人体姿态估计方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术的实施例提供了一种人体姿态估计方法、装置、电子设备及存储介质，涉及金融科技技术领域。将待检测图像分割为面部部分、手部部分和躯干部分；将所述面部部分输入面部检测底模，得到面部关键点集合；将所述手部部分输入手部检测底模，得到手部关键点集合；将所述躯干部分输入躯干检测底模，得到躯干关键点集合；将所述面部关键点集合、所述手部关键点集合和所述躯干关键点分别输入人体姿态估计模型，分别得到面部检测结果、手部检测结果和躯干检测结果；将所述面部检测结果、所述手部检测结果和所述躯干检测结果拼接为人体姿态估计结果。本实施例能够在提升推理速度的同时保证人体姿态估计的精度。证人体姿态估计的精度。证人体姿态估计的精度。

【技术实现步骤摘要】
人体姿态估计方法、装置、电子设备及存储介质


[0001]本专利技术涉及金融科技
，具体而言，涉及一种人体姿态估计方法、装置、电子设备及存储介质。

技术介绍

[0002]随着机器学习的发展，虚拟人客服逐渐在金融科技领域得到广泛应用。在虚拟人客服的开发和使用中，需要用到人体姿态估计。人体姿态估计的一种方法是3D单目姿态估计，指从单张图片中估计出人体的三维姿态。现有的单目姿态估计方法多是预测3D关节点位置，然而将关节点位置作为输出，会缺少身体部位的细节特征，以及关节点角度的信息，难以进行后续的应用。
[0003]使用人体姿态模型能够提供更多的信息，也因此应用空间更加广泛，有更大的研究潜力。但是现有的人体姿态模型存在一定问题：以SMPL
‑
X模型为例，SMPL
‑
X模型虽然可以对全身信息进行预测，但是由于训练集较少，最终的人体姿态估计效果较差。

技术实现思路

[0004]本专利技术的实施例可以这样实现：
[0005]第一方面，本申请实施例提供了一种人体姿态估计方法，所述方法包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体姿态估计方法，其特征在于，所述方法包括：将待检测图像分割为面部部分、手部部分和躯干部分；将所述面部部分输入面部检测底模，得到面部关键点集合；将所述手部部分输入手部检测底模，得到手部关键点集合；将所述躯干部分输入躯干检测底模，得到躯干关键点集合；将所述面部关键点集合、所述手部关键点集合和所述躯干关键点分别输入人体姿态估计模型，分别得到面部检测结果、手部检测结果和躯干检测结果；将所述面部检测结果、所述手部检测结果和所述躯干检测结果拼接为人体姿态估计结果。2.根据权利要求1所述的方法，其特征在于，所述面部检测底模包括所述将所述面部部分输入面部检测底模，得到面部检测关键点集合，包括：基于所述面部检测底模对所述面部部分进行重建，得到面部3D模型；获取所述面部3D模型中的面部检测关键点集合。3.根据权利要求1所述的方法，其特征在于，所述将所述手部部分输入手部检测底模，得到手部检测关键点集合，包括：通过所述手部检测底模得到每帧的手部动作；对每帧所述手部动作进行时序平滑处理，得到所述手部检测关键点集合。4.根据权利要求3所述的方法，其特征在于，所述手部检测底模包括编码器和解码器，所述编码器包括ResNet
‑
50卷积网络，所述解码器包括由多个全连接层组成的第一回归器。5.根据权利要求1所述的方法，其特征在于，所述躯干检测底模包括TCMR网络，所述将所述躯干部分输入躯干检测底模，得到躯干检测关键点集合，包括：根据所述TCMR网络得到所述躯干部分的时序特征和聚合特征；将所述时序特征和所述聚合特征输入第二回归器，得到所述躯干检测关键点集合。6.根据权利要求1所述的方法，其特征在于，所述将所述面部检测结果、所述手部检测结果和所述躯干检测结果...

【专利技术属性】
技术研发人员：柳阳，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：