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】
本专利技术涉及物体识别和姿态检测的,尤其是指一种基于supr模型的人脚姿态检测虚拟数据集的构造方法。
技术介绍
1、人体姿态检测是计算机视觉中一个重要研究方向,其目标是通过分析图象或视频中的人体部位关系来推断人体的姿态信息,包括关节的位置和姿势。近年来,依靠深度学习技术的快速发展,人体姿态检测取得了显著进步。
2、训练深度学习网络需要大量的标注数据,现有的姿态检测数据集都停留在对身体、手部和头部的关键点进行详细标注,对于脚部的姿态标注都过于简洁,这导致现有的姿态检测网络都无法检测复杂的人脚姿态。对人脚复杂姿态进行详细标注的数据集仍然处于空白状态。
技术实现思路
1、本专利技术的目的在于补全现有姿态数据集在人脚姿态方面的空白,提出了一种基于supr模型的人脚姿态检测虚拟数据集的构造方法,能够在门槛极低的硬件条件下,生成切实可用的人脚姿态检测虚拟数据集。
2、为实现上述目的,本专利技术所提供的技术方案为:基于supr模型的人脚姿态检测虚拟数据集的构造方法,包括以下步骤:
3、s1:设定supr模型脚部关节的旋转范围,确定脚部整体姿态空间;
4、s2:用分类的方法对脚部整体姿态空间进行降维,得到复合姿态类和每个类对应的姿态空间;
5、s3:遍历复合姿态类,在每个类的姿态空间下,用随机赋值的方法,生成指定个数的随机脚部姿态参数,并将在所有类下生成的参数统一存放,构成随机脚部姿态参数数据集;
6、s4:用随机脚部姿态参数
7、s5:用步骤s4获得的supr模型搭建3d场景,包括模型贴图、相机设置、灯光设置和渲染设置,得到完整的渲染管线;
8、s6:用获得的渲染管线生成虚拟人脚的rgb图片,通过计算得到脚部关节的2d像素坐标和包围盒的左上角和右下角的像素坐标作为rgb图片的标签信息,一张rgb图片和它的标签信息组成一个人脚姿态检测虚拟数据集的实例;
9、s7:重复步骤s4~s6生成所有实例,即可得到所需的基于supr模型的人脚姿态检测虚拟数据集,即完整的人脚姿态检测虚拟数据集。
10、进一步,在步骤s1中,所述supr模型脚部关节包括脚踝关节jankle、足中关节jmid和脚趾关节[jtoe1,jtoe2,jtoe3,jtoe4,jtoe5,jtoe6,jtoe7,jtoe8,jtoe9,jtoe10],其中,jtoe1是大脚趾的趾基关节,jtoe2是大脚趾的趾中关节,jtoe3是第二脚趾的趾基关节,jtoe4是第二脚趾的趾中关节,jtoe5是第三脚趾的趾基关节,jtoe6是第三脚趾的趾中关节,jtoe7是第四脚趾的趾基关节,jtoe8是第四脚趾的趾中关节,jtoe9是小脚趾的趾基关节,jtoe10是小脚趾的趾中关节,总共12个关节;每个关节的姿态参数都是一个用于表示该关节的欧拉旋转角的向量其中,θx是在x轴上的旋转角,θy是y轴上的旋转角,θz是z轴上的旋转角;整只脚的姿态参数就是通过concat操作将关节姿态参数按顺序拼接起来其中,是脚踝关节jankle的姿态参数,是足中关节jmid的姿态参数,是脚趾关节[jtoe1,jtoe2,...,jtoe10]的姿态参数;通过设定θx、θy和θz的取值范围,来限制关节在x、y、