姿势优化模型的训练方法、使用方法、装置及处理设备制造方法及图纸

本发明专利技术提供了一种姿势优化模型的训练方法、使用方法、装置及处理设备，涉及姿态检测技术领域，该训练方法包括：获取训练样本；确定姿势优化模型的姿势评价损失函数和姿势改变损失函数；根据姿势评价损失函数和姿势改变损失函数确定总损失函数；使用初始姿势信息、图像和姿势评价信息对姿势优化模型进行训练，直至总损失函数收敛，将总损失函数收敛时对应的参数作为姿势优化模型的参数。本发明专利技术实施例提供的姿势优化模型的训练方法、使用方法、装置及处理设备，可以输出对象的姿势改变量，即输出优美姿势推荐，从而提高拍摄效果。

【技术实现步骤摘要】
姿势优化模型的训练方法、使用方法、装置及处理设备
本专利技术涉及姿态检测
，尤其是涉及一种姿势优化模型的训练方法、使用方法、装置及处理设备。
技术介绍
在拍照过程中，可以按照所处位置分为被拍摄者和拍摄者，被拍摄者在镜头前摆出预想的姿势，由拍摄者进行拍照操作。由于被拍摄者是无法观察到镜头中自身的姿势，需要拍摄者进行建议，然而受限于拍摄者的拍摄水平和两者无法完全互相理解拍摄意图，导致拍摄者并不能提供合适的姿势推荐，最终呈现的拍摄效果总是不尽如人意。针对上述人工拍摄推荐姿势的方式存在的效果差的问题，还未提出有效解决方案。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种姿势优化模型的训练方法、使用方法、装置及处理设备，可以对被拍摄者进行优美姿势推荐，提高拍摄效果。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种姿势优化模型的训练方法，包括：获取训练样本，所述训练样本包括对象的图像、初始姿势信息和姿势评价信息；确定姿势优化模型的姿势评价损失函数和姿势改变损失函数；根据所述姿势评价损失函数和所述姿势改变损失函数确定总损失函数；使用所述初始姿势信息、所述图像和所述姿势评价信息对所述姿势优化模型进行训练，直至所述总损失函数收敛，将所述总损失函数收敛时对应的参数作为所述姿势优化模型的参数。进一步，所述姿势评价损失函数表示所述对象的姿势优美程度；所述姿势改变损失函数表示所述对象的姿势改变量。进一步，所述获取训练样本的步骤，包括：通过关键点检测模型对所述对象的图像进行关键点检测，获取所述初始姿势信息；接收用户输入的姿势评价信息。进一步，所述姿势优化模型包括：姿势评价模型和姿势改变模型；所述确定姿势优化模型的姿势评价损失函数和姿势改变损失函数的步骤，包括：使用所述初始姿势信息和所述图像训练所述姿势改变模型，将所述姿势改变模型的输出的范数作为姿势改变损失函数；使用所述初始姿势信息、优化姿势信息、所述图像和所述姿势评价信息训练所述姿势评价模型，将所述姿势评价模型的输出作为姿势评价损失函数；所述优化姿势信息为所述初始姿势信息与对应的所述姿势改变模型输出的和。进一步，所述根据所述姿势评价损失函数和所述姿势改变损失函数确定总损失函数的步骤，包括：将所述姿势评价损失函数和所述姿势改变损失函数按照预设的权重系数求和，得到总损失函数。第二方面，本专利技术实施例提供了一种姿势优化模型的使用方法，应用于终端，所述终端第一方面任一项提供的所述姿势优化模型的训练方法得到的姿势优化模型，所述方法包括：获取对象的实时图像及初始姿势信息；将所述实时图像和所述初始姿势信息输入所述姿势优化模型，以使所述姿势优化模型输出姿势优化信息；根据所述姿势优化信息确定姿势改变提示信息；输出所述姿势改变提示信息。进一步，所述根据所述姿势优化信息确定姿势改变提示信息的步骤，包括：根据所述姿势优化信息确定所述对象的关键点改变信息；将所述关键点改变信息作为所述姿势改变提示信息。第三方面，本专利技术实施例提供了一种姿势优化模型的训练装置，包括：第一获取模块，用于获取训练样本，所述训练样本包括对象的图像、初始姿势信息和姿势评价信息；第一确定模块，用于确定姿势优化模型的姿势评价损失函数和姿势改变损失函数；第二确定模块，用于根据所述姿势评价损失函数和所述姿势改变损失函数确定总损失函数；模型训练模块，用于使用所述初始姿势信息、所述图像和所述姿势评价信息对所述姿势优化模型进行训练，直至所述总损失函数收敛，将所述总损失函数收敛时对应的参数作为所述姿势优化模型的参数。第四方面，本专利技术实施例提供了一种姿势优化模型的使用装置，应用于终端，所述终端包括第一方面任一项提供的所述姿势优化模型的训练方法得到的姿势优化模型和关键点检测模型，所述装置包括：第二获取模块，用于获取对象的实时图像及初始姿势信息；优化模块，用于将所述实时图像和所述初始姿势信息输入所述姿势优化模型，以使所述姿势优化模型输出姿势优化信息；提示确定模块，用于根据所述姿势优化信息确定姿势改变提示信息；输出模块，用于输出所述姿势改变提示信息。第五方面，本专利技术实施例提供了一种处理设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面任一项所述的方法的步骤。第六方面，本专利技术实施例提供了一种具有处理器可执行的程序代码的计算机可读介质，所述程序代码使所述处理器执行第一方面任一项所述的方法的步骤。本专利技术实施例提供的姿势优化模型的训练方法、使用方法、装置及处理设备，通过姿势评价损失函数和姿势改变损失函数确定的总损失函数，再根据对象的初始姿势信息、图像和姿势评价信息对姿势优化模型进行训练直至总损失函数收敛，并将总损失函数收敛时对应的参数作为姿势优化模型的参数，在输入初始姿势信息和图像后，可以输出对象的姿势改变量，即输出优美姿势推荐，从而提高拍摄效果。本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，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。图1示出了本专利技术实施例所提供的一种电子设备的结构示意图；图2示出了本专利技术实施例所提供的一种姿势优化模型的训练方法的流程图；图3示出了本专利技术实施例所提供的一种姿势优化模型的使用方法的流程图；图4示出了本专利技术实施例所提供的一种姿势优化模型的训练装置的结构框图；图5示出了本专利技术实施例所提供的一种姿势优化模型的使用装置的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。考虑到现有的拍摄过程中，是由拍摄者对被拍摄者提出姿势建议，存在姿势不美观，拍摄效果差的问题，为改善此问题，本专利技术实施例提供的一种姿势优化模型的训练方法、使用方法、装置及处理设备，以下通过本专利技术的实施例进行详细介绍。实施例一：首先，参照图1来描述用于实现本专利技术实施例的姿势优化模型的训练方法、使用方法、装置及处理设备的示例电子设备100。如图1所示的一种电子设备的结构示意图，电子设备100包括一个或多个处理设备102、一个或多个存储装置104。可选地，图1所示电子设备100还可以包括输入装置106、输出装置108以及数据采集装置110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100的组件和结构只是示例性的，而非限制性的，根据需要，所述电子设备也可以具有其他组件和结构。所述处理设备102可以是网关，也可以为智能终端，或者是包含中央处理单元(CPU)、图像处本文档来自技高网...

