一种姿态估计方法、装置、设备和计算机可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种姿态估计方法、装置、设备和计算机可读存储介质。该方法通过获取表征目标对象的点云数据；根据点云数据，通过器官区域分类的方式，使得分类得到的点云数据分布在目标对象的多个器官区域。多个器官区域的器官点云数据具有区域代表性，使得在根据多个器官区域的器官点云数据进行特征提取时，所获得的单目特征表征多个器官区域，提高了单目特征的准确性。根据单目特征，以及对单目特征中点云缺失部分进行预测得到的特征，确定多目特征，减少由于姿态遮挡导致单目特征中存在点云缺失部分的情况，提高了多目特征的准确性。进而根据多目特征对目标对象的关节点进行预测，获得姿态估计结果，提高了姿态估计精度。提高了姿态估计精度。提高了姿态估计精度。

【技术实现步骤摘要】
一种姿态估计方法、装置、设备和计算机可读存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种姿态估计方法、装置、设备和计算机可读存储介质。

技术介绍

[0002]姿态估计技术，例如人体姿态估计，广泛应用于人机交互、安防监控、运动分析、增强现实、虚拟现实、游戏和动画等领域。通过计算机高速的计算速度和高复杂度的计算效率，利用图像分析技术，标记出人体图像中各个关节点，从而获得人体姿态。
[0003]现有技术中，以人体姿态估计为例，在估计人体姿态时，需要预先构建模型，通过在图像序列中进行匹配或求解后验概率，计算相应的模型特征变量，利用该特征变量修正预先构建的模型，使得估计人体姿态的模型接近于图像中人体的具体姿态。
[0004]然而上述模型的构建通常依赖大量的人体姿态样本，但是，即使人体姿态样本的数量有很多，也难以覆盖各种体型、各种姿态。因此，在估计人体姿态时，由于图像中人体姿态的多样性，使得最终匹配的模型可能不唯一，不同的模型对于人体姿态的估计结果不同，容易导致一开始的模型匹配就会出现选择错误模型的情况，降低了姿态的估计精度本文档来自技高网...

【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，所述方法包括：获取表征目标对象的点云数据；对所述点云数据进行器官区域分类，获得多个器官区域的器官点云数据；对每个器官区域的所述器官点云数据进行特征提取，获得每个器官区域的区域特征；根据单目特征和预测后的特征，预测多目特征，所述单目特征包括多个所述器官区域的区域特征，所述预测后的特征是对所述单目特征中点云缺失部分进行预测得到的；根据所述多目特征对所述目标对象的关节点进行预测，获得姿态估计结果。2.根据权利要求1所述的方法，其特征在于，所述对每个器官区域的所述器官点云数据进行特征提取，获得每个器官区域的区域特征，包括：根据预设提取规则对每个器官区域的所述器官点云数据进行特征提取，获得每个所述器官区域的区域特征；根据多个所述器官区域的区域特征确定所述单目特征；其中，预设提取规则包括以下至少一种：所述器官区域的所述器官点云数据在所述目标对象中所处的位置、坐标点之间增长的相关性、坐标点数值上增长变化的趋势、所述器官区域的所述器官点云数据中坐标点数值波动的幅度以及所述器官区域的所述器官点云数据中的坐标点最大值和坐标点最小值。3.根据权利要求1或2所述的方法，其特征在于，所述根据单目特征和预测后的特征，预测多目特征，包括：采用线性回归方法，根据所述单目特征确定回归参数；根据所述回归参数，以及对所述单目特征中点云缺失部分进行初始补充后的特征，预测得到多目预测特征；在所述多目预测特征中选取的与所述单目特征中点云缺失部分对应的特征，作为所述预测后的特征；将所述预测后的特征补充到所述单目特征，获得所述多目特征。4.根据权利要求1或2所述的方法，其特征在于，所述根据所述多目特征对所述目标对象的关节点进行预测，获得姿态估计结果，包括：将所述多目特征输入关节点定位回归器中，预测得到所述目标对象的多个关节点的坐标；按照关节点标记对所述目标对象的多个关节点的坐标进行分组，获得所述姿态估计结果。5.根据权利要求1或2所述的方法，其特征在于，所述对所述点云数据进行器官区域分类，获得多个器官区域的器官点云数据，包括：根据所述目标对象的器官分布，采用点云分类网络对所述点云数据进行器官区域分类，获得多个所述器官区域的所述器官点云数据。6.根据权利要求5所述的方法，其特征在于，所述根据所述目标对象的器官分布，采用点云分类网络对所述点云数据进行器官区域分类，获得多个所述器官区域的所述器官点云数据，包括：在世界坐标系中，将所述点云数据中点云的坐标点数值减去坐标轴上坐...

【专利技术属性】
技术研发人员：沈栎，程宝平，曹梦婉，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：