一种目标姿态识别方法、电子设备及存储介质技术

本申请公开了一种目标姿态识别方法、电子设备及存储介质，该方法包括：获取对应待识别目标不同区域的第一图像和第二图像；基于第一图像中的第一目标关键点进行姿态估计，得到待识别目标的初始姿态估计结果；对第二图像进行行为分类，得到待识别目标的行为分类结果；基于初始姿态估计结果和行为分类结果，确定待识别目标的最终姿态。即本申请通过获取不同区域的第一图像和第二图像，依据第一图像进行姿态估计，对第二图像进行行为分类，再依据行为分类结果对相应的初始姿态估计结果进而综合判断，能够有效降低识别偏差，进而得到更高准确率的待识别目标对应的最终姿态。率的待识别目标对应的最终姿态。率的待识别目标对应的最终姿态。

【技术实现步骤摘要】
一种目标姿态识别方法、电子设备及存储介质


[0001]本申请涉及计算机
，特别是涉及一种目标姿态识别方法、电子设备及存储介质。

技术介绍

[0002]随着计算机技术的日渐成熟和普及，在数据分析和处理中，尤其是对目标的坐姿的识别，往往是对目标进行半身姿态提取，进而对半身姿态进行区域识别。
[0003]当前技术的研究和实践过程中，本申请的研发人员发现，当前技术中采用半身姿态进行识别的方式，存在一定局限性，容易出现识别偏差，影响了姿态识别的准确率。

