头部姿态估计方法及机器可读存储介质.pdf
是你****岺呀
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
头部姿态估计方法及机器可读存储介质.pdf
本发明涉及图像处理领域。本发明一实施例提供一种头部姿态估计方法及机器可读存储介质,所述头部姿态估计方法包括:获取待进行头部姿态估计的三基色彩色图像与深度图像;从所述三基色彩色图像中提取出人脸区域,并基于所提取的人脸区域生成对应于所述三基色彩色图像的人脸灰色图像和对应于所述深度图像的人脸深度图像;提取所述人脸灰色图像所对应的人脸轮廓图像;以及将所述人脸灰度图像、所述人脸轮廓图像和所述人脸深度图像输入至头部姿态估计模型,以由该头部姿态估计模型输出头部姿态估计结果。由此,能够实现基于单帧人脸图像的头部姿态估计,
模型训练方法、头部姿态估计方法、电子设备及存储介质.pdf
本申请实施例涉及图像识别技术领域,公开了一种模型训练方法、头部姿态估计方法、电子设备及存储介质。模型训练方法包括:基于训练样本中所包含的头部图像的角度标签和所属的场景标签,构建各所述头部图像的角度在所属场景标签下所服从的高斯分布;根据各所述头部图像对应的所述高斯分布,获取所述头部图像的角度标签在所属场景标签下的真实概率;构建用于获取所述头部图像的预测角度和该预测角度的预测概率的头部姿态估计网络;以所述训练样本对所述头部姿态估计网络进行训练,得到训练好的所述头部姿态估计网络。本申请训练好的头部姿态估计网络在
一种姿态估计方法、装置、设备及计算机可读存储介质.pdf
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
一种机器人状态估计方法、装置、可读存储介质及机器人.pdf
本申请属于机器人技术领域,尤其涉及一种机器人状态估计方法、装置、计算机可读存储介质及机器人。所述方法包括:获取机器人的左脚受力信息和右脚受力信息;根据所述左脚受力信息和所述右脚受力信息计算所述机器人在世界坐标系下的双足零力矩点;基于预设的线性倒立摆模型计算所述机器人的质心位置。通过本申请,预先构建了一种全新的线性倒立摆模型,将机器人的双足零力矩点作为该模型的支撑点,充分考虑了双足零力矩点的位置变化对质心位置的影响,基于这一模型可以得到更加准确的估计结果。
姿态估计方法、装置、电子设备和存储介质.pdf
本发明公开了一种姿态估计方法、装置、电子设备和存储介质,属于计算机视觉技术领域,其中,姿态估计方法包括:获取同一用户的多个视图下的二维图像,对每个视图下的二维图像进行特征提取,得到每个视图下的二维图像对应的图像特征;基于图像特征,进行二维人体关键点定位,得到每个视图下的二维图像对应的二维人体关键点;基于二维人体关键点,预测得到三维人体关键点;将预测得到的三维人体关键点作为伪标签,建立多个视图下的二维点的对应关系;基于二维点的对应关系,对每个视图下的二维图像对应的图像特征进行特征加权融合,得到融合后的特征;