[发明专利]人体全身姿态的确定方法以及其确定装置

权利要求书

1.一种人体全身姿态的确定方法，其特征在于，所述方法包括：

实时获取目标对象的头部姿态信息、手部姿态信息以及脚部压力信息；

将所述头部姿态信息、所述手部姿态信息及所述脚部压力信息输入深度学习模型，得到所述目标对象的全身姿态和全身骨骼点，其中，所述深度学习模型为至少根据深度摄像头获得的姿态图像通过机器学习训练出的。

2.根据权利要求1所述的方法，其特征在于，在将所述头部姿态信息、所述手部姿态信息及所述脚部压力信息输入深度学习模型之前，所述方法还包括：

建立初始深度学习模型；

采用所述深度摄像头获取所述目标对象的多个所述姿态图像，并对所述姿态图像进行提取和分析，得到所述姿态图像对应的历史姿态，所述历史姿态包括历史全身姿态和历史全身骨骼点；

获取各所述姿态图像对应的历史脚部压力信息、历史头部姿态信息以及历史手部姿态信息；

根据多组所述历史脚部压力信息、所述历史头部姿态信息、所述历史手部姿态信息以及对应的多组所述历史姿态，对所述初始深度学习模型进行训练，得到所述深度学习模型。

3.根据权利要求2所述的方法，其特征在于，获取各所述姿态图像对应的历史脚部压力信息、历史头部姿态信息以及历史手部姿态信息，包括：

获取各所述姿态图像对应的所述历史头部姿态信息以及所述历史手部姿态信息；

获取多个初始脚部压力信息，所述初始脚部压力信息为各所述姿态图像对应的所述脚部压力信息；

对所述初始脚部压力信息进行第一预处理，得到所述历史脚部压力信息，所述第一预处理包括数据集增强处理。

4.根据权利要求2或3所述的方法，其特征在于，根据多组所述历史脚部压力信息、所述历史头部姿态信息、所述历史手部姿态信息以及对应的多组所述历史姿态，对所述初始深度学习模型进行训练，得到所述深度学习模型，包括：

根据多个所述历史脚部压力信息、多个所述历史头部姿态信息以及多个所述历史手部姿态信息，生成多个姿态的数据矩阵；

根据所述数据矩阵以及对应的所述历史姿态之间的差异情况，使用损失函数以及反向传播算法对所述初始深度学习模型进行优化，得到所述深度学习模型。

5.根据权利要求2所述的方法，其特征在于，在根据多组所述历史脚部压力信息、所述历史头部姿态信息、所述历史手部姿态信息以及对应的多组所述历史姿态，对所述初始深度学习模型进行训练，得到所述深度学习模型之前，所述方法还包括：

使用时间戳对多组所述历史脚部压力信息、所述历史头部姿态信息、所述历史手部姿态信息以及对应的多组所述历史姿态进行时间同步处理。

6.根据权利要求1所述的方法，其特征在于，实时获取目标对象的头部姿态信息、手部姿态信息以及脚部压力信息，包括：

控制增强现实设备或者虚拟现实设备获取所述目标对象的所述头部姿态信息以及所述手部姿态信息；

获取压力传感器检测的所述目标对象的所述脚部压力信息，所述压力传感器的压力感应点的间距为1cm。

7.一种人体全身姿态的确定装置，其特征在于，所述装置包括：

第一获取单元，用于实时获取目标对象的头部姿态信息、手部姿态信息以及脚部压力信息；

输入单元，用于将所述头部姿态信息、所述手部姿态信息及所述脚部压力信息输入深度学习模型，得到所述目标对象的全身姿态和全身骨骼点，其中，所述深度学习模型为至少根据深度摄像头获得的姿态图像通过机器学习训练出的。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的方法。

9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的方法。

10.一种电子设备，其特征在于，包括：一个或多个处理器，存储器，显示装置以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至6中任意一项所述的人体全身姿态的预测方法。