CN111523485A - 位姿识别方法及装置、电子设备和存储介质 - Google Patents

位姿识别方法及装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111523485A
CN111523485A CN202010335116.6A CN202010335116A CN111523485A CN 111523485 A CN111523485 A CN 111523485A CN 202010335116 A CN202010335116 A CN 202010335116A CN 111523485 A CN111523485 A CN 111523485A
Authority
CN
China
Prior art keywords
key points
target object
image
information
processed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010335116.6A
Other languages
English (en)
Inventor
甄佳楠
周晓巍
方琦
刘文韬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Shangtang Technology Development Co Ltd
Zhejiang Sensetime Technology Development Co Ltd
Original Assignee
Zhejiang Shangtang Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang Shangtang Technology Development Co Ltd filed Critical Zhejiang Shangtang Technology Development Co Ltd
Priority to CN202010335116.6A priority Critical patent/CN111523485A/zh
Publication of CN111523485A publication Critical patent/CN111523485A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种位姿识别方法及装置、电子设备和存储介质，所述方法包括：根据待处理图像和深度图，得到各目标对象的关键点的位置信息以及目标对象的相邻关键点之间的相对深度信息；根据位置信息以及相对深度信息，对各目标对象进行位姿识别处理，得到各目标对象的位姿信息。根据本公开的实施例的位姿识别方法，可分别获得各目标对象的关键点及相邻关键点之间的相对深度信息，并分别对各目标对象进行位姿识别，可识别待处理图像中多个目标对象的位姿，降低各目标对象互相遮挡、尺度不统一和检测歧义等影响，提高位姿识别精度。

Description

位姿识别方法及装置、电子设备和存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及一种位姿识别方法及装置、电子设备和存储介质。
背景技术
人体位姿识别可用于多种用途中，例如，可用于虚拟现实/增强现实领域，或安防监控领域中，可分析目标对象的位置和姿态，进而分析目标对象的行为等。
在相关技术中，位姿识别往往需要多个摄像头拍摄的图像以识别目标对象在三维空间中的位姿，但多个摄像头会增加成本，限制应用场景。并且，在位姿识别前，通常需对目标对象进行检测，增加了额外的检测误差。进一步地，在相关技术中，通常仅能针对一个目标对象进行位姿识别，在多个目标对象的情况下，可能存在互相遮挡、尺度不统一和检测歧义等问题。
发明内容
本公开提出了一种位姿识别方法及装置、电子设备和存储介质。
根据本公开的一方面，提供了一种位姿识别方法，包括：根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的关键点的位置信息以及每个目标对象的相邻关键点之间的相对深度信息；根据各目标对象的关键点位置信息以及所述目标对象的关键点之间的相对深度信息，对各目标对象进行位姿识别处理，得到所述各目标对象的位姿信息。
根据本公开的实施例的位姿识别方法，可通过待处理图像获取目标对象的位姿，无需通过多个摄像头获取的图像确定位姿，节约了硬件成本和运算成本。并且，可通过待处理图像中各目标对象的关键点来确定位姿，无需对目标对象进行检测处理，减少了误差，提高位姿识别的精度。进一步地，可分别获得各目标对象的关键点及相邻关键点之间的相对深度信息，并分别对各目标对象进行位姿识别，可识别待处理图像中多个目标对象的位姿，降低各目标对象互相遮挡、尺度不统一和检测歧义等影响，提高位姿识别精度。
在一种可能的实现方式中，每个目标对象的关键点包括丢失关键点和未丢失关键点，其中，所述根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的关键点的位置信息以及每个目标对象的相邻关键点之间的相对深度信息，包括：根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的未丢失的关键点的位置信息，以及每个目标对象的相邻关键点之间的相对深度信息；所述根据各目标对象的关键点位置信息以及所述目标对象的关键点之间的相对深度信息，对各目标对象进行位姿识别处理，得到所述各目标对象的位姿信息，包括：根据所述目标对象的未丢失关键点的位置信息及所述目标对象的关键点之间的相对深度信息，预测所述各目标对象的丢失关键点的位置信息以及与所述未丢失关键点之间的相对深度信息；根据所述丢失关键点的位置信息、所述未丢失关键点的位置信息以及所述关键点之间的相对深度信息，确定所述各目标对象的位姿信息。
