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】
本专利技术涉及人工智能,尤其涉及一种三维人体姿态的重建方法及装置。
技术介绍
1、了解人体结构对于机器人、虚拟现实、增强现实等众多应用至关重要。三维人体姿态重建,是指从图像和视频中恢复人体形状和姿态。
2、相关技术中,蒙皮多人线性模型(skinned multi-person linear model,smpl)被广泛用作三维人体姿态重建的基本模型。然而,利用smpl模型进行三维人体姿态重建时所需能耗较高。高能耗和昂贵的设备使三维人体姿态重建算法离日常应用仍然有一定距离。
3、因此,如何降低对三维人体姿态进行重建的功耗是目前亟待解决的问题。
技术实现思路
1、针对现有技术存在的问题,本专利技术实施例提供一种三维人体姿态的重建方法及装置。
2、本专利技术提供一种三维人体姿态的重建方法,包括:
3、将人体姿态图像输入至目标人体姿态重建模型,得到所述目标人体姿态重建模型输出的与所述人体姿态图像对应的三维人体姿态重建结果;
4、其中,所述目标人体姿态重建模型是基于人体姿态图像样本,利用模型剪枝策略对初始人体姿态重建模型进行模型剪枝并进行训练后得到的;所述模型剪枝策略包括以下至少一项:
5、基于所述初始人体姿态重建模型的参数权重及特征进行模型剪枝;所述特征与所述人体姿态图像样本相关联;
6、基于所述初始人体姿态重建模型的模型稀疏度及所述特征进行模型剪枝;
7、基于所述特征及所述初始人体姿态重建模型
8、可选地,所述目标人体姿态重建模型通过以下方式得到:
9、基于所述参数权重及所述特征,对所述初始人体姿态重建模型进行模型剪枝,得到第一中间模型;
10、基于所述模型稀疏度及所述特征,对所述第一中间模型进行模型剪枝,得到第二中间模型;
11、基于所述特征及所述各网络层,对所述第二中间模型进行模型剪枝,得到所述目标人体姿态重建模型。
12、可选地,所述基于所述参数权重及所述特征,对所述初始人体姿态重建模型进行模型剪枝,得到第一中间模型,包括:
13、针对所述初始人体姿态重建模型的每一列模型参数,计算第一目标权重值;所述第一目标权重值为每一列模型参数中各所述模型参数对应的所述参数权重的绝对值的总和;
14、将所述第一目标权重值最小的前n列模型参数进行剪枝;针对所述初始人体姿态重建模型的每一行模型参数,计算第二目标权重值;所述第二目标权重值为每一行模型参数中各所述模型参数对应的所述参数权重的绝对值的总和;
15、将所述第二目标权重值最小的前m行模型参数进行剪枝,得到剪枝后的第一参数权重;
16、基于所述第一参数权重及所述特征,确定所述第一中间模型。
17、可选地,所述基于所述模型稀疏度及所述特征,对所述第一中间模型进行模型剪枝,得到第二中间模型,包括:
18、步骤a:基于所述模型稀疏度,对所述第一中间模型的参数权重进行排序,得到排序后的参数权重;
19、步骤b:针对所述排序后的参数权重,将预设稀疏度步长中最小的参数权重进行剪枝,得到剪枝后的第二参数权重;
20、步骤c:基于所述特征及所述第二参数权重对所述第一中间模型进行训练,得到训练后的第一中间模型;
21、步骤d:在所述训练结果达到预设性能阈值的情况下,返回执行步骤a;在所述训练结果未达到所述预设性能阈值的情况下,将所述训练后的第一中间模型作为所述第二中间模型。
22、可选地,所述基于所述特征及所述各网络层,对所述第二中间模型进行模型剪枝,得到所述目标人体姿态重建模型,包括:
23、基于所述特征及所述各网络层,生成所述第二中间模型对应的有向图;所述有向图包括节点及定向边;所述节点为所述特征,所述定向边为所述网络层,两个特征之间由所述定向边连接,所述定向边用于表征两个特征之间的数据流方向;
24、基于所述有向图,确定目标节点及目标定向边;所述目标节点关联的数据流不能到达所述有向图的最终节点,所述目标定向边与所述目标节点连接;
25、将所述目标节点及所述目标定向边进行剪枝,得到所述目标人体姿态重建模型。
26、可选地,所述目标人体姿态重建模型为u型卷积神经网络模型。
27、本专利技术还提供一种三维人体姿态的重建装置,包括:
28、输入模块,用于将人体姿态图像输入至目标人体姿态重建模型,得到所述目标人体姿态重建模型输出的与所述人体姿态图像对应的三维人体姿态重建结果;
