[发明专利]人体关节点检测模型训练方法及检测方法、存储介质终端在审

专利信息
申请号: 202210530486.4 申请日: 2022-05-16
公开(公告)号: CN114925812A 公开(公告)日: 2022-08-19
发明(设计)人: 刘立庄;张嘉璐;韩振奇;仲越 申请(专利权)人: 中国科学院上海高等研究院
主分类号: G06N3/04 分类号: G06N3/04;G06N3/08;G06V40/10;G06V40/20;G06V10/82
代理公司: 上海光华专利事务所(普通合伙) 31219 代理人: 牛莎莎
地址: 201210 *** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 人体 关节点 检测 模型 训练 方法 存储 介质 终端
【说明书】:

发明公开了一种人体关节点检测模型训练方法及检测方法、存储介质和终端,其中训练方法包括:预设结构训练模型结构包括相互连接的生成网络;生成网络包括依次连接的卷积模块、N个密集计算模块组、瓶颈模块和输出模块,卷积模块、N个密集计算模块组和瓶颈模块形成模块组,模块组中每两个相邻模块之间均通过过渡模块连接,以使得模块组中的每个模块均符合预设输入条件,每个密集计算模块组内均包括1×1瓶颈层;预设输入条件为:当前模块之前的所有模块输出的特征图像均作为当前模块的输入。本发明有效地克服了光照、人体部位遮挡等经常出现的客观外部环境问题;双重梯度调整使得获取的人体关节点检测模型具有较高的人体三维关节点识别准确度。

技术领域

本发明涉及图像识别技术领域,尤其涉及人体关节点检测模型训练方法及检测方法、存储介质和终端。

背景技术

人体姿态识别中的关节点检测涉及到计算机视觉领域众多理论和方法,到目前为止,已经有大量研究人员提出了关于人体姿态识别的方法,产生了很多优秀的成果,但是大多都是针对二维光学图像的算法,而二维光学图像的检测识别很容易受到光照和阴影等外部环境的干扰,还有不同角度下会发生人体部位遮挡,以及人的体型、服装的多样化,导致人体姿态检测识别的准确率较低。

因此,如何有效克服由于光照等外部环境以及人体遮挡等导致的人体关节点检测识别的准确率较低的问题,是待研究的课题。

发明内容

本发明所要解决的技术问题是现有人体关节点检测方法容易受到光照、阴影等外部环境以及人身体部位或服饰等遮挡的影响,进而导致其人体关节点检测准确率较低。

为了解决上述技术问题,本发明提供了一种人体关节点检测模型训练方法,包括:

获取待训练数据集,所述待训练数据集包括多个训练数据,每个所述训练数据均包括人体深度图像数据以及与所述人体深度图像数据对应的观测人体二维关节点坐标和观测人体三维关节点坐标;

基于所述待训练数据集对预设结构训练模型进行训练,以获取人体关节点检测模型;

其中,所述预设结构训练模型结构包括相互连接的生成网络和鉴别网络;

所述生成网络包括依次连接的卷积模块、N个密集计算模块组、瓶颈模块和输出模块,所述卷积模块、N个密集计算模块组和瓶颈模块形成模块组,所述模块组中每两个相邻模块之间均通过过渡模块连接,以使得所述模块组中的每个模块均符合预设输入条件,每个所述密集计算模块组内均包括1×1瓶颈层,N≥4;

所述预设输入条件为:所述模块组中当前模块之前的所有模块输出的特征图像均作为当前模块的输入。

优选地,基于所述待训练数据集对预设结构训练模型进行训练,以获取人体关节点检测模型步骤包括:

对所述待训练数据集内的所有训练数据进行分组,以获取多组待训练数据组;

将所述待训练数据集中的第M组待训练数据组作为待输入训练数据组;

基于所述待输入训练数据组对待训练检测模型进行训练,以获取临时关节点检测模型,判断在生成当前所述临时关节点检测模型时获取的生成网络损失函数值是否小于预设阈值,若是则将当前所述临时关节点检测模型作为人体关节点检测模型,否则将当前所述临时关节点检测模型作为下一轮训练的待训练检测模型,且M加1,并重新将所述待训练数据集中的第M组待训练数据组作为待输入训练数据组,以进行下一轮训练;

其中,M的初始值为1,且当M等于待训练数据组总组数时,设定M加1后为1,初始的待训练检测模型为预设结构训练模型。

优选地,基于所述待输入训练数据组对待训练检测模型进行训练,以获取临时关节点检测模型包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院上海高等研究院,未经中国科学院上海高等研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210530486.4/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top