一种姿态估计方法、装置、设备及介质制造方法及图纸

本公开提供了一种姿态估计方法、装置、设备及介质，所述方法包括：根据目标对象在当前帧图像的上帧图像中的原始特征点，确定目标对象在当前帧图像中对原始特征点跟踪成功的目标特征点；从目标特征点中确定满足预设筛选条件的有效特征点，根据有效特征点生成运动估计模型；根据运动估计模型和目标对象在上帧图像中的姿态估计生成目标对象在当前帧图像中的第一姿态，以及通过预设的深度学习模型提取目标对象在当前帧图像中的第二姿态；对第一姿态和第二姿态进行平滑处理生成目标对象在当前帧图像中的第三姿态。本公开实施例可以根据第一姿态和第二姿态生成第三姿态，使得姿态估计同时具有良好的稳定性和精准度，从而提升了用户的体验感和满意度。户的体验感和满意度。户的体验感和满意度。

【技术实现步骤摘要】
一种姿态估计方法、装置、设备及介质


[0001]本公开涉及数据处理
，尤其涉及一种姿态估计方法、装置、设备及介质。

技术介绍

[0002]随着计算机技术的发展，姿态估计技术的应用场景愈加广泛，比如根据姿态估计进行虚拟试穿、驱动一些虚拟素材贴合等应用。
[0003]然而，目前的姿态估计方法会造成一定的抖动，导致根据姿态估计的应用效果有一定的漂浮感。

