[發明專利]人體姿態識別模型的訓練方法、裝置及存儲介質有效
| 申請號: | 202011491876.2 | 申請日: | 2020-12-16 |
| 公開(公告)號: | CN112257686B | 公開(公告)日: | 2021-07-20 |
| 發明(設計)人: | 石海林;戴漢彬;劉穎璐;梅濤;周伯文 | 申請(專利權)人: | 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司: | 北京派特恩知識產權代理有限公司 11270 | 代理人: | 趙翠萍;張穎玲 |
| 地址: | 100176 北京市大興區經濟技*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 人體 姿態 識別 模型 訓練 方法 裝置 存儲 介質 | ||
1.一種人體姿態識別模型的訓練方法,其特征在于,所述方法包括:
將第一圖像輸入至人體姿態識別模型,得到第一圖像對應的第一特征圖;所述第一圖像攜帶有人體姿態關鍵點;所述第一特征圖的第二分辨率低于所述第一圖像的第一分辨率;
對所述第一特征圖中的每個像素進行至少兩次卷積,生成所述第一特征圖對應的第一熱圖;所述第一熱圖的分辨率大于第一特征圖的第二分辨率;所述至少兩次卷積使用的是1×1的卷積核;
基于所述第一熱圖中每個像素的第一參數和第二參數確定損失值;所述第一參數表征對應像素在所述第一熱圖的高斯置信值;所述第二參數表征對應像素在第二熱圖的高斯置信值;所述第二熱圖表征基于所述第一圖像中攜帶的關鍵點確定出的熱圖;
根據確定出的損失值更新人體姿態識別模型的權重參數;
所述對所述第一特征圖中的每個像素進行至少兩次卷積,生成所述第一特征圖對應的第一熱圖,包括:
對所述第一特征圖中的每個第一像素進行至少兩次卷積,生成對應的至少兩個第二像素;每個第二像素由第一像素經過一次卷積得到;
按照所述第一特征圖中的第一像素的排列順序排列每個第一像素對應的第二像素,得到第二圖像;
基于所述第二圖像生成所述第一熱圖。
2.根據權利要求1所述的方法,其特征在于,所述方法還包括:
基于所述第二圖像的第三分辨率與所述第二分辨率的倍數確定所述至少兩次卷積的卷積次數。
3.根據權利要求1所述的方法,其特征在于,所述將第一圖像輸入至人體姿態識別模型之前,所述方法還包括:
對設定的樣本圖庫中的第三圖像進行人體目標檢測,并基于人體目標檢測過程中定位的目標矩形框對所述第三圖像進行裁剪,得到所述第一圖像。
4.根據權利要求1所述的方法,其特征在于,所述方法還包括:
計算最近兩次確定出的損失值的差值;
在所述差值處于設定閾值范圍的情況下,停止對所述人體姿態識別模型的迭代訓練。
5.一種人體姿態識別方法,其特征在于,所述方法包括:
將包含人體姿態的第四圖像輸入至人體姿態識別模型,輸出所述第四圖像對應的第二特征圖;
對所述第二特征圖中的每個像素進行至少兩次卷積,生成所述第二特征圖對應的第三熱圖;所述至少兩次卷積使用的是1×1的卷積核;
基于所述第三熱圖進行人體姿態識別;其中,
所述人體姿態識別模型采用如權利要求1至4任一項所述的人體姿態識別模型的訓練方法訓練得到;
所述對所述第二特征圖中的每個像素進行至少兩次卷積,生成所述第二特征圖對應的第三熱圖,包括:
對所述第二特征圖中的每個第三像素進行至少兩次卷積,生成對應的至少兩個第四像素;每個第四像素由第三像素經過一次卷積得到;
按照所述第二特征圖中的第三像素的排列順序排列每個第三像素對應的第四像素,得到第五圖像;
基于所述第五圖像生成所述第三熱圖。
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北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司,未經北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司許可,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/202011491876.2/1.html,轉載請聲明來源鉆瓜專利網。





