System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及一种姿态估计方法、装置、电子设备及存储介质。
技术介绍
1、在计算机视觉中,姿态估计的主要任务是基于图像、视频等的视觉要素,或者基于深度、红外等其他传感器的输入,重建人体的三维姿态。由于需要重建人体在三维空间中的位置信息,所以三维的姿态估计存在较大难度。现有的三维姿态估计方法主要包括基于单目的姿态估计方法以及基于传感器的姿态估计方法等。
2、基于单目的姿态估计方法主要是从单个相机拍摄的单幅图像或连续视频输入中,直接通过深度神经网络进行三维的姿态估计;或者先从视觉素材中先估计出人体的二维关键点,再通过网络模型升维映射出三维的姿态。该类方法受单目视角的局限性影响,在遇到复杂的姿态变化或者物体遮挡及人体自遮挡等姿态信息获取不全面的情况时,会出现较大的估计误差,使得到的姿态估计结果的准确度较低。基于传感器的姿态估计方法是通过引入深度信息、红外光源或射频信号等其他模态的信息进行姿态估计。受传感器的检测精度、检测范围或抗干扰能力等方面的制约,通过该类方法得到的姿态估计结果的准确度也较低。
3、在相关技术中,通常会基于多视图得到三维体素热图后,再基于三维体素热图进行三维空间映射以对三维姿态进行估计。从三维体素热图向三维空间映射时存在尺度上的量化误差,因此,通过该方法直接进行三维姿态估计时,得到的姿态估计结果的准确度也较低。若通过提高三维体素热图的分辨率以降低量化误差,来提高姿态估计结果的准确度时,映射时的计算量将呈几何倍数级别的增加,计算复杂度较高。
4、因此,在进行姿态估计
技术实现思路
1、本专利技术提供一种姿态估计方法、装置、电子设备及存储介质,用以解决现有技术中姿态估计时无法兼顾姿态估计准确度与计算复杂度的缺陷,实现在有效控制计算复杂度的同时提高姿态估计的准确度的目的。
2、本专利技术提供一种姿态估计方法,包括:
3、获取不同视角下针对目标对象的多张图像;
4、提取各所述图像中所述目标对象的多个关键点和各所述关键点对应的特征信息;
5、基于所有所述图像中各所述关键点对应的特征信息,确定目标三维体素热图;
6、针对所述目标三维体素热图的各维度,确定所述目标三维体素热图在所述维度上的一维热图;所述一维热图的分辨率大于所述目标三维体素热图在所述一维热图对应维度上的分辨率;
7、基于各所述一维热图对所述目标对象进行姿态估计。
8、根据本专利技术提供的一种姿态估计方法,所述确定所述目标三维体素热图在所述维度上的一维热图,包括:
9、将所述目标三维体素热图在所述维度上进行上采样,得到所述维度上的一维热图。
10、根据本专利技术提供的一种姿态估计方法,所述维度包括第一维度;
11、所述将所述目标三维体素热图在所述维度上进行上采样,得到所述维度上的一维热图,包括:
12、将所述目标三维体素热图输入至图像压缩模型的二维上采样模块中,通过所述二维上采样模块对所述目标三维体素热图在第二维度上进行压缩,并在除所述第二维度之外的第一维度和第三维度上分别进行预设次数的二倍上采样,得到所述二维上采样模块输出的二维热图;
13、将所述二维热图输入至所述图像压缩模型的一维上采样模块中,通过所述一维上采样模块对所述二维热图在所述第三维度上进行降维,并将降维后的特征在所述第一维度上进行上采样,得到所述一维上采样模块输出的所述第一维度上的一维热图。
14、根据本专利技术提供的一种姿态估计方法,所述基于所有所述图像中各所述关键点对应的特征信息,确定目标三维体素热图,包括:
15、遍历预先构建的三维体素空间中的各体素,在所述多张图像中确定与当前遍历的体素对应的至少两个目标像素点;
16、在所述目标像素点为关键点对应的像素点的情况下,基于各所述目标像素点在所属目标图像中对应的特征信息,确定所述体素的体素特征;
17、基于各所述体素的体素特征对所述三维体素空间中对应体素进行填充,得到所述目标三维体素热图。
18、根据本专利技术提供的一种姿态估计方法,所述基于各所述目标像素点在所属目标图像中对应的特征信息,确定所述体素的体素特征,包括:
19、针对所述目标像素点所属的各所述目标图像,基于所述目标像素点在所述目标图像中对应的特征信息、以及所述目标像素点在所有所述目标图像中对应的特征信息,确定所述目标像素点在所述目标图像对应的权重;
