目标对象姿态确定方法、训练方法、装置及电子设备制造方法及图纸

本公开提供了目标对象姿态确定方法、训练方法、装置及电子设备，涉及图像处理技术领域，尤其涉及人工智能技术领域和计算机视觉技术领域。具体实现方案为：提取待检测图像的图像特征；根据图像特征，确定初始骨架拓扑结构中，初始骨骼节点之间彼此相关联的骨骼向量；根据骨骼向量，更新初始骨架拓扑结构中的初始骨骼节点，得到目标骨骼节点；以及根据目标骨骼节点，确定目标对象姿态。确定目标对象姿态。确定目标对象姿态。

【技术实现步骤摘要】
目标对象姿态确定方法、训练方法、装置及电子设备


[0001]本公开涉及图像处理
，尤其涉及人工智能
和计算机视觉


技术介绍

[0002]随着科技的发展，在运动康复评估、运动训练效果评估等应用场景中，可以基于图像处理技术对康复人员或运动员等目标对象的动作姿态图像进行处理，以便于根据检测到的人体动作姿态，评估康复人员的恢复情况，或者评估运动员的训练效果。

技术实现思路

[0003]本公开提供了一种目标对象姿态确定方法、训练方法、装置、电子设备、存储介质以及计算机程序产品。
[0004]根据本公开的一方面，提供了一种目标对象姿态确定方法，包括：提取待检测图像的图像特征；根据图像特征，确定初始骨架拓扑结构中，初始骨骼节点之间彼此相关联的骨骼向量；根据骨骼向量，更新初始骨架拓扑结构中的初始骨骼节点，得到目标骨骼节点；以及根据目标骨骼节点，确定目标对象姿态。
[0005]根据本公开的另一方面，提供了一种深度学习模型的训练方法，包括：获取训练样本，训练样本包括样本初始骨架拓扑结构、与样本目标对象相关的样本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标对象姿态确定方法，包括：提取待检测图像的图像特征；根据所述图像特征，确定初始骨架拓扑结构中，初始骨骼节点之间彼此相关联的骨骼向量；根据所述骨骼向量，更新所述初始骨架拓扑结构中的初始骨骼节点，得到目标骨骼节点；以及根据所述目标骨骼节点，确定目标对象姿态。2.根据权利要求1所述的方法，其中，所述初始骨架拓扑结构包括第0初始骨骼节点和与所述第0初始骨骼节点相关联的M个初始骨骼节点，M为正整数；其中，所述根据所述骨骼向量，更新所述初始骨架拓扑结构中的初始骨骼节点，得到目标骨骼节点包括：根据所述第0初始骨骼节点的第0初始骨骼节点位置，以及与所述第0初始骨骼节点对应的第[0，m]骨骼向量，更新所述第m初始骨骼节点，得到第m目标骨骼节点，m＝1、...M。3.根据权利要求2所述的方法，其中，所述初始骨架拓扑结构还包括第i初始骨骼节点与第j初始骨骼节点，所述第i初始骨骼节点与所述第j初始骨骼节点通过第[i，j]骨骼向量相关联，i和j为正整数，i小于j，且i大于或等于m；其中，所述根据所述骨骼向量，更新所述初始骨架拓扑结构中的初始骨骼节点，得到目标骨骼节点还包括：根据所述第[i，j]骨骼向量和第i目标骨骼节点的第i目标骨骼节点位置，更新所述第j初始骨骼节点，得到第j目标骨骼节点，所述第i目标骨骼节点为对所述第i初始骨骼节点更新后得到的。4.根据权利要求1所述的方法，其中，所述根据所述目标骨骼节点，确定目标对象姿态包括：根据所述目标骨骼节点各自的目标骨骼节点位置，生成用于表征所述目标对象姿态的目标对象姿态图像。5.一种深度学习模型的训练方法，包括：获取训练样本，所述训练样本包括样本初始骨架拓扑结构、与样本目标对象相关的样本图像和样本标签，所述样本标签包括标签骨骼节点，所述样本初始骨架拓扑结构包括样本初始骨骼节点；将所述样本图像输入初始深度学习模型，输出样本骨骼向量；根据所述样本骨骼向量，更新所述样本初始骨架拓扑结构中的样本初始骨骼节点，得到样本目标骨骼节点；以及根据所述样本目标骨骼节点、所述样本骨骼向量和所述标签骨骼节点训练所述初始深度学习模型，得到训练后的深度学习模型。6.根据权利要求5所述的方法，其中，所述根据所述样本目标骨骼节点、所述样本骨骼向量和所述标签骨骼节点训练所述初始深度学习模型包括：根据第一损失函数处理所述样本目标骨骼节点和所述标签骨骼节点，输出第一损失值；根据第二损失函数处理所述样本骨骼向量和所述标签骨骼节点，输出第二损失值；以
及根据所述第一损失值和所述第二损失值调整所述初始深度学习模型的参数。7.根据权利要求6所述的方法，其中，所述标签骨骼节点包括多个，多个所述标签骨骼节点各自对应有标签骨骼节点位置，所述样本骨骼向量包括多个；其中，所述根据第二损失函数处理所述样本骨骼向量和所述标签骨骼节点，输出第二损失值包括：根据第p标签骨骼节点的标签骨骼节点位置和第k标签骨骼节点的标签骨骼节点位置，确定第[p，k]标签向量，所述第[p，k]标签向量表征所述第p标签骨骼节点和第k标签骨骼节点之间的边，p和k均为正整数，且p不等于k；根据所述样本初始骨架拓扑结构，确定由第p样本初始骨骼节点至第k样本初始骨骼节点构成的样本节点链路；根据所述样本节点链路，从多个所述样本骨骼向量中，确定与所述样本节点链路对应的目标样本骨骼向量；根据所述第二损失函数处理所述目标样本骨骼向量和所述第[p，k]标签向量，输出所述第二损失值。8.根据权利要求6或7所述的方法，其中，所述第一损失函数包括以下任意一项：均方误差损失函数、平均绝对误差损失函数、平滑的平均绝对误差损失函数；所述第二损失函数包括以下任意一项：分位数损失函数、对数损失函数。9.一种目标对象姿态确定装置，包括：第一图像特征提取模块，用于提取待检测图像的图像特征；骨骼向量确定模块，用于根据所述图像特征，确定初始骨架拓扑结构中，初始骨骼节点之间彼此相关联的骨骼向量；骨骼节点更新模块，用于根据所述骨骼向量，更新所述初...

【专利技术属性】
技术研发人员：吕以豪，卢飞翔，李龙腾，张良俊，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：