姿态识别方法、装置、存储介质和电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114139630A(43)申请公布日2022.03.04(21)申请号202111463757.0(22)申请日2021.12.02(71)申请人北京地平线信息技术有限公司地址100094北京市海淀区丰豪东路9号院2号楼3层1单元301(72)发明人肖亚博王国利张骞黄畅(74)专利代理机构北京思源智汇知识产权代理有限公司11657代理人王晓多(51)Int.Cl.G06K9/62(2022.01)G06V40/20(2022.01)G06V10/774(2022.01)G06V10/46(2022.01)权利要求书3页说明书12页附图9页(54)发明名称姿态识别方法、装置、存储介质和电子设备(57)摘要本公开实施例公开了一种姿态识别方法、装置、存储介质和电子设备，其中，方法包括：利用姿态识别模型提取包含待识别对象的图像的第一特征数据；基于第一特征数据，预测待识别对象的中心点的位置和各个部位分别对应的自适应点的位置，中心点表征待识别对象中心点部位的成像点；基于第一特征数据和各个部位分别对应的自适应点的位置，预测各个部位分别对应的关键点集；基于中心点的位置和各个部位分别对应的关键点集，确定待识别对象的目标姿态。通过各个自适应点，可以细粒度地表征不同尺度和形变的姿态，进而明确关键点与待识别对象的关联，可以提高姿态识别的准确度。CN114139630ACN114139630A权利要求书1/3页1.一种姿态识别方法，包括：利用姿态识别模型提取包含待识别对象的图像的第一特征数据；基于所述第一特征数据，预测所述待识别对象的中心点的位置和各个部位分别对应的自适应点的位置，所述中心点表征所述待识别对象中心点部位的成像点；基于所述第一特征数据和各个所述部位分别对应的自适应点的位置，预测各个所述部位分别对应的关键点集；基于所述中心点的位置和各个所述部位分别对应的关键点集，确定所述待识别对象的目标姿态。2.根据权利要求1所述的方法，其中，基于所述第一特征数据，预测所述待识别对象的中心点的位置和各个所述部位分别对应的自适应点的位置，包括：基于姿态识别模型的关键点回归网络分支对所述第一特征数据进行特征提取，得到第二特征数据；基于所述姿态识别模型的区域感知网络分支对所述第二特征数据进行处理，预测所述图像中的每个像素点分别对应于各个所述部位的候选自适应点的位置；基于所述姿态识别模型的中心点感知网络分支，对所述第一特征数据进行特征提取，得到第三特征数据；基于每个所述像素点分别对应于各个所述部位的候选自适应点的位置，从所述第三图像特征中提取每个所述像素点对应的中心回归特征；基于每个所述像素点对应的中心回归特征，预测每个所述像素点的中心点置信度；利用最大池化核将所述中心点置信度大于预设阈值的像素点的位置确定为所述待识别对象的中心点的位置，并将该像素点分别对应于各个所述部位的候选自适应点的位置确定为所述待识别对象的各个所述部位分别对应的自适应点的位置。3.根据权利要求2所述的方法，其中，基于所述第一特征数据和各个所述部位分别对应的自适应点的位置，预测各个所述部位分别对应的关键点集，包括：利用所述关键点回归网络分支，基于每个所述像素点分别对应的各个所述部位的所述候选自适应点的位置，从所述第二特征数据中提取每个所述像素点分别对应的各个所述部位的关键点回归特征；基于每个所述像素点分别对应的各个所述部位的关键点回归特征、及其对应的各个所述候选自适应点的位置，预测每个所述像素点分别对应的各个所述部位的候选关键点集；在利用所述最大池化核将所述中心点置信度大于预设阈值的像素点的位置确定为所述待识别对象的中心点的位置之后，将该像素点对应的各个所述部位的候选关键点集确定为各个所述部位分别对应的关键点集。4.根据权利要求3所述的方法，其中，基于所述姿态识别模型的区域感知网络分支对所述第二特征数据进行处理，预测所述图像中的每个像素点分别对应于各个所述部位的候选自适应点的位置，包括：基于所述第二特征数据，预测每个所述像素点分别对应于各个所述部位的第一偏移量；基于每个所述像素点的位置及其对应于各个所述部位的第一偏移量，确定每个所述像素点分别对应于各个所述部位的候选自适应点的位置。5.根据权利要求4所述的方法，其中，基于每个所述像素点分别对应的各个所述部位的2CN114139630A权利要求书2/3页关键点回归特征、及其对应的各个所述候选自适应点的位置，预测每个所述像素点分别对应的各个所述部位的候选关键点集，包括：基于每个所述像素点分别对应的各个所述部位的关键点回归特征，预测每个所述候选自适应点对应的一个或多个第二偏移量；基于每个所述像素点分别对应的各个所述部位的所述候选自适应点的位置、以及每个所述候选自适应点对应