z轴上的旋转范围,以此确定的3d空间就是关节的姿态空间s;所有关节的姿态空间的和就是脚部整体姿态空间sfoot=sankle+smid+s[toe1,toe2,...,toe10],其中,sfoot是脚部整体姿态空间,sankle是脚踝关节jankle的姿态空间,smid是足中关节jmid的姿态空间,s[toe1,toe2,...,toe10]是脚趾关节[jtoe1,jtoe2,...,jtoe10]的姿态空间。
11、进一步,在步骤s2中,用分类的方法对脚部整体姿态空间进行降维的具体操作如下:
12、s21:根据人脚的生理结构和运动方式,将初始姿态空间st-pose、跖曲姿态空间splantarflex、背曲姿态空间sdorsiflex、内翻姿态空间sinversion、外翻姿态空间seversion、内旋姿态空间smedialrotation、外旋姿态空间slateralrotation、脚趾弯曲姿态空间stoeflexion、脚趾翘曲姿态空间stoeextension、脚趾张开姿态空间stoeabduction和脚趾聚拢姿态空间stoeadduction这11个相互独立的姿态空间视为步骤s1设定的脚部整体姿态空间sfoot的主成分基,通过线性混合这11个主成分基下的姿态参数,生成sfoot下的大部分姿态参数,称这11个主成分基所代表的姿态类型为基础姿态类;
13、s22:将步骤s21划分的11个基础姿态类的姿态空间,通过线性混合的方式,进一步将脚部整体姿态空间sfoot表示为绷脚尖内翻姿态空间绷脚尖外翻姿态空间踮脚尖内翻姿态空间踮脚尖外翻姿态空间勾脚尖内翻姿态空间勾脚尖外翻姿态空间张脚尖内翻姿态空间张脚尖外翻姿态空间和补充姿态空间scompletion共9个基所代表的姿态空间,其中:
14、
15、
16、
17、
18、
19、
20、
21、
22、
23、称上述9个基所代表的姿态类型为复合姿态类。
24、进一步,在步骤s3中,生成随机脚部姿态参数数据集的具体步骤如下:
25、s31:遍历步骤s2中划分的复合姿态类,获得每个复合姿态类对应的姿态空间,即每个关节在x、y、z轴上的旋转角的取值范围;
26、s32:在旋转角的取值范围内,用随机取整的形式为旋转角赋值;通过concat操作将旋转角拼接成随机脚部姿态参数其中,是脚部随机姿态参数,是脚踝关节jankle的随机姿态参数,是足中关节jmid的随机姿态参数,是脚趾关节[jtoe1,jtoe2,...,jtoe10]的随机姿态参数;
27、s33:根据指定个数重复步骤s32,得到指定复合姿态类下的所有随机脚部姿态参数;
28、s34:将所有复合姿态类下的随机脚部姿态参数统一存放,作为随机脚部姿态参数数据集。
29、进一步,在步骤s4中,用随机脚部姿态参数替换用supr模型拟合现有人体形状和姿态数据得到的姿态参数中对应位置的值的具体操作步骤如下:
30、s41:将supr模型的形状参数姿态参数旋转参数和位移参数设置为优化参数;
31、s42:通过现有的基于lbfgs优化算法的拟合算法,用supr模型拟合现有的基于smpl-x模型的人体形状和姿态数据,迭代优化步骤s41中的优化参数,获取拟合效果最好的旋转参数位移参数形状参数和姿态参数
32本文档来自技高网...