在一种可能的实现方式中，所述关键点的位置信息包括所述关键点在所述待处理图像中的位置坐标以及所述关键点在所述深度图中的绝对深度信息，根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的关键点的位置信息以及每个目标对象的相邻关键点之间的相对深度信息，包括：对所述待处理图像进行关键点检测处理，获得待处理图像中的各关键点的位置坐标以及各关键点之间的连接关系；根据所述深度图及各关键点的位置坐标，确定各关键点的位置信息；根据各关键点的位置信息、各关键点之间的连接关系以及人体约束信息，确定各关键点所属的目标对象，其中，所述人体约束信息包括相邻关键点之间的距离约束信息；根据所述深度图、各关键点之间的连接关系以及各关键点所属的目标对象，确定各目标对象的相邻关键点之间的相对深度。
通过这种方式，可通过人体约束信息来提高连接关系的准确性，进而提高位姿识别的准确性。
在一种可能的实现方式中，对所述待处理图像进行关键点检测处理，获得待处理图像中的各关键点的位置坐标，包括：对所述待处理图像进行关键点检测处理，获得各关键点的概率分布图；对所述概率分布图进行非极大值抑制处理，获得各关键点的位置坐标。
在一种可能的实现方式中，所述深度图包括各关键点的绝对深度信息，根据各关键点的位置信息、各关键点之间的连接关系以及人体约束信息，确定各关键点所属的目标对象，包括：根据各关键点的位置信息以及各关键点之间的连接关系，确定具有连接关系的关键点之间的距离；根据各关键点之间的连接关系、具有连接关系的关键点之间的距离以及所述距离约束信息，确定各关键点所属的目标对象。
在一种可能的实现方式中，所述连接关系通过连接关系矩阵表示，具有连接关系的关键点之间通过连线连接，根据各关键点之间的连接关系、具有连接关系的关键点之间的距离以及所述距离约束信息，确定各关键点所属的目标对象，包括：根据具有连接关系的关键点之间的距离以及所述距离约束信息，优化所述连接关系矩阵；根据优化后的连接关系矩阵确定各关键点所属的目标对象；其中，所述方法还包括：将属于相同目标对象的关键点中，具有连接关系的关键点之间进行连接，获得所述目标对象的骨架图。
在一种可能的实现方式中，所述方法还包括：通过深度估计网络对待处理图像进行深度估计处理，得到待处理图像的深度图。
在一种可能的实现方式中，所述方法还包括：将第一样本图像以及与所述第一样本图像对应的第一样本深度图像输入所述关键点检测网络，获得所述第一样本图像中的每个关键点的位置信息、各关键点之间的连接关系以及具有连接关系的关键点之间的相对深度信息；根据所述第一样本图像中的多个关键点的位置信息、各关键点之间的连接关系、具有连接关系的关键点之间的相对深度信息以及第一样本图像的标注信息，确定所述关键点检测网络的网络损失，其中，所述第一样本图像的标注信息包括关键点的位置标注以及关键点之间的连接关系标注；根据所述网络损失更新所述关键点检测网络。
根据本公开的一方面，提供了一种位姿识别装置，包括：位置确定模块，用于根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的关键点的位置信息以及每个目标对象的相邻关键点之间的相对深度信息；位姿识别模块，用于根据各目标对象的关键点位置信息以及所述目标对象的关键点之间的相对深度信息，对各目标对象进行位姿识别处理，得到所述各目标对象的位姿信息。
在一种可能的实现方式中，每个目标对象的关键点包括丢失关键点和未丢失关键点，其中，所述位置确定模块被进一步配置为：根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的未丢失的关键点的位置信息，以及每个目标对象的相邻关键点之间的相对深度信息；所述位姿识别模块被进一步配置为：根据所述目标对象的未丢失关键点的位置信息及所述目标对象的关键点之间的相对深度信息，预测所述各目标对象的丢失关键点的位置信息以及与所述未丢失关键点之间的相对深度信息；根据所述丢失关键点的位置信息、所述未丢失关键点的位置信息以及所述关键点之间的相对深度信息，确定所述各目标对象的位姿信息。
在一种可能的实现方式中，所述关键点的位置信息包括所述关键点在所述待处理图像中的位置坐标以及所述关键点在所述深度图中的绝对深度信息，所述位置确定模块被进一步配置为：对所述待处理图像进行关键点检测处理，获得待处理图像中的各关键点的位置坐标以及各关键点之间的连接关系；根据所述深度图及各关键点的位置坐标，确定各关键点的位置信息；根据各关键点的位置信息、各关键点之间的连接关系以及人体约束信息，确定各关键点所属的目标对象，其中，所述人体约束信息包括相邻关键点之间的距离约束信息；根据所述深度图、各关键点之间的连接关系以及各关键点所属的目标对象，确定各目标对象的相邻关键点之间的相对深度。
在一种可能的实现方式中，所述位置确定模块被进一步配置为：对所述待处理图像进行关键点检测处理，获得各关键点的概率分布图；对所述概率分布图进行非极大值抑制处理，获得各关键点的位置坐标。
在一种可能的实现方式中，所述深度图包括各关键点的绝对深度信息，所述位置确定模块被进一步配置为：根据各关键点的位置信息以及各关键点之间的连接关系，确定具有连接关系的关键点之间的距离；根据各关键点之间的连接关系、具有连接关系的关键点之间的距离以及所述距离约束信息，确定各关键点所属的目标对象。
在一种可能的实现方式中，所述连接关系通过连接关系矩阵表示，具有连接关系的关键点之间通过连线连接，所述位置确定模块被进一步配置为：根据具有连接关系的关键点之间的距离以及所述距离约束信息，优化所述连接关系矩阵；根据优化后的连接关系矩阵确定各关键点所属的目标对象；所述装置还包括：连接模块，用于将属于相同目标对象的关键点中，具有连接关系的关键点之间进行连接，获得所述目标对象的骨架图。
在一种可能的实现方式中，所述装置还包括：深度估计模块，用于通过深度估计网络对待处理图像进行深度估计处理，得到待处理图像的深度图。
在一种可能的实现方式中，所述装置还包括：关键点检测模块，用于将第一样本图像以及与所述第一样本图像对应的第一样本深度图像输入所述关键点检测网络，获得所述第一样本图像中的每个关键点的位置信息、各关键点之间的连接关系以及具有连接关系的关键点之间的相对深度信息；网络损失模块，用于根据所述第一样本图像中的多个关键点的位置信息、各关键点之间的连接关系、具有连接关系的关键点之间的相对深度信息以及第一样本图像的标注信息，确定所述关键点检测网络的网络损失，其中，所述第一样本图像的标注信息包括关键点的位置标注以及关键点之间的连接关系标注；更新模块，用于根据所述网络损失更新所述关键点检测网络。