【技术保护点】
1.一种姿势优化模型的训练方法，其特征在于，包括：获取训练样本，所述训练样本包括对象的图像、初始姿势信息和姿势评价信息；确定姿势优化模型的姿势评价损失函数和姿势改变损失函数；根据所述姿势评价损失函数和所述姿势改变损失函数确定总损失函数；使用所述初始姿势信息、所述图像和所述姿势评价信息对所述姿势优化模型进行训练，直至所述总损失函数收敛，将所述总损失函数收敛时对应的参数作为所述姿势优化模型的参数。

【技术特征摘要】
1.一种姿势优化模型的训练方法，其特征在于，包括：获取训练样本，所述训练样本包括对象的图像、初始姿势信息和姿势评价信息；确定姿势优化模型的姿势评价损失函数和姿势改变损失函数；根据所述姿势评价损失函数和所述姿势改变损失函数确定总损失函数；使用所述初始姿势信息、所述图像和所述姿势评价信息对所述姿势优化模型进行训练，直至所述总损失函数收敛，将所述总损失函数收敛时对应的参数作为所述姿势优化模型的参数。2.根据权利要求1所述的方法，其特征在于，所述姿势评价损失函数表示所述对象的姿势优美程度；所述姿势改变损失函数表示所述对象的姿势改变量。3.根据权利要求1或2所述的方法，其特征在于，所述获取训练样本的步骤，包括：通过关键点检测模型对所述对象的图像进行关键点检测，获取所述初始姿势信息；接收用户输入的姿势评价信息。4.根据权利要求1所述的方法，其特征在于，所述姿势优化模型包括：姿势评价模型和姿势改变模型；所述确定姿势优化模型的姿势评价损失函数和姿势改变损失函数的步骤，包括：使用所述初始姿势信息和所述图像训练所述姿势改变模型，将所述姿势改变模型的输出的范数作为姿势改变损失函数；使用所述初始姿势信息、优化姿势信息、所述图像和所述姿势评价信息训练所述姿势评价模型，将所述姿势评价模型的输出作为姿势评价损失函数；所述优化姿势信息为所述初始姿势信息与对应的所述姿势改变模型输出的和。5.根据权利要求1、2或4所述的方法，其特征在于，所述根据所述姿势评价损失函数和所述姿势改变损失函数确定总损失函数的步骤，包括：将所述姿势评价损失函数和所述姿势改变损失函数按照预设的权重系数求和，得到总损失函数。6.一种姿势优化模型的使用方法，其特征在于，应用于终端，所述终端包括权利要求1-5任一项所述姿势优化模型的训练方法得到的姿势优化模型，所述方法包括：获取对象的实时图像及初...

【专利技术属性】
技术研发人员：刘宇，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：北京,11