技术实现思路

[0004]本申请主要解决的技术问题是提供一种目标姿态识别方法、电子设备及存储介质，能够有效降低识别偏差，提高目标姿态识别的准确率。
[0005]为解决上述技术问题，本申请采用的一个技术方案是：提供一种目标姿态识别方法，包括：获取对应待识别目标不同区域的第一图像和第二图像；基于所述第一图像中的第一目标关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果；对所述第二图像进行行为分类，得到所述待识别目标的行为分类结果；基于所述初始姿态估计结果和所述行为分类结果，确定所述待识别目标的最终姿态。
[0006]在本申请的一些实施例中，所述基于所述第一图像中的第一目标关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果，包括：利用姿态估计模型对所述第一图像进行关键点识别，得到所述第一目标关键点；利用所述第一目标关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果。
[0007]在本申请的一些实施例中，所述第一目标关键点包括至少一上肢关键点和/或至少一头部关键点；所述利用姿态估计模型对所述第一图像进行关键点识别，得到所述第一目标关键点，包括：利用所述姿态估计模型对所述第一图像进行关键点识别，得到所述至少一上肢关键点和/或所述至少一头部关键点；所述利用所述第一目标关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果，包括：利用所述至少一上肢关键点和/或所述至少一头部关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果。
[0008]在本申请的一些实施例中，所述利用所述至少一上肢关键点和/或所述至少一头部关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果，包括：利用所述至少一上肢关键点进行姿态估计，得到上肢姿态估计结果；和/或利用所述至少一头部关键点进行姿态估计，得到头部姿态估计结果；利用所述上肢姿态估计结果和/或所述头部姿态估计结果，得到所述初始姿态估计结果。
[0009]在本申请的一些实施例中，所述利用所述至少一头部关键点进行姿态估计，得到头部姿态估计结果，包括：确定所述至少一头部关键点对应的最小外接矩形；基于所述最小外接矩形得到目标图像区域；对所述目标图像区域进行姿态估计，得到所述头部姿态估计
结果。
[0010]在本申请的一些实施例中，所述姿态估计模型采用以下方式进行训练：获取训练图像、第一类训练热图和第二类训练热图，其中，所述第一类训练热图基于所述训练图像中的上肢关键点坐标生成，所述第二类训练热图基于所述训练图像中的头部关键点坐标生成；将所述训练图像、所述第一类训练热图和所述第二类训练热图输入至所述姿态估计模型，得到所述训练图像中对应的预测上肢关键点对应的第一类预测热图和对应的预测头部关键点对应的第二类预测热图；根据所述第一类预测热图和第一类训练热图之间的第一损失值，以及所述第二类预测热图和第二类训练热图之间的第二损失值，对所述姿态估计模型进行模型参数调整。
[0011]在本申请的一些实施例中，所述第一类训练热图对应的高斯标准差大于所述第二类训练热图对应的高斯标准差，所述第一损失值对应的权重大于所述第二损失值对应的权重。
[0012]在本申请的一些实施例中，所述对所述第二图像进行行为分类，得到所述待识别目标的行为分类结果，包括：获取所述第二图像中的待识别目标和参考物体；获取所述待识别目标与所述参考物体的相互关系；基于所述相互关系确定所述待识别目标的行为分类结果。
[0013]在本申请的一些实施例中，所述获取所述待识别目标与所述参考物体的相互关系，包括：获取所述待识别目标对应的第二目标关键点；利用所述第二目标关键点对应的坐标确定与所述参考物体的相互关系。
[0014]在本申请的一些实施例中，所述获取对应待识别目标不同区域的第一图像和第二图像，包括：采用第一图像获取装置在第一视场获取所述待识别目标的第一图像，以及采用第二图像获取装置同步在第二视场获取所述待识别目标的第二图像；其中，所述第一视场与所述第二视场部分重合。
[0015]为解决上述技术问题，本申请采用的另一方案是：提供一种电子设备，所述电子设备包括存储器以及与所述存储器耦接的处理器，所述存储器存储有至少一计算机程序，所述至少一计算机程序被所述处理器加载并执行时，用于实现如上述的目标姿态识别方法。
[0016]为解决上述技术问题，本申请采用的再一方案是：提供一种计算机可读存储介质，所述计算机可读存储介质有至少一段程序，所述至少一段程序被处理器加载并执行时，用于实现如上述的目标姿态识别方法。
[0017]区别于当前技术，本申请提供的目标姿态识别方法，包括：获取对应待识别目标不同区域的第一图像和第二图像；基于第一图像中的第一目标关键点进行姿态估计，得到待识别目标的初始姿态估计结果；对第二图像进行行为分类，得到待识别目标的行为分类结果；基于初始姿态估计结果和行为分类结果，确定待识别目标的最终姿态。即本申请通过获取不同区域的第一图像和第二图像，依据第一图像进行姿态估计，对第二图像进行行为分类，再依据行为分类结果对相应的初始姿态估计结果进而综合判断，能够有效降低识别偏差，进而得到更高准确率的待识别目标的最终姿态。
附图说明
[0018]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使
用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。其中：
[0019]图1是本申请目标姿态识别方法一实施例的流程示意图；
[0020]图2是本申请中获取图像的结构示意图；
[0021]图3是本申请中步骤S20一实施例的流程示意图；
[0022]图4是本申请中姿态估计模型进行训练一实施例的流程示意图；
[0023]图5是本申请中步骤S24一实施例的流程示意图；
[0024]图6是本申请中步骤S24一实施例的流程示意图；
[0025]图7是本申请中步骤S242一实施例的流程示意图；
[0026]图8是本申请中步骤S30一实施例的流程示意图；
[0027]图9是本申请中步骤S32一实施例的流程示意图；
[0028]图10是本申请电子设备一实施例的结构示意图；
[0029]图11是本申请计算机可读存储介质一实施例的结构示意图。
具体实施方式
[0030]下面结合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标姿态识别方法，其特征在于，包括：获取对应待识别目标不同区域的第一图像和第二图像；基于所述第一图像中的第一目标关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果；对所述第二图像进行行为分类，得到所述待识别目标的行为分类结果；基于所述初始姿态估计结果和所述行为分类结果，确定所述待识别目标的最终姿态。2.根据权利要求1所述的目标姿态识别方法，其特征在于，所述基于所述第一图像中的第一目标关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果，包括：利用姿态估计模型对所述第一图像进行关键点识别，得到所述第一目标关键点；利用所述第一目标关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果。3.根据权利要求2所述的目标姿态识别方法，其特征在于，所述第一目标关键点包括至少一上肢关键点和/或至少一头部关键点；所述利用姿态估计模型对所述第一图像进行关键点识别，得到所述第一目标关键点，包括：利用所述姿态估计模型对所述第一图像进行关键点识别，得到所述至少一上肢关键点和/或所述至少一头部关键点；所述利用所述第一目标关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果，包括：利用所述至少一上肢关键点和/或所述至少一头部关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果。4.根据权利要求3所述的目标姿态识别方法，其特征在于，所述利用所述至少一上肢关键点和/或所述至少一头部关键点进行姿态估计，得到所述待识别目标的初始姿态估计结果，包括：利用所述至少一上肢关键点进行姿态估计，得到上肢姿态估计结果；和/或利用所述至少一头部关键点进行姿态估计，得到头部姿态估计结果；利用所述上肢姿态估计结果和/或所述头部姿态估计结果，得到所述初始姿态估计结果。5.根据权利要求4所述的目标姿态识别方法，其特征在于，所述利用所述至少一头部关键点进行姿态估计，得到头部姿态估计结果，包括：确定所述至少一头部关键点对应的最小外接矩形；基于所述最小外接矩形得到目标图像区域；对所述目标图像区域进行姿态估计，得到所述头部姿态估计结果。6.根据权利要求2所述的目标姿态识别方法，其特征在于，所述姿态估计模型采用以下方式进行训练：获取训练图像、第一类训练热图和第二类训练热图，...

【专利技术属性】
技术研发人员：潘潇，林建民，
申请(专利权)人：广州希倍思智能科技有限公司，
类型：发明
国别省市：