根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的位姿识别方法的流程图；
图2示出根据本公开的实施例的目标对象的关键点的示意图；
图3示出根据本公开的实施例的位姿识别方法的示意图；
图4示出根据本公开的实施例的位姿识别装置的框图；
图5示出根据本公开的实施例的电子装置的框图；
图6示出根据本公开的实施例的电子装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的位姿识别方法的流程图，在一种可能的实现方式中，所述位姿识别方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行所述方法。示例性的，所述方法包括：
在步骤S11中，根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的关键点的位置信息以及每个目标对象的相邻关键点之间的相对深度信息。
在步骤S12中，根据各目标对象的关键点位置信息以及所述目标对象的关键点之间的相对深度信息，对各目标对象进行位姿识别处理，得到所述各目标对象的位姿信息。
根据本公开的实施例的位姿识别方法，可以通过单个摄像头获取待处理图像，并对获取待处理图像中的至少一个目标对象的位姿进行识别，避免通过多个摄像头相互标定获取的待处理图像，并对获取待处理图像中的至少一个目标对象的位姿进行识别，节约了硬件成本和运算成本。并且，可通过待处理图像中各目标对象的关键点来确定位姿，无需对目标对象进行检测处理，减少了误差，提高位姿识别的精度。进一步地，可分别获得各目标对象的关键点及相邻关键点之间的相对深度信息，并分别对各目标对象进行位姿识别，可识别待处理图像中多个目标对象的位姿，降低各目标对象互相遮挡、尺度不统一和检测歧义等影响，提高位姿识别精度。
在一种可能的实现方式中，待处理图像中可包括一个或多个目标对象，例如，人、动物等，各目标对象可处于待处理图像中的不同位置，各目标对象的姿态可不同。例如，目标对象A处于待处理图像的左侧，姿态为坐姿，且目标对象A距离拍摄待处理图像的摄像头距离较远(尺度较小)。又例如，目标对象B处于待处理图像的左侧，姿态为站姿，且目标对象B距离拍摄待处理图像的摄像头距离较近(尺度较大)。
在一种可能的实现方式中，待处理图像中的的深度图可通过以下方式获得。
示例性的，可通过神经网络对待处理图像进行深度估计处理，获得待处理图像的深度图。深度图中各像素点的像素值为待处理图像中对应像素点的绝对深度信息(即，像素点对应的实际位置与摄像头之间的距离)。在示例中，所述神经网络可包括深度估计网络，所述方法还包括：通过深度估计网络对待处理图像进行深度估计处理，得到待处理图像的深度图。
在示例中，通过深度相机(RGBD相机)拍摄的RGBD图像，例如，RGBD相机获得的RGBD图像中可包括各像素点的像素值(RGB信息)以及深度值(D信息)，并以RGB信息作为待处理图像，以D信息作为深度图。或者，可通过SFM(structure from motion，运动结构)算法获得待处理图像的深度图。
在一种可能的实现方式中，可通过多个关键点来代表目标对象，则关键点的位置(例如，在地理坐标系或相机坐标系(以摄像头或相机为原点的坐标系)中的绝对位置)及其姿态(各关键点之间的相对位置)可表示目标对象的位姿。
在一种可能的实现方式中，在步骤S11中，可根据待处理图像和深度图，获得待处理图像中各目标对象的关键点的位置信息以及目标对象的相邻关键点之间的相对深度信息。其中，所述关键点的位置信息包括所述关键点在所述待处理图像中的位置坐标以及所述关键点在所述深度图中的绝对深度信息。
图2示出根据本公开的实施例的目标对象的关键点的示意图。如图2所示，目标对象可包括脖子关键点0、头顶关键点1、腹部关键点2、左肩关键点9、左肘关键点10、左腕关键点11、左胯关键点12、左膝关键点13、左脚关键点14、右肩关键点3、右肘关键点4、右腕关键点5、右胯关键点6、右膝关键点7、右脚关键点8等关键点。可在待处理图像中检测关键点，并对待处理图像中的多个关键点进行分类，即，确定各关键点所属的目标对象。目标对象的各关键点之间可能存在连接关系，例如，脖子关键点0和头顶关键点1之间可具有连接关系，左腕关键点11与左肘关键点10之间可具有连接关系。而左腕关键点11和右腕关键点5之间不具有连接关系。具有连接关系的关键点可被确定为相邻关键点，不具有连接关系的关键点之间不相邻。通过深度图，可确定相邻关键点之间的相对深度信息。
在一种可能的实现方式中，步骤S11可包括：对所述待处理图像进行关键点检测处理，获得待处理图像中的各关键点的位置坐标以及各关键点之间的连接关系；根据所述深度图及各关键点的位置坐标，确定各关键点的位置信息；根据各关键点的位置信息、各关键点之间的连接关系以及人体约束信息，确定各关键点所属的目标对象，其中，所述人体约束信息包括相邻关键点之间的距离约束信息；根据所述深度图、各关键点之间的连接关系以及各关键点所属的目标对象，确定各目标对象的相邻关键点之间的相对深度信息。
在一种可能的实现方式中，可对待处理图像进行关键点检测处理，获得待处理图像中各关键点的位置坐标。在该步骤中，可检测到待处理图像中的多个关键点。在示例中，待处理图像中包括多个目标对象，则可检测到多个脖子关键点、头顶关键点、腹部关键点等。进一步地，可检测到各关键点之间的连接关系，例如，同一个目标对象的脖子关键点、头顶关键点之间存在连接关系，如果某个脖子关键点和某个头顶关键点之间存在连接关系，则上述两个关键点属于同一个目标对象，可根据连接关系确定各关键点所属的目标对象。
在一种可能的实现方式中，对所述待处理图像进行关键点检测处理，获得待处理图像中的各关键点的位置坐标，包括：对所述待处理图像进行关键点检测处理，获得各关键点的概率分布图；对所述概率分布图进行非极大值抑制处理，获得各关键点的位置坐标。
