[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

本申請公開了一種獲得姿態分類模型的方法以及裝置，該方法包括如下步驟：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。使用本方法所獲得的姿態分類模型，其網絡結構更為簡單，對計算資源的要求較低，可實時運行于移動設備上；該姿態分類模型對人體姿態的識別過程僅為姿態識別匹配的過程，無需進行人體骨骼關鍵點檢測，識別過程簡單，識別效率高，減少了對單幀圖像的處理時間。

技術領域

本申請涉及計算機視覺領域，具體涉及一種獲得姿態分類模型的方法。本申請同時涉及一種獲得姿態分類模型的裝置以及一種電子設備。本申請還涉及一種姿態識別方法、一種姿態識別裝置以及一種電子設備。本申請另外涉及一種姿態識別方法、一種姿態識別裝置以及一種電子設備。

背景技術

隨著技術的進步和市場的發展，基于計算機視覺的智能設備得到廣泛應用，例如，各種監控設備和智能游戲設備等，該類設備需對目標對象的姿態信息進行準確分析和識別，以此達到監控目標對象、或者與目標對象進行交互的目的。

現階段，人體姿態識別是計算機視覺領域的重要研究方向，廣泛應用于體感游戲的輸入、跌倒檢測、身份識別、智能設備的控制等場景，其實質為人體關鍵點的定位。

目前，主流的姿態識別模型為基于骨骼關鍵點的姿態識別模型，如AlphaPose、OpenPose等，其模型復雜、計算資源要求高，在移動設備上很難以較高的幀率(如24FPS以上幀率)實時運行，以OpenPose為例，算法模型大小200M以上，在移動設備上運行時，即使在功能強大的圖形處理器的支持下也僅能以較低幀率運行，無法保證姿態識別的實時性；并且，上述基于骨骼關鍵點的姿態識別模型對人體姿態的識別過程需經歷骨骼關鍵點檢測和姿態識別匹配兩個過程，識別過程復雜、識別效率較低。

發明內容

本申請提供一種獲得姿態分類模型的方法，以解決現有的在移動設備上無法保證姿態識別的實時性、以及基于骨骼關鍵點的姿態識別模型識別過程復雜、識別效率較低的問題。本申請另外提供一種獲得姿態分類模型的裝置以及一種電子設備。本申請還提供一種姿態識別方法、一種姿態識別裝置以及一種電子設備。本申請另外提供一種姿態識別方法、一種姿態識別裝置以及一種電子設備。

本申請提供一種獲得姿態分類模型的方法，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。

可選的，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。

可選的，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。

可選的，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。

可選的，所述基于所述YUV圖像的Y分量數據提取運動目標，包括：