型。
2.根據權利要求1所述的方法，其特征在于，所述根據所述包含預定姿態的圖像和所述姿態標簽進行模型訓練，包括：
對所述包含預定姿態的圖像進行特征化處理，獲得所述包含預定姿態的圖像的姿態特征；
將所述姿態特征和所述姿態標簽作為訓練樣本，對預定分類模型進行模型訓練。
3.根據權利要求2所述的方法，其特征在于，所述預定分類模型為訓練完成的圖像分類模型，所述將所述姿態特征和所述姿態標簽作為訓練樣本，對預定分類模型進行模型訓練，包括：
根據所述訓練樣本對所述訓練完成的圖像分類模型進行遷移學習，獲得姿態分類模型。
4.根據權利要求2所述的方法，其特征在于，所述對所述包含預定姿態的圖像進行特征化處理，包括：
將所述包含預定姿態的圖像轉換為YUV圖像；
基于所述YUV圖像的Y分量數據提取運動目標，獲得所述YUV圖像包含的輪廓數據；
對所述YUV圖像包含的輪廓數據進行歸一化處理，獲得姿態特征。
5.根據權利要求4所述的方法，其特征在于，所述基于所述YUV圖像的Y分量數據提取運動目標，包括：
基于所述YUV圖像的Y分量數據，通過幀間差分算法提取運動目標；或者，
基于所述YUV圖像的Y分量數據，通過背景差分算法提取運動目標；或者，
基于所述YUV圖像的Y分量數據，通過光流法提取運動目標。
6.根據權利要求1所述的方法，其特征在于，所述通過關鍵點檢測模型對包含預定姿態的圖像進行姿態識別，包括：
通過關鍵點檢測模型對所述包含預定姿態的圖像進行關鍵點檢測，獲得所述包含預定姿態的圖像中的關鍵點；
通過動作匹配算法對所述關鍵點進行姿態識別，獲得所述包含預定姿態的圖像的姿態標簽。
7.一種姿態識別方法，其特征在于，包括：
獲取需進行姿態識別的待識別圖像；
通過姿態分類模型對所述待識別圖像進行姿態分類，獲得所述待識別圖像的姿態分類結果；
其中，所述姿態分類模型通過如下方式獲得：
通過關鍵點檢測模型對包含預定姿態的圖像進行姿態識別，獲得所述包含預定姿態的圖像的姿態標簽；
根據所述包含預定姿態的圖像和所述姿態標簽進行模型訓練，獲得姿態分類模型。
8.根據權利要求7所述的方法，其特征在于，所述通過姿態分類模型對所述待識別圖像進行姿態分類，包括：
對所述待識別圖像進行特征化處理，獲得所述待識別圖像包含的姿態特征；
將所述待識別圖像包含的姿態特征輸入所述姿態分類模型進行姿態分類。
9.根據權利要求8所述的方法，其特征在于，所述對所述待識別圖像進行特征化處理，包括：
將所述待識別圖像轉換為YUV圖像；
基于所述YUV圖像的Y分量數據提取運動目標，獲得所述YUV圖像包含的輪廓數據；
對所述YUV圖像包含的輪廓數據進行歸一化處理，獲得姿態特征。
10.根據權利要求9所述的方法，其特征在于，所述基于所述YUV圖像的Y分量數據提取運動目標，包括：
基于所述YUV圖像的Y分量數據，通過幀間差分算法提取運動目標；或者，
基于所述YUV圖像的Y分量數據，通過背景差分算法提取運動目標；或者，
基于所述YUV圖像的Y分量數據，通過光流法提取運動目標。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于阿里巴巴集團控股有限公司，未經阿里巴巴集團控股有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810958437.4/1.html，轉載請聲明來源鉆瓜專利網。