在一种可能的实现方式中，可通过所述神经网络中的关键点检测网络检测待处理图像中的关键点，可获得各关键点的概率分布图。在示例中，在概率分布图中，每个关键点均具有对应的概率分布(例如，高斯分布)，即，以关键点的位置为概率分布的均值所在位置的概率分布。在密度分布图中，关键点对应的密度分布中任一像素点的像素值即为概率分布中的概率，该概率代表关键点位于该位置的概率，而均值的位置是概率的最大值对应的位置。根据概率分布函数的性质，对每个概率分布中各位置的概率进行求和的结果为1，因此，针对一个关键点概率分布的所有像素点的像素值之和为1。
在一种可能的实现方式中，可对概率分布图进行非极大值抑制处理，即，抑制每个关键点对应的概率分布中的非极大值，则未被抑制的概率极大值所在位置(即，均值所在位置)即为各关键点的位置。
在一种可能的实现方式中，还可通过所述关键点检测网络确定待处理图像中的各关键点之间的连接关系。在示例中，可通过关键点检测网络确定关键点之间连接关系的概率分布图。在示例中，如果两个关键点之间具有连接关系，可使用长条形的概率分布(例如，可调节高斯分布的协方差矩阵中的参数，以将高斯分布的形状设置为长条形)连接两个关键点。在示例中，还可在具有连接关系的两个关键点之间绘制连线(骨架图)，或者，用连接关系矩阵(例如，该矩阵中第i行第j列的元素表示第i个关键点和第j个关键点之间的连接关系。例如，上述元素可以是上述两个关键点之间具有连接关系的概率，或者，可用二进制的方式表示所述连接关系，例如，1表示具有连接关系，0表示不具有连接关系等)表示各关键点的连接关系等，本公开对连接关系的表现形式不做限制。
在一种可能的实现方式中，可基于关键点之间的连接关系，确定各关键点所属的目标对象，即，确定待处理图像中各目标对象的关键点。在示例中，可根据关键点之间的连接关系，确定关键点所属的目标对象。例如，在待处理图像中检测到了脖子关键点0以及与脖子关键点0具有连接关系的头顶关键点1、腹部关键点2、左肩关键点9和右肩关键点3，则上述关键点可被确定为属于同一目标对象。又例如，在待处理图像中检测到了脖子关键点0，并检测到与该脖子关键点0没有连接关系的头顶关键点1，则该头顶关键点1与脖子关键点0不属于同一目标对象。可根据连接关系确定各关键点所属的目标对象。
在一种可能的实现方式中，还可根据人体约束信息进一步确定各关键点所属的目标对象。例如，各目标对象之间可能互相遮挡，或者神经网络在确定连接关系时出现误差等，可能造成连接关系判断错误，进而造成对关键点所属的目标对象的判断错误。因此，可通过人体约束信息减少判断错误。在示例中，人体约束信息可包括距离约束信息，例如，属于同一个目标对象的所有关键点处于预设范围内(例如，以脖子关键点或腹部关键点为中心的矩形框内或立体区域内，范围内的关键点互相之间的距离满足所述距离约束信息)，或者，两个具有连接关系的关键点之间的距离满足距离约束信息。
在一种可能的实现方式中，根据所述深度图和各关键点的位置坐标确定各关键点的位置信息。例如，关键点的位置信息包括所述关键点在所述待处理图像中的位置坐标以及所述关键点在所述深度图中的绝对深度信息。进一步地，可根据各关键点的位置信息、各关键点之间的连接关系以及人体约束信息，确定各关键点所属的目标对象，该步骤包括：根据各关键点的位置信息以及各关键点之间的连接关系，确定具有连接关系的关键点之间的距离；根据各关键点之间的连接关系、具有连接关系的关键点之间的距离以及所述距离约束信息，确定各关键点所属的目标对象。
在一种可能的实现方式中，可通过关键点的位置信息，确定具有连接关系的关键点之间的距离，例如，关键点的位置信息可包括关键点在待处理图像中的位置坐标，可根据该位置坐标以及绝对深度信息(与摄像头之间的距离)确定关键点的三维坐标。进一步地，可通过各关键点的三维坐标确定具有连接关系的关键点之间的距离(例如欧氏距离)。
在一种可能的实现方式中，可根据人体约束信息(例如距离约束信息)和连接关系进一步确定各关键点所属的目标对象。例如，可利用距离约束信息去除错误的连接关系。
在示例中，属于同一个目标对象的所有关键点处于预设范围内，则该范围之外的关键点与范围内的关键点不属于同一目标对象，不具有连接关系。如果该范围之外的关键点与范围内的关键点具有连接关系，则可认为该连接关系判断错误。所述范围的尺寸可根据范围内的关键点之间的距离来确定(例如脖子关键点和腹部关键点之间的距离)。
在示例中，可利用关键点之间的距离约束来去除错误的连接关系。例如，根据绝对深度信息，即，某个目标对象距离摄像头的距离，可判断该目标对象在待处理图像中的总长度(例如，从头顶关键点到左脚关键点或右脚关键点的总长度)约2cm，但右腕关键点与右肘关键点之间的距离(例如，人的小臂长度)达到1.5cm，在人体比例中明显不合理，则右腕关键点与右肘关键点之间的连接关系为错误的连接关系(例如，错误地将其他人的右腕关键点与该目标对象的右肘关键点进行连接)。
在一种可能的实现方式中，根据各关键点之间的连接关系、具有连接关系的关键点之间的距离以及所述距离约束信息，确定各关键点所属的目标对象，包括：根据具有连接关系的关键点之间的距离以及所述距离约束信息，优化所述连接关系矩阵；根据优化后的连接关系矩阵确定各关键点所属的目标对象。在示例中，可通过连接关系矩阵来表示关键点之间的连接关系，可利用人体约束信息来优化连接关系矩阵，例如，可将错误的连接关系对应的元素值确定为0，将正确的连接关系对应的元素值确定为1等。本公开对连接关系矩阵的元素不做限制。
在一种可能的实现方式中，在去除错误的连接关系后，可筛选出更准确的连接关系，进而确定各目标对象的关键点，即，具有直接或间接连接关系的多个关键点属于同一个目标对象。其中，所述方法还包括：将属于相同目标对象的关键点中，具有连接关系的关键点之间进行连接，获得所述目标对象的骨架图。例如，可通过长条形的概率分布连接具有连接关系的关键点，或者直接通过连线连接具有连接关系的关键点，以获得目标对象的骨架图。本公开对连接方式不做限制。
需要特殊说明的是，若识别的目标对象的所有关键点全部为未丢失关键点，即，某个目标对象的关键点完整(例如，识别出目标对象的15个关键点)，则骨架图为该目标对象的完整骨架图。例如，在利用连接关系和约束信息确定各关键点所属的目标对象后，归属于某个目标对象的关键点为15个，则该目标对象的关键点是完整的，即，该目标对象的关键点全部为未丢失关键点，不存在丢失关键点。各关键点的位置信息以及关键点之间的相对深度信息是完整的，且该目标对象的骨架图是完整的。
