【技术实现步骤摘要】
本专利技术涉及计算机视觉与模式识别，具体涉及一种基于回归的参数化非模型3d人体姿态和形状预测方法及装置。
技术介绍
1、从单个rgb图像估计三维人体姿态和形状(hps)是计算机视觉领域的一个核心挑战，并在机器人技术、计算机图形学和视觉领域有广泛应用。主流的基于学习的hps方法大致可以分为两类：基于模型的方法和非模型方法。基于模型的方法通过回归身体模型参数来表达3d人体网格，例如smpl(matthew loper,naureen mahmood,javier romero,gerardpons-moll,and michael j black.2015.smpl:a skinned multi-person linearmodel.acm trans.graph.34,6(2015),1–16.)，它利用3d关节角度和形状向量。非模型方法直接从2d图像中回归3d人体表征，例如3d顶点坐标，隐式表面，以及体素网格。
2、非模型方法相比基于模型的方法具有几个优势。首先，输出的顶点坐标可以与原始输入图像紧密对应，因此，尤其是身体形...
【技术保护点】
1.一种基于回归的参数化非模型3D人体姿态和形状预测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于回归的参数化非模型3D人体姿态和形状预测方法，其特征在于，步骤S3中，基于如下所示的L2损失函数Lpnp对回归计算模型进行参数优化，监督绝对旋转预测：
3.根据权利要求1所述的基于回归的参数化非模型3D人体姿态和形状预测方法，其特征在于，步骤S4中，按下式计算各关节相对其父关节的相对旋转：
4.根据权利要求1所述的基于回归的参数化非模型3D人体姿态和形状预测方法，其特征在于，步骤S5中，按下式计算SMPL模型的形状参数：p>
5.根据权...
【技术特征摘要】
1.一种基于回归的参数化非模型3d人体姿态和形状预测方法，其特征在于，包括步骤：
2.根据权利要求1所述的基于回归的参数化非模型3d人体姿态和形状预测方法，其特征在于，步骤s3中，基于如下所示的l2损失函数lpnp对回归计算模型进行参数优化，监督绝对旋转预测：
3.根据权利要求1所述的基于回归的参数化非模型3d人体姿态和形状预测方法，其特征在于，步骤s4中，按下式计算各关节相对其父关节的相对旋转：
4.根据权利要求1所述的基于回归的参数化非模型3d人体姿态和形状预测方法，其特征在于，步骤s5中，按下式计算smpl模型的形状参数：
5.根据权利要求1所述的基于回归的参数化非模型3d人体姿态和形状预测方法，其特征在于，步骤s5中，基于如下所示的损失函数lshape对回归计算模型进行参数优化：
...
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。