一种单视图动物3D姿态估计的方法及系统技术方案

本发明专利技术公开了一种单视图动物3D姿态估计的方法及系统，包括：骨干网络接收2D图像数据，对骨干网络进行训练，获取训练好的骨干网络；将骨干网络的输出与3D姿态估计网络连接，构建弱监督学习模块，使用3D标注数据训练弱监督学习模块，形成初始模型，使用初始模型对2D无标注数据进行预测，得到伪标注数据集，将伪标注数据集和真实的3D标注数据合并形成训练集，训练弱监督学习模块；将实时采集的单视图动物图像输入训练好的弱监督学习模块进行单视图动物3D姿态估计；本发明专利技术的优点在于：基于已有大量2D未标注数据、少量3D标注数据，在对标注数据依赖小的前提下，同时不依赖人工经验，有效提升对3D姿态估计准确性的性能上限。

【技术实现步骤摘要】

本专利技术涉及3d姿态估计领域，具体涉及一种单视图动物3d姿态估计的方法及系统。

技术介绍

1、对于布设在野外的相机自动拍摄的图像和视频，需要能够自动高准确率识别其中出现的动物的具体物种。但在野外场景下，由于背景复杂，以及拍摄时动物处在自然运动过程中，进入和离开监控区域时常常出现一些复杂的姿态，对动物的物种识别造成了困难。在有动物的姿态信息进行辅助判断的前提下，可以更有效和准确的对单摄像头拍摄的图像和视频中的动物物种进行识别。

2、针对动物3d姿态估计现有技术已有多种方法，以下对已有方法评价，主要面向对标注数据依赖大与小、是否依赖人工经验、性能上限高与低三个维度。

3、1）基于模型拟合的传统方法

4、概述：预先构建动物的3d模板模型（例如几何模型、骨骼模型），接着通过优化算法让模型与二维图像中的轮廓、关键点等特征相匹配，从而估计出3d姿态参数，如旋转、平移、关节角度等。

5、优点：具有明确的物理意义，在训练数据不足的情况下也能发挥作用，即对标注数据依赖小。

6、缺点：对复杂姿态的泛化能力较差，而且本文档来自技高网...

【技术保护点】

1.一种单视图动物3D姿态估计的方法，其特征在于，包括：

2.根据权利要求1所述的一种单视图动物3D姿态估计的方法，其特征在于，所述骨干网络的工作过程为：

3.根据权利要求2所述的一种单视图动物3D姿态估计的方法，其特征在于，S12包括：

4.根据权利要求3所述的一种单视图动物3D姿态估计的方法，其特征在于，所述利用和生成各尺度的通道注意力权重，各尺度的通道注意力权重与空间注意力图进行逐元素相乘得到最终注意力权重，包括：

5.根据权利要求4所述的一种单视图动物3D姿态估计的方法，其特征在于，所述对骨干网络进行训练的过程为：

6....

【技术特征摘要】

1.一种单视图动物3d姿态估计的方法，其特征在于，包括：

2.根据权利要求1所述的一种单视图动物3d姿态估计的方法，其特征在于，所述骨干网络的工作过程为：

3.根据权利要求2所述的一种单视图动物3d姿态估计的方法，其特征在于，s12包括：

4.根据权利要求3所述的一种单视图动物3d姿态估计的方法，其特征在于，所述利用和生成各尺度的通道注意力权重，各尺度的通道注意力权重与空间注意力图进行逐元素相乘得到最终注意力权重，包括：

5.根据权利要求4所述的一种单视图动物3d姿态估计的方法，其特征在于，所述对骨干网络进行训练的过程为：

6.根据权利要求1所...

【专利技术属性】
技术研发人员：孙志勇，孔凡前，邵瑞清，缪泸君，冯莹莹，万方，况绍祥，迟韵阳，
申请(专利权)人：江西省林业科学院，
类型：发明
国别省市：