运动关键点视频分析模型训练方法、装置以及电子设备制造方法及图纸

本申请实施例提供一种运动关键点视频分析模型训练方法，包括：将已标注视频提供给目标关键点分析模型，获得运动关键点分析的第一结果；以及，将已标注视频提供给已训练的教师关键点分析模型，获得运动关键点分析的第二结果；将所述第一结果与已标注视频数据的标注结果比较，获得第一损失，以及，将第一结果与第二结果比较，获得第二损失；根据预定的处理方法，将第一损失和第二损失合成，获得第一合成损失；依据第一合成损失对目标关键点分析模型进行训练。上述方法，采用已训练的教师关键点分析模型和已标注视频数据的标注结果，对目标关键点分析模型进行训练。从而使得运算能力受限的移动客户端在不增加运算能力的前提下，获得更佳的分析性能。更佳的分析性能。更佳的分析性能。

【技术实现步骤摘要】
运动关键点视频分析模型训练方法、装置以及电子设备


[0001]本申请涉及计算机
，具体涉及一种运动关键点视频分析模型训练方法、装置以及电子设备、存储设备。同时还涉及另一种运动关键点视频分析模型训练方法、装置以及电子设备、存储设备。本申请同时提供一种物体关键点分析模型训练方法，以及物体关键点分析模型训练装置；本申请还提供一种应用于具有视频获取能力的智能终端的运动关键点分析方法，以及相关的电子设备、存储设备。

技术介绍

[0002]随着现代生活水平的不断提高，人们越来越重视健康问题。越来越多的人通过定期进行一些体育测试活动来监测自己的身体健康状况。在进行体育测试相关活动时，需要对用户的运动关键点进行检测。现有的很多应用程序可以监测运动过程中用户的运动关键点。例如，可以通过一些移动设备监测用户进行体育运动时用户的运动关键点。
[0003]但是在用户进行体育运动时，用户的运动姿态不仅包括简单的站式姿态，还包括较为复杂的卧式姿态以及弯腰姿态等。这些运动姿态的多样性，以及人体的穿着、光照以及视角等造成收集人体运动数据以及检测人体运动关键点过程的难度增加。现有技术中，采用移动设备中的运动关键点分析模型检测上述复杂的人体运动姿态中的运动关键点时，由于移动设备中的运动关键点分析模型受到设备运算能力以及内存空间的限制，导致检测的运动关键点分析结果的精确度偏低。

