一种人体姿态估计方法、装置和存储介质.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CN109871800A(43)申请公布日2019.06.11(21)申请号201910115381.0(22)申请日2019.02.13(71)申请人北京健康有益科技有限公司地址100102北京市朝阳区阜通东大街6号院3号楼10层11013(72)发明人李宇欣裘实(74)专利代理机构北京智桥联合知识产权代理事务所(普通合伙)11560代理人商晓莉(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书7页附图2页(54)发明名称一种人体姿态估计方法、装置和存储介质(57)摘要本发明公开了一种人体姿态估计方法、装置和存储介质，用以在移动设备上实现人体姿态估计，降低移动设备的资源开销。人体姿态估计方法，包括：获取帧图像；利用目标检测算法从所述帧图像中检测出人体轮廓；针对检测出的人体轮廓，利用预先训练得到的姿态估计模型确定所述人体轮廓中的关节点位置，其中，所述姿态估计模型为利用标注有关节点位置的样本帧图像进行训练得到的。CN109871800ACN109871800A权利要求书1/2页1.一种人体姿态估计方法，其特征在于，包括：获取帧图像；利用目标检测算法从所述帧图像中检测出人体轮廓；针对检测出的人体轮廓，利用预先训练得到的姿态估计模型确定所述人体轮廓中的关节点位置，其中，所述姿态估计模型为利用标注有关节点位置的样本帧图像进行训练得到的。2.如权利要求1所述的方法，其特征在于，利用标注有关节点位置的样本帧图像按照以下流程进行训练得到所述姿态估计模型：读取样本帧图像；将读取的样本帧图像输入到预先搭建的神经网络中输出关节点位置预测结果；确定所述关节点位置预测结果与预先标注的关节点位置的差值；如果所述差值在预设范围内，则结束训练得到所述姿态训练模型；如果所述差值不在预设范围内，则读取下一样本帧图像，并返回执行将读取的样本帧图像输入到预先搭建的神经网络中输出关节点位置预测结果的步骤。3.如权利要求2所述的方法，其特征在于，将训练得到的姿态估计模型转换为预设格式文件存储于移动设备中；以及在针对检测出的人体轮廓，利用预先训练得到的姿态估计模型确定所述人体轮廓中的关节点位置之前，还包括：读取所述预设格式文件。4.如权利要求1、2或3所述的方法，其特征在于，获取帧图像，具体包括：从用户相册中读取二维图像；或者调用移动设备的摄像头采集图像。5.一种人体姿态估计装置，其特征在于，包括：获取单元，用于获取帧图像；目标检测单元，用于利用目标检测算法从所述帧图像中检测出人体轮廓；估计单元，用于针对检测出的人体轮廓，利用预先训练得到的姿态估计模型确定所述人体轮廓中的关节点位置，其中，所述姿态估计模型为利用标注有关节点位置的样本帧图像进行训练得到的。6.如权利要求5所述的装置，其特征在于，还包括：第一读取单元，用于读取样本帧图像；训练单元，用于将读取的样本帧图像输入到预先搭建的神经网络中输出关节点位置预测结果；确定所述关节点位置预测结果与预先标注的关节点位置的差值；如果所述差值在预设范围内，则结束训练得到所述姿态训练模型；如果所述差值不在预设范围内，则读取下一样本帧图像，并返回执行将读取的样本帧图像输入到预先搭建的神经网络中输出关节点位置预测结果的步骤。7.如权利要求6所述的装置，其特征在于，还包括：转换单元，用于将训练得到的姿态估计模型转换为预设格式文件；存储单元，用于存储所述预设格式文件；第二读取单元，用于在所述估计单元针对检测出的人体轮廓，利用预先训练得到的姿2CN109871800A权利要求书2/2页态估计模型确定所述人体轮廓中的关节点位置之前，读取所述预设格式文件。8.如权利要求6、7或8所述的装置，其特征在于，所述获取单元，用于从用户相册中读取二维图像；或者调用移动设备的摄像头采集图像。9.一种计算装置，其特征在于，包括至少一个处理器、以及至少一个存储器，其中，所述存储器存储有计算机程序，当所述程序被所述处理器执行时，使得所述处理器执行权利要求1～4任一权利要求所述方法的步骤。10.一种计算机可读介质，其特征在于，其存储有可由移动设备执行的计算机程序，当所述程序在移动设备上运行时，使得所述移动设备执行权利要求1～4任一所述方法的步骤。3CN109871800A说明书1/7页一种人体姿态估计方法、装置和存储介质技术领域[0001]本发明涉及人工智能技术领域，尤其涉及一种人体姿态估计方法、装置和存储介质。背景技术[0002]人体姿态估计是指给定一幅图像或一段视频，恢复其中人体关节点位置的过程。根据输入图像的类型，人体姿态估计算法可以分为两类：基于深度图的算法以及直接基于RGB图像的算法。相较于深度图对图像采集设备要求过高而带来