29、其中,所述目标人体姿态重建模型是基于人体姿态图像样本,利用模型剪枝策略对初始人体姿态重建模型进行模型剪枝并进行训练后得到的;所述模型剪枝策略包括以下至少一项:
30、基于所述初始人体姿态重建模型的参数权重及特征进行模型剪枝;所述特征与所述人体姿态图像样本相关联;
31、基于所述初始人体姿态重建模型的模型稀疏度及所述特征进行模型剪枝;
32、基于所述特征及所述初始人体姿态重建模型的各网络层进行模型剪枝。
33、本专利技术还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在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三维人体姿态的重建方法。
34、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,该计算机程序被处理器执行时实现如上述任一种所述三维人体姿态的重建方法。
35、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三维人体姿态的重建方法。
36、本专利技术提供的三维人体姿态的重建方法及装置,通过将人体姿态图像输入至目标人体姿态重建模型,得到目标人体姿态重建模型输出的与人体姿态图像对应的三维人体姿态重建结果;由于目标人体姿态重建模型是基于人体姿态图像样本,利用模型剪枝策略对初始人体姿态重建模型进行模型剪枝后得到的,因此,通过模型剪枝极大简化了初始人体姿态重建模型,得到目标人体姿态重建模型,并且可以高效利用目标人体姿态重建模型对应的硬件资源,大大降低了三维人体姿态重建的功耗,实现了三维人体姿态重建算法在低功耗场景下的应用。
本文档来自技高网...【技术保护点】
1.一种三维人体姿态的重建方法,其特征在于,包括:
2.根据权利要求1所述的三维人体姿态的重建方法,其特征在于,所述目标人体姿态重建模型通过以下方式得到:
3.根据权利要求2所述的三维人体姿态的重建方法,其特征在于,所述基于所述参数权重及所述特征,对所述初始人体姿态重建模型进行模型剪枝,得到第一中间模型,包括:
4.根据权利要求2所述的三维人体姿态的重建方法,其特征在于,所述基于所述模型稀疏度及所述特征,对所述第一中间模型进行模型剪枝,得到第二中间模型,包括:
5.根据权利要求2所述的三维人体姿态的重建方法,其特征在于,所述基于所述特征及所述各网络层,对所述第二中间模型进行模型剪枝,得到所述目标人体姿态重建模型,包括:
6.根据权利要求1至5中任一项所述的三维人体姿态的重建方法,其特征在于,所述目标人体姿态重建模型为U型卷积神经网络模型。
7.一种三维人体姿态的重建方法,其特征在于,包括:
8.一种电子设备,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
9.一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6任一项所述三维人体姿态的重建方法。
10.一种计算机程序产品,包括计算机程序,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6任一项所述三维人体姿态的重建方法。
...【技术特征摘要】
1.一种三维人体姿态的重建方法,其特征在于,包括:
2.根据权利要求1所述的三维人体姿态的重建方法,其特征在于,所述目标人体姿态重建模型通过以下方式得到:
3.根据权利要求2所述的三维人体姿态的重建方法,其特征在于,所述基于所述参数权重及所述特征,对所述初始人体姿态重建模型进行模型剪枝,得到第一中间模型,包括:
4.根据权利要求2所述的三维人体姿态的重建方法,其特征在于,所述基于所述模型稀疏度及所述特征,对所述第一中间模型进行模型剪枝,得到第二中间模型,包括:
5.根据权利要求2所述的三维人体姿态的重建方法,其特征在于,所述基于所述特征及所述各网络层,对所述第二中间模型进行模型剪枝,得到所述目标人体姿态重建模型,包括:
6....
【专利技术属性】
技术研发人员:赵杨,张光达,王会权,温家辉,
申请(专利权)人:中国人民解放军军事科学院国防科技创新研究院,
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。