[发明专利]姿态检测及视频处理方法、装置、电子设备和存储介质

说明书

本公开涉及一种姿态检测及视频处理方法、装置、电子设备和存储介质。所述姿态检测方法包括：获取目标图像；根据所述目标图像，获取所述目标图像中目标对象的连续深度信息和位置信息；根据所述连续深度信息和所述位置信息，确定所述目标对象的姿态。通过上述过程，可以更为准确地检测目标对象的姿态，提高姿态检测的精度和效果。

技术领域

本公开涉及图像处理技术领域，尤其涉及一种姿态检测及视频处理方法、装置、电子设备和存储介质。

背景技术

三维人体姿态估计是指对一幅图像或一段视频中人体的三维位置进行估计。该任务是计算机视觉领域的一个活跃的研究课题，是许多应用程序(如动作识别、人机交互和自动驾驶)的关键步骤。如何通过输入的图像，实现高精度的三维位置信息预测，是目前一个亟待解决的问题。

发明内容

本公开提出了一种姿态检测技术方案。

根据本公开的一方面，提供了一种姿态检测方法，包括：

获取目标图像；根据所述目标图像，获取所述目标图像中目标对象的连续深度信息和位置信息；根据所述连续深度信息和所述位置信息，确定所述目标对象的姿态。

在一种可能的实现方式中，所述根据所述目标图像，获取所述目标图像中目标对象的连续深度信息和位置信息，包括：将所述目标图像通过第一神经网络模型，得到所述目标图像中目标对象的连续深度信息和位置信息；所述第一神经网络模型通过第一训练数据和第二训练数据进行训练得到，其中，所述第一训练数据为包括训练对象的训练图像；所述第二训练数据包括所述训练对象的连续深度信息，以及所述训练对象的位置信息。

在一种可能的实现方式中，所述根据所述连续深度信息和所述位置信息，确定所述目标对象的姿态，包括：将所述连续深度信息和所述位置信息通过第二神经网络模型，得到所述目标对象的姿态；所述第二神经网络模型通过第二训练数据和第三训练数据进行训练，其中，所述第二训练数据包括训练对象的连续深度信息，以及所述训练对象的位置信息；所述第三训练数据包括所述训练对象的姿态。

在一种可能的实现方式中，所述第二训练数据根据第三训练数据生成，所述第三训练数据包括所述训练对象的姿态；根据所述第三训练数据，生成所述第二训练数据，包括：根据所述第三训练数据中所述训练对象的姿态，得到所述训练对象的离散深度信息，以及所述训练对象的位置信息；对至少部分所述离散深度信息进行处理，得到所述训练对象的连续深度信息；根据所述训练对象的连续深度信息以及所述训练对象的位置信息，生成所述第二训练数据。

在一种可能的实现方式中，所述对至少部分所述离散深度信息进行处理，得到所述训练对象的连续深度信息，包括：获取与至少部分所述离散深度信息所对应的至少一个连接；根据所述连接所对应的离散深度信息，确定至少一个所述连接的连续深度子信息；统计至少一个所述连续深度子信息，得到所述训练对象的连续深度信息。

在一种可能的实现方式中，所述根据所述连接所对应的离散深度信息，确定至少一个所述连接的连续深度子信息，包括：根据所述连接所对应的离散深度信息，通过线性插值，得到所述连接上至少一个点的第一连续深度子信息；确定至少一个所述连接对应的连接范围；根据所述第一连续深度子信息，确定与所述连接对应的连接范围内至少一个点的第二连续深度子信息；根据所述第一连续深度子信息和/或第二连续深度子信息，得到所述连接对应的连续深度子信息。

在一种可能的实现方式中，所述根据所述第一连续深度子信息，确定与所述连接对应的连接范围内至少一个点的第二连续深度子信息，包括：在所述连接范围在所述连接对应的离散深度信息的预设范围内的情况下，将所述连接对应的离散深度信息，作为所述连接范围内至少一个点的第二连续深度子信息；在所述连接范围在所述连接对应的离散深度信息的预设范围以外的情况下，根据所述连接中距离所述连接范围内的点最近的第一连续深度子信息，得到所述连接范围内至少一个点的第二连续深度子信息。