技术实现思路

[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种姿态估计方法、装置、设备及介质。
[0005]第一方面，本公开提供了一种姿态估计方法，所述方法包括：
[0006]根据目标对象在当前帧图像的上帧图像中的原始特征点，确定所述目标对象在当前帧图像中对所述原始特征点跟踪成功的目标特征点；
[0007]从所述目标特征点中确定满足预设筛选条件的有效特征点，根据所述有效特征点生成运动估计模型；
[0008]根据所述运动估计模型和所述目标对象在所述上帧图像中的姿态估计生成所述目标对象在所述当前帧图像中的第一姿态，以及通过预设的深度学习模型提取所述目标对象在所述当前帧图像中的第二姿态；
[0009]对所述第一姿态和所述第二姿态进行平滑处理生成所述目标对象在所述当前帧图像中的第三姿态。
[0010]一种可选的实施方式中，所述确定所述目标对象在当前帧图像中对所述原始特征点跟踪成功的目标特征点，包括：
[0011]通过稀疏光流方法对所述原始特征点进行跟踪，获取跟踪成功的目标特征点。
[0012]一种可选的实施方式中，从所述目标特征点中确定满足预设筛选条件的有效特征点，根据所述有效特征点生成运动估计模型，包括：
[0013]分析所述目标特征点从所述上帧图像到所述当前帧图像的变化情况；
[0014]根据所述变化情况将所述目标特征点聚类为具有不同运动方向的不同特征点集合；
[0015]比较各所述特征点集合的数量并获取数量最多的目标集合，将所述目标集合中的特征点确定为满足预设筛选条件的有效特征点；
[0016]根据所述有效特征点生成运动变化矩阵。
[0017]一种可选的实施方式中，所述根据所述运动估计模型和所述目标对象在所述上帧图像中的姿态估计生成所述目标对象在所述当前帧图像中的第一姿态，包括：
[0018]对所述运动变化矩阵和所述目标对象在所述上帧图像中的姿态估计进行点乘处
理，生成所述目标对象在当前帧图像中的第一姿态。
[0019]一种可选的实施方式中，所述对所述第一姿态和所述第二姿态进行平滑处理生成所述目标对象在所述当前帧图像中的第三姿态，包括：
[0020]确定与所述第一姿态对应的第一平滑参数，以及确定与所述第二姿态对应的第二平滑参数；
[0021]根据所述第一平滑参数和所述第二平滑参数对所述第一姿态和所述第二姿态进行平滑处理，生成所述目标对象在当前帧图像中的第三姿态。
[0022]一种可选的实施方式中，所述确定与所述第一姿态对应的第一平滑参数，以及确定与所述第二姿态对应的第二平滑参数，包括：
[0023]判断所述目标特征点是否满足预设的第一有效条件；
[0024]当所述目标特征点满足所述第一有效条件，判断所述有效特征点是否满足预设的第二有效条件；
[0025]当所述有效特征点满足所述第二有效条件，则确定所述第一平滑参数为第一系数，所述第二平滑参数为第二系数，其中，所述第一系数大于所述第二系数，且所述第一系数减去所述第二系数的差值大于预设阈值。
[0026]一种可选的实施方式中，还包括：
[0027]当所述目标特征点不满足所述第一有效条件，则确定所述第一平滑参数为第三系数，所述第二平滑参数为第四系数，其中，所述第三系数小于所述第四系数，且所述第四系数减去所述第三系数的差值大于预设阈值。
[0028]一种可选的实施方式中，还包括：
[0029]当所述目标特征点满足所述第一有效条件，且当所述有效特征点不满足所述第二有效条件，则确定所述第一平滑参数为第五系数，所述第二平滑参数为第六系数，其中，所述第五系数与所述第六系数的差值绝对值小于预设阈值。
[0030]一种可选的实施方式中，所述判断所述目标特征点是否满足预设的第一有效条件，包括：
[0031]将所述目标特征点的数量与预设的第一阈值进行比较；
[0032]如果所述目标特征点的数量大于或等于所述第一阈值，则确定满足所述第一有效条件；
[0033]如果所述目标特征点的数量小于所述第一阈值，则确定不满足所述第一有效条件。
[0034]一种可选的实施方式中，所述判断所述目标特征点是否满足预设的第一有效条件，包括：
[0035]计算所述目标特征点的数量与所述原始特征点的数量之间的第一比值，将所述第一比值与预设的第二阈值进行比较；
[0036]如果所述第一比值大于或等于所述第二阈值，则确定满足所述第一有效条件；
[0037]如果所述第一比值小于所述第二阈值，则确定不满足所述第一有效条件。
[0038]一种可选的实施方式中，所述判断所述有效特征点否满足预设的第二有效条件，包括：
[0039]将所述有效特征点的数量与预设的第三阈值进行比较；
[0040]如果所述有效特征点的数量大于或等于所述第三阈值，则确定满足所述第二有效条件；
[0041]如果所述有效特征点的数量小于所述第三阈值，则确定不满足所述第二有效条件。
[0042]一种可选的实施方式中，所述判断所述有效特征点否满足预设的第二有效条件，包括：
[0043]计算所述有效特征点的数量与所述目标特征点的数量之间的第二比值，将所述第二比值与预设的第四阈值进行比较；
[0044]如果所述第二比值大于或等于所述第四阈值，则确定满足所述第二有效条件；
[0045]如果所述第二比值小于所述第四阈值，则确定不满足所述第二有效条件。
[0046]第二方面，本公开还提供了一种姿态估计装置，所述装置包括：
[0047]确定模块，用于根据目标对象在当前帧图像的上帧图像中的原始特征点，确定所述目标对象在当前帧图像中对所述原始特征点跟踪成功的目标特征点；
[0048]筛选模块，用于从所述目标特征点中确定满足预设筛选条件的有效特征点，根据所述有效特征点生成运动估计模型；
[0049]第一生成模块，用于根据所述运动估计模型和所述目标对象在所述上帧图像中的姿态估计生成所述目标对象在所述当前帧图像中的第一姿态，以及通过预设的深度学习模型提取所述目标对象在所述当前帧图像中的第二姿态；
[0050]第二生成模块，用于对所述第一姿态和所述第二姿态进行平滑处理生成所述目标对象在所述当前帧图像中的第三姿态。
[0051]第三方面，本公开提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种姿态估计方法，其特征在于，包括：根据目标对象在当前帧图像的上帧图像中的原始特征点，确定所述目标对象在当前帧图像中对所述原始特征点跟踪成功的目标特征点；从所述目标特征点中确定满足预设筛选条件的有效特征点，根据所述有效特征点生成运动估计模型；根据所述运动估计模型和所述目标对象在所述上帧图像中的姿态估计生成所述目标对象在所述当前帧图像中的第一姿态，以及通过预设的深度学习模型提取所述目标对象在所述当前帧图像中的第二姿态；对所述第一姿态和所述第二姿态进行平滑处理生成所述目标对象在所述当前帧图像中的第三姿态。2.根据权利要求1所述的方法，其特征在于，所述确定所述目标对象在当前帧图像中对所述原始特征点跟踪成功的目标特征点，包括：通过稀疏光流方法对所述原始特征点进行跟踪，获取跟踪成功的目标特征点。3.根据权利要求1所述的方法，其特征在于，从所述目标特征点中确定满足预设筛选条件的有效特征点，根据所述有效特征点生成运动估计模型，包括：分析所述目标特征点从所述上帧图像到所述当前帧图像的变化情况；根据所述变化情况将所述目标特征点聚类为具有不同运动方向的不同特征点集合；比较各所述特征点集合的数量并获取数量最多的目标集合，将所述目标集合中的特征点确定为满足预设筛选条件的有效特征点；根据所述有效特征点生成运动变化矩阵。4.根据权利要求3所述的方法，其特征在于，所述根据所述运动估计模型和所述目标对象在所述上帧图像中的姿态估计生成所述目标对象在所述当前帧图像中的第一姿态，包括：对所述运动变化矩阵和所述目标对象在所述上帧图像中的姿态估计进行点乘处理，生成所述目标对象在当前帧图像中的第一姿态。5.根据权利要求1所述的方法，其特征在于，所述对所述第一姿态和所述第二姿态进行平滑处理生成所述目标对象在所述当前帧图像中的第三姿态，包括：确定与所述第一姿态对应的第一平滑参数，以及确定与所述第二姿态对应的第二平滑参数；根据所述第一平滑参数和所述第二平滑参数对所述第一姿态和所述第二姿态进行平滑处理，生成所述目标对象在当前帧图像中的第三姿态。6.根据权利要求5所述的方法，其特征在于，所述确定与所述第一姿态对应的第一平滑参数，以及确定与所述第二姿态对应的第二平滑参数，包括：判断所述目标特征点是否满足预设的第一有效条件；当所述目标特征点满足所述第一有效条件，判断所述有效特征点是否满足预设的第二有效条件；当所述有效特征点满足所述第二有效条件，则确定所述第一平滑参数为第一系数，所述第二平滑参数为第二系数，其中，所述第一系数大于所述第二系数，且所述第一系数减去所述第二系数的差值大于预设阈值。
7.根据权利要求6所述的方法，其特征在于，还包括：当所述目标特征点不满足所述第一有效条件，则确定所述第一平滑参数为第三系数，所述第二平滑参数为第四系数，其中，所述第三系数小于所述第四系数，且所述第四系数减去所述第三系数的差值大于预设阈值。8.根据权利要求6所述的方法，其特征在于，还包括：当所述目标特征点满足所述第一有效条件，且当所述有效特征点不满足所述第二有效条件，则确定所述第一平滑参数为第五系数，所述第二平滑参数为第六系数，其中，所述第五系数与所述第六系数的差值绝...

【专利技术属性】
技术研发人员：罗宇轩，朱泳明，林高杰，
申请(专利权)人：北京字跳网络技术有限公司，
类型：发明
国别省市：