若识别的目标对象的所有关键点存在部分丢失关键点，即，某个目标对象的关键点不完整(例如，识别出的目标对象的关键点小于15个)，则骨架图为该目标对象针对其未丢失关键点的骨架图。例如，在利用连接关系和约束信息确定各关键点所属的目标对象后，归属于某个目标对象的关键点小于15个(例如，13个或14个)，则该目标对象中包括的关键点不完整，即，该目标对象的关键点即包括未丢失关键点，也包括丢失关键点，丢失关键点的位置信息以及丢失关键点与未丢失关键点之间的相对深度信息也不完整。例如，某个目标对象的右手臂被部分遮挡，未识别出右腕关键点，则该目标对象的右腕关键点即为丢失关键点，右腕关键点的位置信息是未知的，右腕关键点和未丢失的右肘关键点之间的相对深度信息也是未知的，且该目标对象的骨架图是不完整的。
通过这种方式，可通过人体约束信息来提高连接关系的准确性，进而提高位姿识别的准确性。
在一种可能的实现方式中，可通过深度图中各关键点的绝对深度信息，确定具有连接关系的关键点之间的相对深度信息(即，深度差)。在示例中，在目标对象的各关键点中，可确定一个根节点(例如脖子关键点或腹部关键点等)，并可逐级确定各关键点之间的相对深度信息。例如，以脖子关键点为根节点，腹部关键点与脖子关键点之间的相对深度为1cm，左肩关键点和右肩关键点与脖子关键点之间的相对深度为1cm，左肘关键点与左肩关键点之间的相对深度为-2cm，右肘关键点与右肩关键点之间的相对深度为2cm等。本公开对相对深度不做限制。
在示例中，目标对象的关键点可能存在缺失，例如，未检测到属于同一目标对象的15个关键点(例如，该目标对象的右腕被遮挡，仅检测到14个关键点)。
在一种可能的实现方式中，在步骤S12中，可识别各目标对象的位姿信息。例如，通过步骤S11可确定目标对象A包括15个关键点(确定了该15个关键点的位置信息和相对深度信息)，目标对象B包括14个关键点，目标对象C包括13个关键点等。可根据目标对象A的15个关键点识别目标对象A的位姿信息，根据目标对象B的14个关键点识别目标对象B的位姿信息，根据目标对象C的13个关键点识别目标对象C的位姿信息。
在示例中，可通过位姿识别网络确定目标对象的位姿。例如，在步骤S11中确定目标对象A的完整的关键点(15个关键点)，即，步骤S11可包括：根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的未丢失的关键点的位置信息，以及每个目标对象的相邻关键点之间的相对深度信息。可将目标对象A的关键点表示为一维向量，每个关键点均可表示为具有三个元素的一维向量，例如，所述一维向量的前两个元素为关键点在待处理图像中的位置坐标，所述一维向量的第三个元素为关键点的相对深度信息(例如，该关键点为右肘关键点，该关键点与右肩关键点之间的相对深度为2cm，则相对深度可为2)。本公开对一维向量不做限制。所述位姿识别网络可根据输入的一维向量确定目标对象A的位姿，例如，可对各一维向量所表达的位置信息进行升维处理获得各关键点在地理坐标系中的三维位置坐标，或者相机坐标系中的三维位置坐标，即，目标对象A的位姿信息。
在示例中，如果关键点不完整(例如，目标对象B或目标对象C的关键点不足15个)，则位姿识别网络除了确定目标对象B或目标对象C的关键点的三维位置之外，还可预测出丢失的关键点的三维位置坐标，进而确定目标对象B或目标对象C的位姿信息。
在一种可能的实现方式中，每个目标对象的关键点包括丢失关键点和未丢失关键点，例如，目标对象A包括完整的15个关键点，则目标对象A包括15个未丢失关键点，目标对象B包括14个未丢失关键点和1个丢失关键点，目标对象C包括13个未丢失关键点，2个丢失关键点。步骤S12可包括；根据所述目标对象的未丢失关键点的位置信息及所述目标对象的关键点之间的相对深度信息，预测所述各目标对象的丢失关键点的位置信息以及与所述未丢失关键点之间的相对深度信息；根据所述丢失关键点的位置信息、所述未丢失关键点的位置信息以及所述关键点之间的相对深度信息，确定所述各目标对象的位姿信息。
在示例中，位姿识别网络可通过未丢失关键点的位置信息以及关键点之间的连接关系来预测丢失关键点的位置信息以及丢失关键点与未丢失关键点之间的相对深度信息。例如，目标对象B检测到14个未丢失关键点，未检测到左腕关键点，则目标对象B包括的丢失关键点为左腕关键点。可根据目标对象B的未丢失关键点预测左腕关键点的位置信息以及与左肘关键点之间的相对深度信息。预测出丢失关键点的位置信息及其与未丢失关键点之间的相对深度信息，可得到目标对象所有关键点的位置信息以及相邻关键点之间的相对深度信息，即，获得目标对象的完整的位姿信息。例如，获得目标对象所有关键点的三维位置信息，并获得目标对象的三维位置和姿态。
在示例中，可通过右腕关键点和右肘关键点之间的距离(右小臂长度)来确定左肘关键点和左腕关键点之间的距离(左小臂长度)，例如，可使右小臂长度等于左小臂长度。进一步地，可根据左肩关键点与左肘关键点之间连线的角度来预测左肘关键点和左腕关键点之间连线的角度，例如，在伸直手臂的状态下，上述两种连线的角度相同。通过所述距离和角度，可确定左腕关键点的位置信息以及左腕关键点与左肘关键点之间的相对深度信息。
在一种可能的实现方式中，在预测出丢失关键点的位置信息及其与未丢失关键点之间的相对深度信息后，可利用所有关键点的位置信息以及关键点之间的相对深度信息，确定目标对象的位姿信息。例如，可通过位姿识别网络确定各关键点在地理坐标系中的三维位置坐标，以获得目标对象的位姿信息。
在一种可能的实现方式中，在使用上述神经网络之前，可对上述神经网络进行训练。在示例中，可分别训练深度估计网络、关键点检测网络和位姿识别网络。
在一种可能的实现方式中，可通过RGBD相机拍摄的RGBD图像训练深度估计网络，例如，RGBD相机获得的RGBD图像中可包括各像素点的像素值(RGB信息)以及深度值(D信息)，并以RGB信息作为样本图像，以D信息作为标注，训练深度估计网络。或者，可通过SFM(structure from motion，运动结构)算法获得样本图像的绝对深度信息，并以绝对深度信息作为样本图像的标注，训练深度估计网络。