技术实现思路

[0004]本申请实施例提供一种运动关键点视频分析模型训练方法，用以解决现有技术中移动设备中的运动关键点分析模型受到设备运算能力以及内存空间的限制，致使检测的运动关键点的分析结果精确度偏低的问题。本申请实施例还对应提供一种运动关键点视频分析模型训练装置以及电子设备、存储设备。本申请实施例还提供另一种运动关键点视频分析模型训练方法、装置以及电子设备、存储设备。本申请还提供一种应用于具有视频获取能力的智能终端的运动关键点分析方法，以及相关的电子设备、存储设备。
[0005]本申请实施例提供一种物体关键点分析模型训练方法，包括：将已标注关键点的样本数据提供给目标关键点分析模型，获得关键点分析的第一结果；以及将已标注关键点的样本数据提供给已训练的教师关键点分析模型，获得关键点分析的第二结果；将所述第一结果与所述样本数据的关键点标注结果比较，获得第一损失，以及将所述第一结果与所述第二结果比较，获得第二损失；根据预定的处理方法，将所述第一损失和所述第二损失合成，获得第一合成损失；以所述第一合成损失为依据，对所述目标关键点分析模型进行训练。
[0006]本申请实施例还提供一种运动关键点视频分析模型训练方法，包括：将已标注视频提供给目标关键点分析模型，获得运动关键点分析的第一结果；以及，将已标注视频提供给已训练的教师关键点分析模型，获得运动关键点分析的第二结果；将所述第一结果与已
标注视频数据的标注结果比较，获得第一损失，以及，将所述第一结果与所述第二结果比较，获得第二损失；根据预定的处理方法，将所述第一损失和所述第二损失合成，获得第一合成损失；依据所述第一合成损失对所述目标关键点分析模型进行训练。
[0007]可选的，所述根据预定的处理方法，将所述第一损失和所述第二损失合成，获得第一合成损失，包括：为所述第一损失设置第一权重，相应的，为所述第二损失设置第二权重；所述第一权重和所述第二权重之和为1；依据所述第一权重和所述第二权重，对所述第一损失和所述第二损失进行加权处理，获得所述第一合成损失。
[0008]可选的，所述已训练的教师关键点分析模型通过如下方法训练获得：将已标注视频提供给处于初始状态的教师关键点分析模型，对其进行训练，获得初训练教师关键点分析模型；将所述已标注视频提供给所述初训练教师关键点分析模型，获得所述初训练教师关键点分析模型输出的运动关键点分析的第二
‑
1初始结果；将已标注视频再次提供给所述处于初始状态的教师关键点分析模型，将获得的运动关键点分析的第二
‑
2初始结果与所述已标注视频数据的标注结果比较，获得第四损失，以及，将所述第二
‑
2初始结果与所述第二
‑
1初始结果比较，获得第五损失；根据预定的处理方法，将所述第四损失和所述第五损失合成，获得第二合成损失；依据所述第二合成损失对所述教师关键点分析模型进行训练，训练完毕后获得所述已训练的教师关键点分析模型。
[0009]可选的，所述依据所述第一合成损失对所述目标关键点分析模型进行训练，包括：将所述第一合成损失回传到训练中的所述目标关键点分析模型内；所述训练中的所述目标关键点分析模型根据所述第一合成损失进行参数调整。
[0010]可选的，以下述条件作为终止所述目标关键点分析模型的训练的条件：所述目标关键点分析模型的分析结果准确率达到预定阈值；或者继续向所述目标关键点分析模型提供已标注视频，其分析结果准确率趋于稳定。
[0011]本申请实施例还提供一种运动关键点视频分析模型训练方法，包括：将已标注视频提供给目标关键点分析模型，获得运动关键点分析的第一结果，以及分析过程中获得的第一中间结果；以及，将已标注视频提供给已训练的教师关键点分析模型，获得运动关键点分析的第二结果，以及分析过程中获得的第二中间结果；将所述第一结果与已标注视频数据的标注结果比较，获得第一损失；以及，将所述第一结果与所述第二结果比较，获得第二损失；以及，将所述第一中间结果与所述第二中间结果比较获得第三损失；根据预定的处理方法，将所述第一损失、第二损失、第三损失合成，获得第三合成损失；依据所述第三合成损失对所述目标关键点分析模型进行训练。
[0012]可选的，所述根据预定的处理方法，将所述第一损失、第二损失、第三损失合成，获得第三合成损失，包括：为所述第一损失、第二损失、第三损失分别对应设置第一权重、第二权重、第三权重，并且，所述第一权重、第二权重、第三权重的和为1；依据所述第一权重、所述第二权重、所述第三权重，对所述第一损失、所述第二损失和所述第三损失进行加权处理，获得所述第三合成损失。
[0013]本申请实施例还提供一种物体关键点分析模型训练装置，包括：第一结果获得单元，用于将已标注关键点的样本数据提供给目标关键点分析模型，获得关键点分析的第一结果；
