[發明專利]姿態估計模型的構建方法、裝置、設備及存儲介質

在審

• 申請號: 201911201383.8
• 申請日: 2019-11-29
• 公開（公告）號: CN112883761A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 張雄
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 康瑩

本公開關于一種姿態估計模型的構建方法、裝置、設備及存儲介質，該方法包括構建包括多個網絡單元的初始姿態估計模型，根據每個節點中不同卷積操作的連接權重進行排序，針對每個節點保留連接權重排序在前N位的卷積操作并對前N位的卷積操作的操作結果進行加權求和作為節點的輸出結果；根據每個子單元中多個節點的輸入端連接權重進行排序，針對每個子單元保留輸入端連接權重排序在前M位的節點；根據與每個人體姿態特征連接的其他人體姿態特征的連接權重進行排序，針對每個人體姿態特征保留連接權重排序在前L位的其他人體姿態特征，獲得目標姿態估計模型。本公開實現姿態估計模型的自動設計，避免無效的人工勞動，提高姿態估計模型的設計效率。

技術領域

本公開涉及信息處理技術領域，尤其涉及一種姿態估計模型的構建方法、裝置、設備及存儲介質。

背景技術

人體姿態估計旨在從單張RGB圖像中估計人的各種關鍵點，如：手腕、胳膊肘、腳踝、膝蓋等。人體姿態估計是一個具有重大現實使用意義的研究方向，比如在無人駕駛、虛擬試衣等應用中，人體姿態估計是較為核心的一個技術點。

相關技術中可基于神經網絡來實現人體姿態估計。然而，現有的神經網絡的設計策略需要由人根據經驗決定，導致大量無效的人工勞動，且設計效率低。

發明內容

本公開提供一種姿態估計模型的構建方法、裝置及系統，以提高姿態估計模型的設計效率。本公開的技術方案如下：

根據本公開實施例的第一方面，提供一種姿態估計模型的構建方法，所述方法包括：構建包括多個網絡單元的初始姿態估計模型，其中，每個所述網絡單元用于連接兩個人體姿態特征，所述網絡單元的輸出端連接的人體姿態特征根據輸入端連接的人體姿態特征生成；每個所述網絡單元包括多個子單元，并且每個子單元包括多個節點，每個節點對輸入進行多種不同的卷積操作并對操作結果進行加權求和作為所述節點的輸出結果；根據每個節點中不同卷積操作的連接權重進行排序，針對每個節點保留連接權重排序在前N位的卷積操作并對所述前N位的卷積操作的操作結果進行加權求和作為所述節點的輸出結果；其中，N為正整數且小于所述節點中卷積操作的總數；根據每個子單元中多個節點的輸入端連接權重進行排序，針對每個子單元保留輸入端連接權重排序在前M位的節點；其中，M為正整數且小于所述子單元中節點的總數；根據與每個人體姿態特征連接的其他人體姿態特征的連接權重進行排序，針對每個人體姿態特征保留連接權重排序在前L位的其他人體姿態特征，獲得目標姿態估計模型；其中，L為正整數且小于所述子單元中節點的總數；其中，每個節點中不同卷積操作的連接權重、每個子單元中每個節點的輸入端連接權重以及每個人體姿態特征與其他人體姿態特征的連接權重是根據包含人體關鍵點標注信息的樣本人體圖像對所述初始姿態估計模型進行訓練得到的，并且是與人體姿態相關的權重。

在本公開實施例中，所述人體姿態特征的輸入端特征包括：相同特征層的前一列對應的人體姿態特征和上下兩個相鄰特征層的前一列對應的人體姿態特征。

在本公開實施例中，每個所述子單元中的多個節點輸出之和形成所述子單元的輸出，所述子單元的輸入端與所在網絡單元內位于所述子單元之前的所有子單元的輸出端，以及位于所在網絡單元之前的多個網絡單元的輸出端連接。

在本公開實施例中，所述針對每個節點保留連接權重排序在前N位的卷積操作并對所述前N位的卷積操作進行加權求和，包括：保留所述節點中連接權重最大的卷積操作，刪除其他卷積操作。

在本公開實施例中，所述針對每個子單元保留輸入端連接權重排序在前M位的節點，包括：保留所述子單元中輸入端連接權重最大的兩個節點，刪除其他節點。

在本公開實施例中，所述根據與每個人體姿態特征連接的其他人體姿態特征的連接權重進行排序，針對每個人體姿態特征保留連接權重排序在前L位的其他人體姿態特征，獲得目標姿態估計模型，包括：從末端的人體姿態特征開始，保留與所述人體姿態特征的連接權重最大的兩個人體姿態特征，刪除與所述人體姿態特征連接的其他人體姿態特征。