在一种可能的实现方式中，可将样本图像输入深度估计网络获得预测深度图，并根据预测深度图与样本图像的标注，确定深度估计网络的网络损失。进一步地，可通过深度估计网络的网络损失训练深度估计网络，例如，可通过梯度下降法将深度估计网络的网络损失进行反向传播，以调整深度估计网络的网络参数。可迭代执行上述训练步骤，直到满足深度估计网络的训练条件，深度估计网络的训练条件可包括训练次数，例如，迭代执行上述训练步骤达到预设次数，则完成训练，获得训练后的深度预测网络。或者，训练条件可包括网络损失小于或等于预设阈值或收敛于预设区间，则完成训练，获得训练后的深度预测网络。
在一种可能的实现方式中，还可训练关键点检测网络。所述方法还包括：将第一样本图像以及与第一样本图像对应的第一样本深度图像输入所述关键点检测网络，获得第一样本图像中的每个关键点的位置信息、各关键点之间的连接关系以及具有连接关系的关键点之间的相对深度信息；根据所述第一样本图像中的多个关键点的位置信息、各关键点之间的连接关系、具有连接关系的关键点之间的相对深度信息以及第一样本图像的标注信息，确定所述关键点检测网络的网络损失，其中，所述第一样本图像的标注信息包括关键点的位置标注以及关键点之间的连接关系标注；根据所述网络损失更新所述关键点检测网络。
在一种可能的实现方式中，第一样本图像和第一样本深度图像可以是通过RGBD相机获得的。或者，第一样本图像可以是RGB图像，第一样本深度图像可以是对第一样本图像执行SFM算法获得的深度图像。或者，第一样本图像可以是通过深度估计网络获得的深度图像，所述方法还包括：通过训练后的深度估计网络对所述第一样本图像进行深度估计处理，获得所述第一样本深度图像。
在一种可能的实现方式中，关键点检测网络可对第一样本图像以及第一样本深度图像进行处理，获得第一样本图像中的多个关键点的位置信息、各关键点之间的连接关系以及具有连接关系的关键点之间的相对深度信息。
在一种可能的实现方式中，第一样本图像可具有标注，例如，可标注有个关键点的位置信息、连接关系以及在第一样本深度图像中的绝对深度信息。可根据关键点检测网络获取的各关键点的位置信息、各关键点之间的连接关系、具有连接关系的关键点之间的相对深度信息以及第一样本图像的标注，确定关键点检测网络的网络损失。
在一种可能的实现方式中，可通过关键点检测网络的网络损失训练关键点检测网络，例如，可通过梯度下降法将深度估计网络的网络损失进行反向传播，以调整关键点检测网络的网络参数。可迭代执行上述训练步骤，直到满足关键点检测网络的训练条件，关键点检测网络的训练条件可包括训练次数，例如，迭代执行上述训练步骤达到预设次数，则完成训练，获得训练后的关键点检测网络。或者，训练条件可包括网络损失小于或等于预设阈值或收敛于预设区间，则完成训练，获得训练后的关键点检测网络。
在一种可能的实现方式中，还可训练位姿识别网络。例如，确定目标对象的真实位姿(即，目标对象的关键点在地理坐标系中的三维位置坐标或者在相机坐标系中的三维位置坐标)，并将目标对象的样本图像和深度图像中的关键点的位置信息和相对深度信息输入位姿识别网络，获得目标对象的预测位姿。并可根据预测位姿与真实位姿确定位姿识别网络的网络损失，进而通过网络损失训练位姿识别网络。
在一种可能的实现方式中，还可训练位姿识别网络识别关键点信息不全的目标对象的位姿信息的能力。在示例中，目标对象的关键点可包括15个关键点(例如，脖子关键点、头顶关键点、腹部关键点等)，可在训练位姿识别网络时，缺省其中一部分关键点(例如，仅向位姿识别网络输入13个或14个关键点的位置信息及相对深度信息，即，仅输入未丢失关键点，并通过位姿识别网络预测丢失关键点)，并通过位姿识别网络输出15个关键点在地理坐标系中的三维位置坐标或者在相机坐标系中的三维位置坐标(即，预测出丢失的部分关键点的三维位置坐标)，并可根据输出的15个关键点的三维位置坐标与目标对象的真实位姿确定位姿识别网络的网络损失，进而训练位姿识别网络。本公开对输入和输出位姿识别网络的关键点的数量不做限制。
根据本公开的实施例的位姿识别方法，可通过待处理图像获取目标对象的位姿，无需通过多个摄像头获取的图像确定位姿，节约了硬件成本和运算成本。并且，可通过待处理图像中各目标对象的关键点来确定位姿，无需对目标对象进行检测处理，减少了误差，提高位姿识别的精度。进一步地，可通过人体约束信息来提高连接关系的准确性，并分别获得各目标对象的关键点及相邻关键点之间的相对深度信息，进而分别对各目标对象进行位姿识别，可识别待处理图像中多个目标对象的位姿，降低各目标对象互相遮挡、尺度不统一和检测歧义等影响，提高位姿识别精度。
图3示出根据本公开的实施例的位姿识别方法的示意图，如图3所示，待处理图像中可包括一个或多个目标对象，可通过深度估计网络对待处理图像进行深度估计处理，获得待处理图像的深度图，即，获得了待处理图像中各像素点的绝对深度信息。
在一种可能的实现方式中，可将待处理图像和深度图输入关键点检测网络，获得待处理图像中的关键点的位置信息、关键点之间的连接关系以及具有连接关系的关键点之间的相对深度信息。进一步地，可通过人体约束信息删除错误的连接关系，获得准确度较高的连接关系。进而可确定各关键点所属的目标对象，即，确定各目标对象的关键点。例如，目标对象A的15个关键点，目标对象B的14个关键点等。
在一种可能的实现方式中，可将各目标对象的关键点的位置信息和相对深度信息输入位姿识别网络，获得各目标对象的位姿(即，目标对象的各关键点的三维位置坐标)。在示例中，可通过脖子关键点、头顶关键点、腹部关键点、左肩关键点、左肘关键点、左腕关键点、左胯关键点、左膝关键点、左脚关键点、右肩关键点、右肘关键点、右腕关键点、右胯关键点、右膝关键点、右脚关键点等15个关键点表示目标对象。并可将目标对象的上述15个关键点的位置信息和相对深度信息以一维向量的形式输入位姿识别网络，可获得目标对象的位姿。
在一种可能的实现方式中，如果目标对象的关键点不全，例如，关键点检测网络未检测到该目标对象的15个关键点(例如，由于遮挡等原因，仅检测到14个未丢失关键点，目标对象还包括1个丢失关键点)，则位姿识别网络可预测出丢失关键点的丢失关键点的位置信息以及与所述未丢失关键点之间的相对深度信息，进而确定目标对象位姿信息。
