【技术实现步骤摘要】
用于姿态估计的网络训练方法及装置
[0001]本公开涉及计算机
,尤其涉及一种用于姿态估计的网络训练方法及装置。
技术介绍
[0002]在机器人视觉、动作跟踪和单照相机定标等很多应用领域,都需要对图像中的目标对象进行姿态估计,并基于姿态估计结果进行后续的业务处理。比如,在人脸识别的场景中,可以先通过头部姿态估计筛选出符合条件的人脸图像,再对筛选出的人脸图像进行识别;在增强现实(Augmented Reality,AR)交互场景中,可以对拍摄的人脸图像进行头部位姿估计,以便为用户提供更真实的虚拟特效(例如发卡等装饰品特效);在安全驾驶的检测场景中,可以对驾驶员的人脸图像进行头部位姿估计,判断驾驶员是否左顾右盼等。
[0003]其中,以安全驾驶的检测场景为例,随机智能座舱技术的发展,驾驶员监控系统(Driver Monitor System, DMS)由于其实用性和安全性成为了智能座舱必备技术之一。DMS在行车过程中实时地对驾驶员进行疲劳监测、注意力监测、危险驾驶行为监测,可以有效避免由驾驶员主观因素引起的交通事故。
[0004]在DMS中进行疲劳检测时,不仅要基于人脸特征判断眼睛睁闭状态和嘴部哈欠动作,还依赖头部姿态的角度范围综合判定驾驶员的专心程度以及是否在打瞌睡。另外,在DMS中进行分心检测中也会基于头部姿态初步判断驾驶员的低头扭头行为。因此,头部姿态估计成为DMS技术中不可或缺的部分。
技术实现思路
[0005]本公开提出了一种用于姿态估计的网络训练方法及装置。
[0 ...
【技术保护点】
【技术特征摘要】
1.一种用于姿态估计的网络训练方法,其特征在于,包括:获取训练数据集;将所述训练数据集中的样本图像输入预设的特征提取网络,确定所述样本图像中目标对象的特征张量;根据所述目标对象的特征张量,对初始姿态网络进行训练,得到目标姿态网络,其中,所述目标姿态网络用于结合所述特征提取网络,确定待处理图像中目标对象的姿态信息。2.根据权利要求1所述的方法,其特征在于,根据所述目标对象的特征张量,对初始姿态网络进行训练,得到目标姿态网络,包括:根据目标对象的特征张量,对初始姿态网络进行多轮的迭代训练,得到多个备选姿态网络;在满足训练结束条件的情况下,从多个备选姿态网络中选择目标姿态网络,所述训练结束条件包括对所述初始姿态网络的迭代训练轮数大于或等于第一预设阈值,和/或,当前轮迭代训练的学习率小于第二预设阈值。3.根据权利要求2所述的方法,其特征在于,根据目标对象的特征张量,对初始姿态网络进行多轮的迭代训练,得到多个备选姿态网络,包括:对于所述初始姿态网络的任一轮的迭代训练,将所述目标对象的特征张量输入初始姿态网络,得到姿态预测结果;根据预设的姿态损失函数、所述姿态预测结果、所述训练数据集的标注信息,确定姿态损失,其中,所述姿态损失用于指示所述初始姿态网络对目标对象的姿态信息的检测误差;根据所述姿态损失,对初始姿态网络进行迭代训练,得到当前轮迭代训练对应的备选姿态网络。4.根据权利要求3所述的方法,其特征在于,所述初始姿态网络包括用于预测目标对象的旋转矩阵的第一网络,将所述目标对象的特征张量输入初始姿态网络,得到姿态预测结果,包括:将所述目标对象的特征张量输入第一网络,得到姿态预测结果,所述姿态预测结果包括所述第一网络预测的目标对象的旋转矩阵;所述预设的姿态损失函数包括第一损失函数,所述第一损失函数用于指示所述第一网络预测目标对象的旋转矩阵的检测误差,根据预设的姿态损失函数、所述姿态预测结果、所述训练数据集的标注信息,确定姿态损失,包括:将所述述第一网络预测的目标对象的旋转矩阵、所述目标对象对应的所述训练数据集的标注信息输入第一损失函数,确定姿态损失。5.根据权利要求3所述的方法,其特征在于,所述初始姿态网络包括用于预测目标对象的旋转矩阵的第一网络,以及预测目标对象的姿态角度的第二网络,将所述目标对象的特征张量输入初始姿态网络,得到姿态预测结果,包括:将所述目标对象的特征张量分别输入第一网络和第二网络,得到姿态预测结果,所述姿态预测结果包括所述第一网络预测的目标对象的旋转矩阵,以及所述第二网络预测的目标对象的姿态角度;所述预设的姿态损失函数包括第一损失函数与第二损失函数的乘积,所述第一损失函数用于指示所述第一网络预测目标对象的旋转矩阵的检测误差,所述第二损失函数用于指
示所述第二网络预测的目标对象的姿态角度的检测误差,根据预设的姿态损失函数、所述姿态预测结果、所述训练数据集的标注信息,确定姿态损失,包括:将所述第一网络预测的目标对象的旋转矩阵、所述第二网络预测的目标对象的姿态角度、所述目标对象对应的所述训练数据集的标注信息输入所述预设的姿态损失函数,确定姿态损失。6.根据权利要求1所述的方法,其特...
【专利技术属性】
技术研发人员:请求不公布姓名,
申请(专利权)人:摩尔线程智能科技北京有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。