20、基于所述目标像素点在各所述目标图像对应的特征信息和权重,确定所述体素的体素特征。
21、根据本专利技术提供的一种姿态估计方法,所述方法还包括:
22、在所述多个关键点中确定所述目标对象的至少两个目标关键点;
23、基于各所述目标关键点确定所述目标对象的中心点;
24、基于所述中心点和预设值构建所述三维体素空间。
25、根据本专利技术提供的一种姿态估计方法,所述提取各所述图像中所述目标对象的多个关键点和各所述关键点对应的特征信息,包括:
26、将各所述图像输入至关键点检测模型的特征提取模块中,得到所述特征提取模块输出的目标特征信息;所述目标特征信息包括各所述关键点对应的特征信息;
27、将所述目标特征信息输入至所述关键点检测模型的关键点提取模块中,得到所述关键点提取模块输出的多个所述关键点。
28、本专利技术还提供一种姿态估计装置,包括:
29、获取模块,用于获取不同视角下针对目标对象的多张图像;
30、提取模块,用于提取各所述图像中所述目标对象的多个关键点和各所述关键点对应的特征信息;
31、确定模块,用于基于所有所述图像中各所述关键点对应的特征信息,确定目标三维体素热图;
32、所述确定模块,还用于针对所述目标三维体素热图的各维度,确定所述目标三维体素热图在所述维度上的一维热图;所述一维热图的分辨率大于所述目标三维体素热图在所述一维热图对应维度上的分辨率;
33、估计模块,用于基于各所述一维热图对所述目标对象进行姿态估计。
34、本专利技术还提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述姿态估计方法。
35、本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述姿态估计方法。
36、本专利技术还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述姿态估计方法。
37、本专利技术提供一种姿态估计方法、装置、电子设备及存储介质,该方法获取不同视角下针对目标对象的多张图像,基于不同视角的多张图像能获得目标对象在真实三维世界中准确的姿态信息。提取各图像中目标本文档来自技高网...
【技术保护点】
1.一种姿态估计方法,其特征在于,包括:
2.根据权利要求1所述的姿态估计方法,其特征在于,所述确定所述目标三维体素热图在所述维度上的一维热图,包括:
3.根据权利要求2所述的姿态估计方法,其特征在于,所述维度包括第一维度;
4.根据权利要求1-3任一项所述的姿态估计方法,其特征在于,所述基于所有所述图像中各所述关键点对应的特征信息,确定目标三维体素热图,包括:
5.根据权利要求4所述的姿态估计方法,其特征在于,所述基于各所述目标像素点在所属目标图像中对应的特征信息,确定所述体素的体素特征,包括:
6.根据权利要求4所述的姿态估计方法,其特征在于,所述方法还包括:
7.根据权利要求1-3任一项所述的姿态估计方法,其特征在于,所述提取各所述图像中所述目标对象的多个关键点和各所述关键点对应的特征信息,包括:
8.一种姿态估计装置,其特征在于,包括:
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述姿态估计方法。
...【技术特征摘要】
1.一种姿态估计方法,其特征在于,包括:
2.根据权利要求1所述的姿态估计方法,其特征在于,所述确定所述目标三维体素热图在所述维度上的一维热图,包括:
3.根据权利要求2所述的姿态估计方法,其特征在于,所述维度包括第一维度;
4.根据权利要求1-3任一项所述的姿态估计方法,其特征在于,所述基于所有所述图像中各所述关键点对应的特征信息,确定目标三维体素热图,包括:
5.根据权利要求4所述的姿态估计方法,其特征在于,所述基于各所述目标像素点在所属目标图像中对应的特征信息,确定所述体素的体素特征,包括:
6.根据权利要求4所述的姿...
【专利技术属性】
技术研发人员:马彦博,常欢,罗鹏飞,殷兵,胡金水,
申请(专利权)人:科大讯飞股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。