【技术保护点】
1.基于SUPR模型的人脚姿态检测虚拟数据集的构造方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于SUPR模型的人脚姿态检测虚拟数据集的构造方法,其特征在于:在步骤S1中,所述SUPR模型脚部关节包括脚踝关节Jankle、足中关节Jmid和脚趾关节[Jtoe1,Jtoe2,Jtoe3,Jtoe4,Jtoe5,Jtoe6,Jtoe7,Jtoe8,Jtoe9,Jtoe10],其中,Jtoe1是大脚趾的趾基关节,Jtoe2是大脚趾的趾中关节,Jtoe3是第二脚趾的趾基关节,Jtoe4是第二脚趾的趾中关节,Jtoe5是第三脚趾的趾基关节,Jtoe6是第三脚趾的趾中关节,Jtoe7是第四脚趾的趾基关节,Jtoe8是第四脚趾的趾中关节,Jtoe9是小脚趾的趾基关节,Jtoe10是小脚趾的趾中关节,总共12个关节;每个关节的姿态参数都是一个用于表示该关节的欧拉旋转角的向量其中θx是在x轴上的旋转角,θy是y轴上的旋转角,θz是z轴上的旋转角;整只脚的姿态参数就是通过concat操作将关节姿态参数按顺序拼接起来其中,是脚踝关节Jankle的姿态参数,是足中关节Jmid的
3.根据权利要求2所述的基于SUPR模型的人脚姿态检测虚拟数据集的构造方法,其特征在于:在步骤S2中,用分类的方法对脚部整体姿态空间进行降维的具体操作如下:
4.根据权利要求3所述的基于SUPR模型的人脚姿态检测虚拟数据集的构造方法,其特征在于:在步骤S3中,生成随机脚部姿态参数数据集的具体步骤如下:
5.根据权利要求4所述的基于SUPR模型的人脚姿态检测虚拟数据集的构造方法,其特征在于:在步骤S4中,用随机脚部姿态参数替换用SUPR模型拟合现有人体形状和姿态数据得到的姿态参数中对应位置的值的具体操作步骤如下:
6.根据权利要求5所述的基于SUPR模型的人脚姿态检测虚拟数据集的构造方法,其特征在于:在步骤S5中,搭建3D场景,得到完整的渲染管线的具体操作步骤如下:
7.根据权利要求6所述的基于SUPR模型的人脚姿态检测虚拟数据集的构造方法,其特征在于:在步骤S6中,用渲染管线,生成数据集实例的具体操作为:使用Blender自带的渲染引擎,将步骤S5中搭建的3D场景中的相机的视图渲染成RGB图片,然后通过Blender提供的world_to_camera_view函数,计算得到Jankle、Jmid和[Jtoe1,Jtoe2,...,Jtoe10]在RGB图片中的2D像素坐标;将脚部关节的2D像素坐标中在x轴上的最小值和在y轴上的最大值,作为包围盒左上角的像素坐标;将脚部关节的2D像素坐标中在x轴上的最大值和在y轴上的最小值,作为包围盒右下角的像素坐标;脚步关节的2D像素坐标和包围盒两个顶点的2D像素坐标组成RGB图片的标签信息;RGB图像和它的标签信息组成人脚姿态检测虚拟数据集的一个实例。
...【技术特征摘要】
1.基于supr模型的人脚姿态检测虚拟数据集的构造方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于supr模型的人脚姿态检测虚拟数据集的构造方法,其特征在于:在步骤s1中,所述supr模型脚部关节包括脚踝关节jankle、足中关节jmid和脚趾关节[jtoe1,jtoe2,jtoe3,jtoe4,jtoe5,jtoe6,jtoe7,jtoe8,jtoe9,jtoe10],其中,jtoe1是大脚趾的趾基关节,jtoe2是大脚趾的趾中关节,jtoe3是第二脚趾的趾基关节,jtoe4是第二脚趾的趾中关节,jtoe5是第三脚趾的趾基关节,jtoe6是第三脚趾的趾中关节,jtoe7是第四脚趾的趾基关节,jtoe8是第四脚趾的趾中关节,jtoe9是小脚趾的趾基关节,jtoe10是小脚趾的趾中关节,总共12个关节;每个关节的姿态参数都是一个用于表示该关节的欧拉旋转角的向量其中θx是在x轴上的旋转角,θy是y轴上的旋转角,θz是z轴上的旋转角;整只脚的姿态参数就是通过concat操作将关节姿态参数按顺序拼接起来其中,是脚踝关节jankle的姿态参数,是足中关节jmid的姿态参数,是脚趾关节[jtoe1,jtoe2,...,jtoe10]的姿态参数;通过设定θx、θy和θz的取值范围,来限制关节在x、y、z轴上的旋转范围,以此确定的3d空间就是关节的姿态空间s;所有关节的姿态空间的和就是脚部整体姿态空间sfoot=sankle+smid+s[toe1,toe2,...,toe10],其中,sfoot是脚部整体姿态空间,sankle是脚踝关节jankle的姿态空间,smid是足中关节jmid的姿态空间,s[toe1,toe2,...,toe10]是脚趾关节[jtoe1,jtoe2...
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。