在一种可能的实现方式中，所述位姿识别方法可通过一张图像来预测图像中多个目标对象的位姿，无需通过多张图像进行三维建模等处理，提高了处理效率，节省了处理成本。并可在仅具有普通摄像头获取的图像的情况下估计各像素点的深度，并获得目标对象的位姿信息，节省了硬件成本。进一步地，可在关键点丢失的情况下预测出目标对象的完整的位姿信息。所述位姿识别方法可用于在单摄像头的情况下预测获取图像中的目标对象的位姿，并为目标对象的行为分析提供参考信息。本公开对所述位姿识别方法的应用领域不做限制。
图4示出根据本公开的实施例的位姿识别装置的框图，如图4所示，包括：位置确定模块11，用于根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的关键点的位置信息以及每个目标对象的相邻关键点之间的相对深度信息；位姿识别模块12，用于根据各目标对象的关键点位置信息以及所述目标对象的关键点之间的相对深度信息，对各目标对象进行位姿识别处理，得到所述各目标对象的位姿信息。
在一种可能的实现方式中，每个目标对象的关键点包括丢失关键点和未丢失关键点，其中，所述位置确定模块被进一步配置为：根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的未丢失的关键点的位置信息，以及每个目标对象的相邻关键点之间的相对深度信息；所述位姿识别模块被进一步配置为：根据所述目标对象的未丢失关键点的位置信息及所述目标对象的关键点之间的相对深度信息，预测所述各目标对象的丢失关键点的位置信息以及与所述未丢失关键点之间的相对深度信息；根据所述丢失关键点的位置信息、所述未丢失关键点的位置信息以及所述关键点之间的相对深度信息，确定所述各目标对象的位姿信息。
在一种可能的实现方式中，所述关键点的位置信息包括所述关键点在所述待处理图像中的位置坐标以及所述关键点在所述深度图中的绝对深度信息，所述位置确定模块被进一步配置为：对所述待处理图像进行关键点检测处理，获得待处理图像中的各关键点的位置坐标以及各关键点之间的连接关系；根据所述深度图及各关键点的位置坐标，确定各关键点的位置信息；根据各关键点的位置信息、各关键点之间的连接关系以及人体约束信息，确定各关键点所属的目标对象，其中，所述人体约束信息包括相邻关键点之间的距离约束信息；根据所述深度图、各关键点之间的连接关系以及各关键点所属的目标对象，确定各目标对象的相邻关键点之间的相对深度。
在一种可能的实现方式中，所述位置确定模块被进一步配置为：对所述待处理图像进行关键点检测处理，获得各关键点的概率分布图；对所述概率分布图进行非极大值抑制处理，获得各关键点的位置坐标。
在一种可能的实现方式中，所述深度图包括各关键点的绝对深度信息，所述位置确定模块被进一步配置为：根据各关键点的位置信息以及各关键点之间的连接关系，确定具有连接关系的关键点之间的距离；根据各关键点之间的连接关系、具有连接关系的关键点之间的距离以及所述距离约束信息，确定各关键点所属的目标对象。
在一种可能的实现方式中，所述连接关系通过连接关系矩阵表示，具有连接关系的关键点之间通过连线连接，所述位置确定模块被进一步配置为：根据具有连接关系的关键点之间的距离以及所述距离约束信息，优化所述连接关系矩阵；根据优化后的连接关系矩阵确定各关键点所属的目标对象；所述装置还包括：连接模块，用于将属于相同目标对象的关键点中，具有连接关系的关键点之间进行连接，获得所述目标对象的骨架图。
在一种可能的实现方式中，所述装置还包括：深度估计模块，用于通过深度估计网络对待处理图像进行深度估计处理，得到待处理图像的深度图。
在一种可能的实现方式中，所述装置还包括：关键点检测模块，用于将第一样本图像以及与所述第一样本图像对应的第一样本深度图像输入所述关键点检测网络，获得所述第一样本图像中的每个关键点的位置信息、各关键点之间的连接关系以及具有连接关系的关键点之间的相对深度信息；网络损失模块，用于根据所述第一样本图像中的多个关键点的位置信息、各关键点之间的连接关系、具有连接关系的关键点之间的相对深度信息以及第一样本图像的标注信息，确定所述关键点检测网络的网络损失，其中，所述第一样本图像的标注信息包括关键点的位置标注以及关键点之间的连接关系标注；更新模块，用于根据所述网络损失更新所述关键点检测网络。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外，本公开还提供了位姿识别装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种位姿识别方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的位姿识别方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的位姿识别方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图5，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图6示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图6，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (11)

1.一种位姿识别方法，其特征在于，包括：
根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的关键点的位置信息以及每个目标对象的相邻关键点之间的相对深度信息；
根据各目标对象的关键点位置信息以及所述目标对象的关键点之间的相对深度信息，对各目标对象进行位姿识别处理，得到所述各目标对象的位姿信息。
2.根据权利要求1所述的方法，其特征在于，每个目标对象的关键点包括丢失关键点和未丢失关键点，其中，
所述根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的关键点的位置信息以及每个目标对象的相邻关键点之间的相对深度信息，包括：
根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的未丢失的关键点的位置信息，以及每个目标对象的相邻关键点之间的相对深度信息；
