人体姿态估计方法及设备.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CN110889393A(43)申请公布日2020.03.17(21)申请号201911259717.7(22)申请日2019.12.10(71)申请人上海芯翌智能科技有限公司地址200080上海市虹口区海宁路137号7层(集中登记地)(72)发明人朱政黄冠(74)专利代理机构上海百一领御专利代理事务所(普通合伙)31243代理人王奎宇甘章乖(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书6页附图1页(54)发明名称人体姿态估计方法及设备(57)摘要本申请提供了一种人体姿态估计方法及设备，能够将第二人体姿态估计模型所得到的人体关键点第二信息用于指导第一人体姿态估计模型的模型训练，从而以知识蒸馏的方式将第二人体姿态估计模型学习到的人体关键点知识传授给第一人体姿态估计模型，从而提高了第一人体姿态估计模型的人体关键点估计精度，同时保留了第一姿态估计模型较快的测试速度，能够实现实时的人体姿态估计。CN110889393ACN110889393A权利要求书1/2页1.一种人体姿态估计方法，其中，该方法包括：构建第一人体姿态估计模型，其中，所述第一人体姿态估计模型使用第二人体姿态估计模型所输出的人体关键点第二信息指导训练，所述第一人体姿态估计模型使用自底向上的人体姿态估计方法构建，所述第二人体姿态估计模型使用自顶向下的人体姿态估计方法构建；将人体图像输入所述第一人体姿态估计模型，获取所述人体图像中的人体关键点第一信息及人体姿态信息。2.根据权利要求1所述的方法，其中，构建第一人体姿态估计模型，包括：获取所述人体图像的特征图；根据所述人体图像的特征图，获取所述人体图像中人体关键点第一信息；根据所述第二人体姿态估计模型输出的人体关键点第二信息，修正对应区域中所述人体关键点第一信息；对所述人体关键点第一信息进行分组，并根据分组结果确定对应的人体姿态信息。3.根据权利要求2所述的方法，其中，获取所述人体图像的特征图，包括：通过卷积层和池化层对所述人体图像进行特征提取，获取所述人体图像的特征图。4.根据权利要求2所述的方法，其中，根据所述第二人体姿态估计模型输出的人体关键点第二信息，修正对应区域中所述人体关键点第一信息，包括：将所述人体图像输入所述第二人体姿态估计模型，获取输出的人体关键点第二信息；确定同一区域中所述人体关键点第二信息和对应的所述人体关键点第一信息之间的差距；修正所述人体关键点第一信息，以使所述差距最小，并获取所述差距最小时的人体关键点第一信息。5.根据权利要求4所述的方法，其中，修正所述人体关键点第一信息，以使所述差距最小，并获取所述差距最小时的人体关键点第一信息，包括：根据预设的损失函数获取同一区域中所述人体关键点第二信息和对应的所述人体关键点第一信息之间的差距，并以预设的损失函数优化方法通过持续的模型训练减少两者的差距；在两者的差距满足预设的停止训练阈值时，停止模型训练并获取当前的人体关键点第一信息。6.根据权利要求2所述的方法，其中，对所述人体关键点第一信息进行分组，并根据分组结果确定对应的人体姿态信息，包括：根据所述人体关键点第一信息的类别对所述人体关键点第一信息进行聚类，根据聚类分类中的所述人体关键点第一信息确定对应的人体姿态信息。7.根据权利要求1所述的方法，其中，所述第二人体姿态估计模型的构建步骤，包括：获取所述人体图像的特征图；通过卷积神经网络对所述人体图像的特征图进行人体目标检测，确定所述人体图像中的单个人体图像；对所述单人人体图像进行单人姿态估计，获取所述单个人体图像中的人体关键点第二信息。2CN110889393A权利要求书2/2页8.根据权利要求7所述的方法，其中，确定所述人体图像中的单个人体图像之后，还包括：从所述人体图像中获取多个所述单个人体图像，并将多个所述单个人体图像调整为统一尺寸。9.一种设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，使该设备执行权利要求1至8中任一项所述的方法。10.一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现如权利要求1至8中任一项所述的方法。3CN110889393A说明书1/6页人体姿态估计方法及设备技术领域[0001]本申请涉及图像识别领域，尤其涉及一种人体姿态估计方法及设备。背景技术[0002]人体姿态估计是指从二维图像中给出人体关键点的位置，可用于人机交互、视觉监控、体育运动分析、医疗诊断、虚拟现实以及增强现实等多种领域。无论是单人姿态估计还是多人姿态估计，其识别结果的好坏很大程度上依赖于环境的影响，例如人体遮挡、光照强度、不