一种姿态估计方法、装置、设备及计算机可读存储介质.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CN113609993A(43)申请公布日2021.11.05(21)申请号202110901833.5G06N3/04(2006.01)(22)申请日2021.08.06G06N3/08(2006.01)(71)申请人烟台艾睿光电科技有限公司地址264006山东省烟台市开发区贵阳大街11号(72)发明人刘振辉徐召飞王云奇刘晴(74)专利代理机构北京集佳知识产权代理有限公司11227代理人孙晓红(51)Int.Cl.G06K9/00(2006.01)G06K9/20(2006.01)G06K9/44(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书13页附图5页(54)发明名称一种姿态估计方法、装置、设备及计算机可读存储介质(57)摘要本申请公开了一种姿态估计方法、装置、设备及计算机可读存储介质，方法包括：利用红外图像数据集对目标检测网络进行训练；利用得到的人体候选框图对特征提取网络进行训练；对利用人体检测网络得到的待识别人体候选框图进行预处理，利用人体骨骼点提取网络对预处理得到的待识别候选框图进行特征提取并融合且输出人体骨骼点坐标，确定人体姿态。本申请公开的上述技术方案，对待识别人体候选框图进行图像增强，以使得人体特征更加明显，通过利用人体骨骼点提取网络对待识别候选框图进行不同纬度的特征的提取并融合不同纬度的特征，以使得红外图像下弱特征信息也能得到学习，并使得特征具有更好的全局信息，从而提升红外图像姿态估计的整体精度。CN113609993ACN113609993A权利要求书1/2页1.一种姿态估计方法，其特征在于，包括：获取红外图像数据集，利用所述红外图像数据集对预先构建的目标检测网络进行训练，得到人体检测网络；根据所述目标检测网络及所述红外图像数据集得到人体候选框图，对所述人体候选框图进行预处理，利用预处理得到的候选框图对预先构建的特征提取网络进行训练，得到人体骨骼点提取网络；所述预处理包括图像增强；根据待识别红外图像及所述人体检测网络，得到待识别人体候选框图；对所述待识别人体候选框图进行所述预处理，利用所述人体骨骼点提取网络对预处理得到的待识别候选框图进行不同纬度的特征提取，并对不同纬度的特征进行融合，且输出人体骨骼点坐标；将所述人体骨骼点坐标映射到所述待识别红外图像中，确定人体姿态。2.根据权利要求1所述的姿态估计方法，其特征在于，所述人体骨骼点提取网络包括主干网络、上采样网络、下采样网络、特征平面输出网络、人体骨骼点处理网络，其中：所述主干网络包括ResNet网络、预设数量个下采样块、与所述下采样块相连的卷积层，所述下采样块用于对所述ResNet网络输出的第一特征平面进行下采样，且在下采样时对下采样得到的特征平面的特征维度进行扩充，以得到第二特征平面，与所述下采样块相连的卷积层用于将所述下采样块输出的第二特征平面的特征维度更改到预设维度，以得到第三特征平面；所述上采样网络，用于将最后一个第三特征平面进行上采样，生成当前上采样特征平面，将所述当前上采样特征平面与同尺寸的第三特征平面进行连接并在特征维度上进行合并，且进行卷积，输出当前合并特征平面，将所述当前合并特征平面进行上采样，生成新的当前上采样特征平面，执行所述将所述当前上采样特征平面与同尺寸的第三特征平面进行连接并在特征维度上进行合并的步骤，直至得到的当前合并特征平面的尺寸与第一个第三特征平面的尺寸相同为止；所述下采样网络，用于对最后一个当前合并特征平面进行下采样，得到第四特征平面，并将最后一个当前合并特征平面作为一个第四特征平面，且对各所述第四特征平面的尺寸进行调整，得到对应的第五特征平面；所述特征平面输出网络，用于将各所述第五特征平面进行连接，并进行卷积，得到人体骨骼点特征平面；所述人体骨骼点处理网络，用于从所述人体骨骼点特征平面中获取所述人体骨骼点坐标。3.根据权利要求2所述的姿态估计方法，其特征在于，所述人体骨骼点处理网络，具体用于对各所述人体骨骼点特征平面进行维度的扩充，并进行滤波，从滤波后的人体骨骼点特征平面中获取最大值点，将所述最大值点确定为人体骨骼点，并确定所述人体骨骼点坐标。4.根据权利要求1所述的姿态估计方法，其特征在于，利用所述红外图像数据集对预先构建的目标检测网络进行训练，包括：将所述红外图像数据集中的红外图像输入到BlazeFaceNet网络中，获取预设的特征平面；其中，所述预设的特征平面根据人体在红外图像中的分布占比进行确定；2CN113609993A权利要求书2/2页从所述预设的特征平面中提取长宽比处于预设范围内的人体检测框；其中，所述预设范围根据人体长宽比确定。5.根据权利要求4所述的姿态估计方法，其特