[发明专利]基于3D人体的姿态识别方法、装置、设备及存储介质在审
申请号: | 202011143528.6 | 申请日: | 2020-10-22 |
公开(公告)号: | CN114463777A | 公开(公告)日: | 2022-05-10 |
发明(设计)人: | 眭一帆 | 申请(专利权)人: | 北京鸿享技术服务有限公司 |
主分类号: | G06V40/10 | 分类号: | G06V40/10;G06V10/44;G06V10/26;G06T17/00 |
代理公司: | 深圳市世纪恒程知识产权代理事务所 44287 | 代理人: | 薛福玲 |
地址: | 100020 北京市朝阳区酒*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 人体 姿态 识别 方法 装置 设备 存储 介质 | ||
本发明涉及人体识别技术领域,公开了一种基于3D人体的姿态识别方法、装置、设备及存储介质,该方法包括:获取待识别图像,并对所述待识别图像进行分割,以获取待识别人体图像;获取基于3D人体模型的人体姿态深度学习模型;根据所述人体姿态深度学习模型对待识别人体图像进行识别。通过利用3D人体模型进行深度学习,以获取人体姿态深度学习模型,基于所述人体姿态深度学习模型可以对人体姿态进行识别,由于预设人体姿态来源于3D人体模型,无需通过大量真人实验采样获取特殊姿态动作,避免了由于实验采样图像与待识别对象之间存在差别造成的识别误差,提升了人体姿态识别效果。
技术领域
本发明涉及人体识别技术领域,尤其涉及一种基于3D人体的姿态识别方法、装置、设备及存储介质。
背景技术
目前,为了准确进行人体姿态的识别通常需要获取大量的人体姿态数据,常见姿势的人体姿态数据(如站立、行走、奔跑等)可以通过网络上的图像进行获取。对于一些特殊姿态(老年人的摔倒姿态、儿童的溺水姿态等),难以大量获取;现有技术中,通常由实验人员进行模仿获取摔倒或溺水的姿态,但由于实验人员的体型与实际识别对象存在差别、获取姿态的数量大进行多次模仿需要耗费非常多的时间等问题,数据获取并不理想,降低了对特殊姿态识别的精准度。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于3D人体的姿态识别方法、装置、设备及存储介质,旨在解决现有技术人体姿态识别精度低的技术问题。
为实现上述目的,本发明提供一种基于3D人体的姿态识别方法,所述基于3D人体的姿态识别方法包括以下步骤:
获取待识别图像,并对所述待识别图像进行分割,以获取待识别人体图像;
获取基于3D人体模型的人体姿态深度学习模型;
根据所述人体姿态深度学习模型对待识别人体图像进行识别。
可选地,所述获取基于3D人体模型的人体姿态深度学习模型的步骤,具体包括:
根据预设识别任务获取预定义姿态类别,所述预设识别任务对应于所述待识别图像;
获取3D人体模型集合,并根据所述预定义姿态类别对所述3D人体模型集合进行姿态设定,以获得3D人体姿态模型集合;
读取所述3D人体姿态模型集合中各3D人体姿态模型的标注数据及图片数据;
根据所述标注数据与所述图片数据对初始目标检测模型进行训练,以获取人体姿态深度学习模型。
可选地,所述获取3D人体模型集合,并根据所述预定义姿态类别对所述3D人体模型集合进行姿态设定,以获得3D人体姿态模型集合的步骤,具体包括:
构建预设数量的基础3D人体模型,以获得基础3D人体模型集合;
对所述基础3D人体模型集合进行随机造型设定,以获得3D人体模型集合;
根据所述预定义姿态类别对所述3D人体模型集合进行姿态设定,以获得3D人体姿态模型集合。
可选地,所述构建预设数量的基础3D人体模型,以获得基础3D人体模型集合的步骤,具体包括:
根据预设识别任务获取识别对象类别,根据所述识别对象类别制作预设数量的3D人类骨骼模型,以获得3D人类骨骼模型集合;
对所述3D人类骨骼模型集合中所有3D人类骨骼模型进行外观贴图,以获得基础3D人体模型集合。
可选地,所述对所述基础3D人体模型集合进行随机造型设定,以获得3D人体模型集合的步骤,具体包括:
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北京鸿享技术服务有限公司,未经北京鸿享技术服务有限公司许可,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/202011143528.6/2.html,转载请声明来源钻瓜专利网。