[0014]第二结果获得单元，用于将已标注关键点的样本数据提供给已训练的教师关键点
分析模型，获得关键点分析的第二结果；第一损失获得单元，用于将所述第一结果与所述样本数据的关键点标注结果比较，获得第一损失；第二损失获得单元，用于将所述第一结果与所述第二结果比较，获得第二损失；第一合成损失获得单元，用于根据预定的处理方法，将所述第一损失和所述第二损失合成，获得第一合成损失；第一训练单元，用于以所述第一合成损失为依据，对所述目标关键点分析模型进行训练。
[0015]本申请实施例还提供一种运动关键点视频分析模型训练装置，包括：第一结果获得单元，用于将已标注视频提供给目标关键点分析模型，获得运动关键点分析的第一结果；以及，第二结果获得单元，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物体关键点分析模型训练方法，其特征在于，包括：将已标注关键点的样本数据提供给目标关键点分析模型，获得关键点分析的第一结果；以及将已标注关键点的样本数据提供给已训练的教师关键点分析模型，获得关键点分析的第二结果；将所述第一结果与所述样本数据的关键点标注结果比较，获得第一损失，以及将所述第一结果与所述第二结果比较，获得第二损失；根据预定的处理方法，将所述第一损失和所述第二损失合成，获得第一合成损失；以所述第一合成损失为依据，对所述目标关键点分析模型进行训练。2.一种运动关键点视频分析模型训练方法，其特征在于，包括：将已标注视频提供给目标关键点分析模型，获得运动关键点分析的第一结果；以及，将已标注视频提供给已训练的教师关键点分析模型，获得运动关键点分析的第二结果；将所述第一结果与已标注视频数据的标注结果比较，获得第一损失，以及，将所述第一结果与所述第二结果比较，获得第二损失；根据预定的处理方法，将所述第一损失和所述第二损失合成，获得第一合成损失；依据所述第一合成损失对所述目标关键点分析模型进行训练。3.根据权利要求2所述的运动关键点视频分析模型训练方法，其特征在于，所述根据预定的处理方法，将所述第一损失和所述第二损失合成，获得第一合成损失，包括：为所述第一损失设置第一权重，相应的，为所述第二损失设置第二权重；所述第一权重和所述第二权重之和为1；依据所述第一权重和所述第二权重，对所述第一损失和所述第二损失进行加权处理，获得所述第一合成损失。4.根据权利要求2所述的运动关键点视频分析模型训练方法，其特征在于，所述已训练的教师关键点分析模型通过如下方法训练获得：将已标注视频提供给处于初始状态的教师关键点分析模型，对其进行训练，获得初训练教师关键点分析模型；将所述已标注视频提供给所述初训练教师关键点分析模型，获得所述初训练教师关键点分析模型输出的运动关键点分析的第二
‑
1初始结果；将已标注视频再次提供给所述处于初始状态的教师关键点分析模型，将获得的运动关键点分析的第二
‑
2初始结果与所述已标注视频数据的标注结果比较，获得第四损失，以及，将所述第二
‑
2初始结果与所述第二
‑
1初始结果比较，获得第五损失；根据预定的处理方法，将所述第四损失和所述第五损失合成，获得第二合成损失；依据所述第二合成损失对所述教师关键点分析模型进行训练，训练完毕后获得所述已训练的教师关键点分析模型。5.根据权利要求2
‑
4任意一项所述的运动关键点视频分析模型训练方法，其特征在于，所述依据所述第一合成损失对所述目标关键点分析模型进行训练，包括：将所述第一合成损失回传到训练中的所述目标关键点分析模型内；所述训练中的所述目标关键点分析模型根据所述第一合成损失进行参数调整。6.根据权利要求2
‑
4任意一项所述的运动关键点视频分析模型训练方法，其特征在于，
以下述条件作为终止所述目标关键点分析模型的训练的条件：所述目标关键点分析模型的分析结果准确率达到预定阈值；或者继续向所述目标关键点分析模型提供已标注视频，其分析结果准确率趋于稳定。7.一种运动关键点视频分析模型训练方法，其特征在于，包括：将已标注视频提供给目标关键点分析模型，获得运动关键点分析的第一结果，以及分析过程中获得的第一中间结果；以及，将已标注视频提供给已训练的教师关键点分析模型，获得运动关键点分析的第二结果，以及分析过程中获得的第二中间结果；将所述第一结果与已标注视频数据的标注结果比较，获得第一损失；以及，将所述第一结果与所述第二结果比较，获得第二损失；以及，将所述第一中间结果与所述第二中间结果比较获得第三损失；根据预定的处理方法，将所述第一损失、第二损失、第三损失合成，获得第三合成损失；依据所述第三合成损失对所述目标关...

【专利技术属性】
技术研发人员：王雨桐，黄明杨，马菲莹，谢宣松，
申请(专利权)人：阿里巴巴达摩院杭州科技有限公司，
类型：发明
国别省市：