目标对象的关键点参数的获取方法、装置、电子设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115050094A(43)申请公布日2022.09.13(21)申请号202210579135.2G06T7/11(2017.01)(22)申请日2022.05.26(71)申请人阿里巴巴（中国）有限公司地址311121浙江省杭州市余杭区五常街道文一西路969号3幢5层554室(72)发明人何超任泓宇王方刘筱力李宏华邱俊杰(74)专利代理机构北京清源汇知识产权代理事务所(特殊普通合伙)11644专利代理师冯德魁(51)Int.Cl.G06V40/20(2022.01)G06V10/82(2022.01)G06V10/44(2022.01)G06T17/00(2006.01)权利要求书3页说明书13页附图5页(54)发明名称目标对象的关键点参数的获取方法、装置、电子设备(57)摘要本申请实施例提供一种目标对象的关键点参数的获取方法、装置、电子设备和存储设备。其中，目标对象的关键点参数的获取方法包括：获得待分析图像；利用关键点参数获得模型，根据待分析图像中的目标对象的关键点二维参数，获得目标对象的关键点三维参数，作为用于分析目标对象的运动状态的参数；其中，关键点参数获得模型是利用图像样本中的对象样本的关键点二维参数样本和所述对象样本的关键点三维参数样本训练得到的，所述关键点参数获得模型为机器学习模型。CN115050094ACN115050094A权利要求书1/3页1.一种目标对象的关键点参数的获取方法，其特征在于，包括：获得待分析图像；利用关键点参数获得模型，根据所述待分析图像中的目标对象的关键点二维参数，获得所述目标对象的关键点三维参数，作为用于分析所述目标对象的运动状态的参数；其中，所述关键点参数获得模型是利用图像样本中的对象样本的关键点二维参数样本和所述对象样本的关键点三维参数样本训练得到的，所述关键点参数获得模型为机器学习模型。2.根据权利要求1所述的方法，其特征在于，所述利用关键点参数获得模型，根据所述待分析图像中的目标对象的关键点二维参数，获得所述目标对象的关键点三维参数，作为用于分析所述目标对象的运动状态的参数，包括：利用关键点参数获得模型，获得所述待分析图像中的目标对象的关键点二维参数；根据所述待分析图像中的目标对象的关键点二维参数，获得所述目标对象的关键点三维参数。3.根据权利要求2所述的方法，其特征在于，所述利用关键点参数获得模型，获得所述待分析图像中的目标对象的关键点二维参数，包括：利用关键点参数获得模型，获得用于确定所述目标对象在所述待分析图像中的目标区域的边界参数；根据所述目标区域对所述待分析图像进行裁剪处理，获得对应于所述目标区域的图像块；获得所述图像块中的所述目标对象的关键点二维参数。4.根据权利要求1所述的方法，其特征在于，所述关键点参数获得模型包括对象轮廓检测子模型、关键点二维参数获得子模型和关键点三维参数获得子模型；所述利用关键点参数获得模型，根据所述待分析图像中的目标对象的关键点二维参数，获得所述目标对象的关键点三维参数，包括：将所述待分析图像输入到所述对象轮廓检测子模型中，获得用于确定所述目标对象在所述待分析图像中的目标区域的边界参数；根据所述边界参数对所述待分析图像进行裁剪处理，获得对应于所述目标区域的图像块；将所述图像块输入到所述关键点二维参数获得子模型中，获得所述图像块中的所述目标对象的关键点二维参数；将所述图像块中的所述目标对象的关键点二维参数输入到所述关键点三维参数获得子模型中，获得所述目标对象的关键点三维参数。5.根据权利要求4所述的方法，其特征在于，所述将所述图像块中的所述目标对象的关键点二维参数输入到所述关键点三维参数获得子模型中，获得所述目标对象的关键点三维参数，包括：将所述图像块中的所述目标对象的关键点二维参数和与所述待分析图像具有时序关联关系的时序关联图像中的所述目标对象的关键点二维参数输入到所述关键点三维参数获得子模型中，获得所述目标对象的关键点三维参数。6.根据权利要求4所述的方法，其特征在于，还包括：2CN115050094A权利要求书2/3页判断所述关键点二维参数与所述边界参数是否匹配，如果不匹配，则调整所述对象轮廓检测子模型或所述关键点二维参数获得子模型，直至针对所述待分析图像，所述对象轮廓检测子模型输出的边界参数与所述关键点二维参数获得子模型输出的关键点二维参数匹配为止。7.根据权利要求4所述的方法，其特征在于，所述对象轮廓检测子模型是利用图像样本和用于确定对象样本在所述图像样本中的目标区域的边界参数样本训练得到的；或者，所述关键点二维参数获得子模型是根据图像块样本和所述图像块样本中的对象样本的关键点二维参数样本训练得到的，所述图像块样本是根据所述边界参数样本对所述图像样本进行裁剪处理获得的