骨架模型预测方法、装置、电子设备及可读存储介质制造方法及图纸

本申请提供一种骨架模型预测方法、装置、电子设备及可读存储介质，涉及计算机技术领域。该方法通过获取人体在当前姿态下的反光点，然后将反光点输入预先训练好的第一神经网络模型中，通过该第一神经网络模型来预测人体在当前姿态下对应的骨架模型，从而可通过神经网络模型来自动预测人体在不同姿态下的骨架模型，效率更高、精度更高。精度更高。精度更高。

【技术实现步骤摘要】
骨架模型预测方法、装置、电子设备及可读存储介质


[0001]本申请涉及计算机
，具体而言，涉及一种骨架模型预测方法、装置、电子设备及可读存储介质。

技术介绍

[0002]随着人体骨架识别方式的兴起，以体感输入隔空操作计算机将日益走入人们的生活，鲁棒的人体骨架识别在游戏、人机交互、远程监控等方面有着广泛的应用。现有的识别用户在当前姿态下的骨架的方式中，是预先通过人为设置一个标准骨架，然后将当前姿态下采集的人体反光点与标准骨架进行匹配，然后手动调整标准骨架与其适配，进而识别当前姿态下的人体骨架，但是这种方式效率较低。

技术实现思路

[0003]本申请实施例的目的在于提供一种骨架模型预测方法、装置、电子设备及可读存储介质，用以改善现有的骨架识别方式效率低的问题。
[0004]第一方面，本申请实施例提供了一种骨架模型预测方法，所述方法包括：
[0005]获取人体在当前姿态下的反光点；
[0006]将所述反光点输入预先训练好的第一神经网络模型中，通过所述第一神经网络模型预测所述人体在当前姿态下对应的骨架模型。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种骨架模型预测方法，其特征在于，所述方法包括：获取人体在当前姿态下的反光点；将所述反光点输入预先训练好的第一神经网络模型中，通过所述第一神经网络模型预测所述人体在当前姿态下对应的骨架模型。2.根据权利要求1所述的方法，其特征在于，所述第一神经网络模型包括生成网络和第一解码器，所述将所述反光点输入预先训练好的第一神经网络模型中，通过所述第一神经网络模型预测所述人体在当前姿态下对应的骨架模型，包括：通过所述生成网络对所述反光点进行特征提取，生成表征反光点的第一编码向量以及表征骨架信息的第二编码向量；通过所述第一解码器对所述第一编码向量和所述第二编码向量进行解码预测，获得所述人体在当前姿态下对应的骨架模型。3.根据权利要求1所述的方法，其特征在于，所述第一神经网络模型包括生成网络、第一解码器和第二解码器，所述将所述反光点输入预先训练好的第一神经网络模型中，通过所述第一神经网络模型预测所述人体在当前姿态下对应的骨架模型，包括：通过所述生成网络对所述反光点进行特征提取，生成表征反光点的第一编码向量以及表征骨架信息的第二编码向量；通过所述第一解码器对所述第二编码向量进行解码预测，获得骨架信息；通过所述第二解码器对所述第一编码向量进行解码预测，获得标准数量的反光点信息；根据所述反光点信息以及所述骨架信息生成所述人体在当前姿态下的骨架模型。4.根据权利要求3所述的方法，其特征在于，所述第一解码器和所述第二解码器为对第二神经网络模型进行训练后获得的。5.根据权利要求4所述的方法，其特征在于，所述第二神经网络模型包括第一编码器、第二编码器以及所述第一解码器，所述第一编码器、所述第二编码器均与所述第一解码器连接；通过以下方式对所述第二神经网络模型进行训练：通过所述第一编码器对训练反光点进行编码，获得第...

【专利技术属性】
技术研发人员：黄洋杰，韩英，
申请(专利权)人：成都数字天空科技有限公司，
类型：发明
国别省市：