一种人体姿态识别方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115937984A(43)申请公布日2023.04.07(21)申请号202211730584.9(22)申请日2022.12.30(71)申请人浙江大华技术股份有限公司地址310053浙江省杭州市滨江区滨安路1187号(72)发明人张玉坤孙鹤潘华东(74)专利代理机构北京同达信恒知识产权代理有限公司11291专利代理师赵凯莉(51)Int.Cl.G06V40/20(2022.01)G06V10/44(2022.01)G06V10/774(2022.01)权利要求书2页说明书11页附图4页(54)发明名称一种人体姿态识别方法、装置、电子设备及存储介质(57)摘要本申请公开了一种人体姿态识别方法、装置、电子设备及存储介质，先利用无标注训练集中的各个第一人体图片，通过分块重组训练得到目标特征提取模型，然后根据目标特征提取模型构建人体姿态识别模型，再利用有标注训练集中的各个第二人体图片和各自对应的人体关键点标注信息对人体姿态识别模型进行训练，最后利用人体姿态识别模型识别待处理的人体图片中的人体姿态。通过训练目标特征提取模型，并根据目标特征提取模型构建人体姿态识别模型，提高了人体姿态识别模型的特征提取能力，解决了部分相似部位混淆，人体姿态识别的准确性较差的问题。CN115937984ACN115937984A权利要求书1/2页1.一种人体姿态识别方法，其特征在于，所述方法包括：按照预设的分块数量将无标注训练集中的各个第一人体图片进行划分，得到所述各个第一人体图片各自的各个分块；针对所述各个第一人体图片，将所述第一人体图片的各个分块进行重组，得到所述第一人体图片对应的重组图片；基于所述各个第一人体图片和各自对应的重组图片训练得到目标特征提取模型；根据所述目标特征提取模型构建人体姿态识别模型，基于有标注训练集中的各个第二人体图片和各自对应的人体关键点标注信息对所述人体姿态识别模型进行训练；获取待处理的人体图片，基于训练完成的所述人体姿态识别模型识别所述待处理的人体图片中的人体姿态。2.如权利要求1所述的方法，其特征在于，所述按照预设的分块数量将无标注训练集中的各个第一人体图片进行划分，得到所述各个第一人体图片各自的各个分块；针对所述各个第一人体图片，将所述第一人体图片的各个分块进行重组，得到所述第一人体图片对应的重组图片；基于所述各个第一人体图片和各自对应的重组图片训练得到目标特征提取模型包括：按照预设的初始分块数量将无标注训练集中的各个第一人体图片进行划分，得到所述各个第一人体图片各自的各个分块；针对所述各个第一人体图片，将所述第一人体图片的各个分块进行重组，得到所述第一人体图片对应的初始重组图片；基于所述各个第一人体图片和各自对应的初始重组图片训练得到初始特征提取模型；将所述初始分块数量增加预设的分块数量步长，得到候选分块数量；按照候选分块数量将所述各个第一人体图片进行划分，并重组得到所述各个第一人体图片各自对应的候选重组图片，基于所述各个第一人体图片和各自对应的候选重组图片对所述初始特征提取模型进行再训练，得到候选特征提取模型；当候选分块数量达到预设的目标分块数量，对所述候选特征提取模型进行再训练，得到目标特征提取模型。3.如权利要求1所述的方法，其特征在于，所述将所述第一人体图片的各个分块进行重组，得到所述第一人体图片对应的重组图片包括：根据已有的参考人体姿态识别模型确定各个分块的错分概率分布；根据所述各个分块的错分概率分布，确定所述各个分块的重组概率；根据所述各个分块的重组概率，将所述第一人体图片的各个分块进行重组，得到所述第一人体图片对应的重组图片。4.如权利要求3所述的方法，其特征在于，所述根据所述各个分块的错分概率分布，确定所述各个分块的重组概率包括：根据所述各个分块的错分概率分布和分块数量，确定所述各个分块的重组概率。5.如权利要求3所述的方法，其特征在于，所述根据所述各个分块的错分概率分布，确定所述各个分块的重组概率包括：根据所述各个分块在所述第一人体图片中的位置信息，确定所述各个分块的前景背景概率分布；根据所述各个分块的错分概率分布和前景背景概率分布，确定所述各个分块的重组概率。2CN115937984A权利要求书2/2页6.如权利要求5所述的方法，其特征在于，所述根据所述各个分块在所述第一人体图片中的位置信息，确定所述各个分块的前景背景概率分布包括：根据所述各个分块在所述第一人体图片中的位置信息，确定所述各个分块中的各个前景分块和各个背景分块；分别确定所述各个前景分块和各个背景分块的重组权重；其中，所述各个前景分块的重组权重大于所述各个背景分块的重组权重；根据所述各个前景分块和各个背景分块的重组权重，确定所述各个分块的前景背景概率分布。7.如权利要求