[发明专利]人体姿态模型训练方法及装置

权利要求书

1.一种人体姿态模型训练方法，其特征在于，所述方法包括：

提取原始图像中标注有关节点的人体图像，得到目标人体图像；

将所述目标人体图像转换为以所述关节点为基准、热度值呈高斯分布的第一热点图像；

对所述目标人体图像进行取样，得到训练样本；

建立训练模型，其中，所述训练模型包括2到6个带有两个分支的卷积神经网络回归器级联而成，卷积神经网络回归器的其中一个分支用于对所述训练样本中的关节点进行回归，另一个分支用于对所述训练样本中关节点以外的区域进行回归；

将所述训练样本中每个像素点的RGB值量化后作为所述训练模型的输入，得到的输出值作为每个像素点对应的热度值，依据每个像素点对应的热度值生成第二热点图，并依据所述第一热点图和所述第二热点图对所述训练模型进行优化，得到目标训练模型。

2.根据权利要求1所述的人体姿态模型训练方法，其特征在于，在所述得到目标训练模型之前，所述方法还包括：

对优化后的所述训练模型中的张量进行简化；

所述对优化后的所述训练模型中的张量进行简化的步骤包括：

对优化后的所述训练模型中的张量进行分解；

对分解后的所述训练模型中的张量进行简化；

加载简化后的所述训练模型。

3.根据权利要求1所述的人体姿态模型训练方法，其特征在于，所述依据所述第一热点图和所述第二热点图对所述训练模型进行优化的步骤包括：

采用反向传播法和随机梯度下降算法，依据所述第一热点图和所述第二热点图对所述训练模型进行优化。

4.一种人体姿态模型训练装置，其特征在于，所述装置包括：

获取模块，用于提取原始图像中标注有关节点的人体图像，得到目标人体图像；将所述目标人体图像转换为以所述关节点为基准、热度值呈高斯分布的第一热点图像；

取样模块，用于对所述目标人体图像进行取样，得到训练样本；

建模模块，用于建立训练模型，其中，所述训练模型包括2到6个带有两个分支的卷积神经网络回归器级联而成，卷积神经网络回归器的其中一个分支用于对所述训练样本中的关节点进行回归，另一个分支用于对所述训练样本中关节点以外的区域进行回归；

回归模块，用于：将所述训练样本中每个像素点的RGB值量化后作为所述训练模型的输入，得到的输出值作为每个像素点对应的热度值，并依据每个像素点对应的热度值生成第二热点图；

优化模块，用于依据所述第一热点图和所述第二热点图对所述训练模型进行优化，得到目标训练模型。

5.根据权利要求4所述的人体姿态模型训练装置，其特征在于，还包括：

简化模块，用于对优化后的所述训练模型中的张量进行简化；

所述简化模块包括：

分解子模块，用于对优化后的所述训练模型中的张量进行分解；

简化子模块，用于对分解后的所述训练模型中的张量进行简化；

加载子模块，用于加载简化后的所述训练模型。

6.根据权利要求4所述的人体姿态模型训练装置，其特征在于，所述优化模块用于采用反向传播法和随机梯度下降算法，依据所述第一热点图和所述第二热点图对所述训练模型进行优化。