[发明专利]人体姿态模型训练方法及装置

说明书

本发明提供了一种人体姿态模型训练方法及装置，涉及计算机视觉领域。人体姿态模型训练方法包括：获得目标人体图像和与目标人体图像对应的第一热点图；对目标人体图像进行取样，得到训练样本；建立训练模型；依据训练模型对训练样本进行回归得到第二热点图，并依据第一热点图和第二热点图对训练模型进行优化，得到目标训练模型。本发明提供的人体姿态模型训练方法及装置可提高训练模型的准确性，降低训练模型的体积，提高运行速度。

技术领域

本发明涉及计算机视觉领域，具体而言，涉及一种人体姿态模型训练方法及装置。

背景技术

人体姿态估计是日益活跃的计算机视觉的一个研究领域，并具有广阔的应用前景。常用于人机交互、智能监控、运动员辅助训练、视频编码等。近十年来，在这些应用的驱动之下，行为分析已经成为计算机视觉、机器学习、模式识别、数据挖掘、认知心理学等相关领域的研究热点。

但是在人体姿态估计方面，当前的研究成果大多数还存在准确性较差的缺点。因此，提出一种新的人体姿态模型训练方法以提高人体姿态估计的准确性已变得十分必要。

发明内容

有鉴于此，本发明实施例的目的在于提供一种人体姿态模型训练方法及装置以改善上述问题。

第一方面，本发明实施例提供了一种人体姿态模型训练方法，所述方法包括：

获得目标人体图像和与所述目标人体图像对应的第一热点图；

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；

依据所述训练模型对所述训练样本进行回归得到第二热点图，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。

如上所述的人体姿态模型训练方法，优选地，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。

如上所述的人体姿态模型训练方法，优选地，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。

如上所述的人体姿态模型训练方法，优选地，所述获得目标人体图像和与所述目标人体图像对应的第一热点图的步骤包括：

提取原始图像中标注有关节点的人体图像，得到所述目标人体图像；

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所述第一热点图像。

如上所述的人体姿态模型训练方法，优选地，所述依据所述训练模型对所述训练样本进行回归得到第二热点图的步骤包括：

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所述第二热点图。

第二方面，本发明实施例提供的一种人体姿态模型训练装置，所述装置包括：

获取模块，用于获得目标人体图像和与所述目标人体图像对应的第一热点图；

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；