所述根据各目标对象的关键点位置信息以及所述目标对象的关键点之间的相对深度信息，对各目标对象进行位姿识别处理，得到所述各目标对象的位姿信息，包括：
根据所述目标对象的未丢失关键点的位置信息及所述目标对象的关键点之间的相对深度信息，预测所述各目标对象的丢失关键点的位置信息以及与所述未丢失关键点之间的相对深度信息；
根据所述丢失关键点的位置信息、所述未丢失关键点的位置信息以及所述关键点之间的相对深度信息，确定所述各目标对象的位姿信息。
3.根据权利要求1所述的方法，其特征在于，所述关键点的位置信息包括所述关键点在所述待处理图像中的位置坐标以及所述关键点在所述深度图中的绝对深度信息，
根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的关键点的位置信息以及每个目标对象的相邻关键点之间的相对深度信息，包括：
对所述待处理图像进行关键点检测处理，获得待处理图像中的各关键点的位置坐标以及各关键点之间的连接关系；
根据所述深度图及各关键点的位置坐标，确定各关键点的位置信息；
根据各关键点的位置信息、各关键点之间的连接关系以及人体约束信息，确定各关键点所属的目标对象，其中，所述人体约束信息包括相邻关键点之间的距离约束信息；
根据所述深度图、各关键点之间的连接关系以及各关键点所属的目标对象，确定各目标对象的相邻关键点之间的相对深度。
4.根据权利要求3所述的方法，其特征在于，对所述待处理图像进行关键点检测处理，获得待处理图像中的各关键点的位置坐标，包括：
对所述待处理图像进行关键点检测处理，获得各关键点的概率分布图；
对所述概率分布图进行非极大值抑制处理，获得各关键点的位置坐标。
5.根据权利要求3所述的方法，其特征在于，所述深度图包括各关键点的绝对深度信息，
根据各关键点的位置信息、各关键点之间的连接关系以及人体约束信息，确定各关键点所属的目标对象，包括：
根据各关键点的位置信息以及各关键点之间的连接关系，确定具有连接关系的关键点之间的距离；
根据各关键点之间的连接关系、具有连接关系的关键点之间的距离以及所述距离约束信息，确定各关键点所属的目标对象。
6.根据权利要求5所述的方法，其特征在于，所述连接关系通过连接关系矩阵表示，具有连接关系的关键点之间通过连线连接，
根据各关键点之间的连接关系、具有连接关系的关键点之间的距离以及所述距离约束信息，确定各关键点所属的目标对象，包括：
根据具有连接关系的关键点之间的距离以及所述距离约束信息，优化所述连接关系矩阵；
根据优化后的连接关系矩阵确定各关键点所属的目标对象；
其中，所述方法还包括：将属于相同目标对象的关键点中，具有连接关系的关键点之间进行连接，获得所述目标对象的骨架图。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过深度估计网络对待处理图像进行深度估计处理，得到所述待处理图像的深度图。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将第一样本图像以及与所述第一样本图像对应的第一样本深度图像输入所述关键点检测网络，获得所述第一样本图像中的每个关键点的位置信息、各关键点之间的连接关系以及具有连接关系的关键点之间的相对深度信息；
根据所述第一样本图像中的多个关键点的位置信息、各关键点之间的连接关系、具有连接关系的关键点之间的相对深度信息以及第一样本图像的标注信息，确定所述关键点检测网络的网络损失，其中，所述第一样本图像的标注信息包括关键点的位置标注以及关键点之间的连接关系标注；
根据所述网络损失更新所述关键点检测网络。
9.一种位姿识别装置，其特征在于，包括：
位置确定模块，用于根据待处理图像和所述待处理图像的深度图，得到所述待处理图像中各目标对象的关键点的位置信息以及每个目标对象的相邻关键点之间的相对深度信息；
位姿识别模块，用于根据各目标对象的关键点位置信息以及所述目标对象的关键点之间的相对深度信息，对各目标对象进行位姿识别处理，得到所述各目标对象的位姿信息。
10.一种电子设备，其特征在于，包括：
处理器，用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至8中任意一项所述的方法。
11.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
CN202010335116.6A 2020-04-24 2020-04-24 位姿识别方法及装置、电子设备和存储介质 Pending CN111523485A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010335116.6A CN111523485A (zh) 2020-04-24 2020-04-24 位姿识别方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010335116.6A CN111523485A (zh) 2020-04-24 2020-04-24 位姿识别方法及装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN111523485A true CN111523485A (zh) 2020-08-11

Family

ID=71910518

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010335116.6A Pending CN111523485A (zh) 2020-04-24 2020-04-24 位姿识别方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN111523485A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200765A (zh) * 2020-09-04 2021-01-08 浙江大华技术股份有限公司 车辆中被误检的关键点的确定方法及装置
CN112416134A (zh) * 2020-12-10 2021-02-26 华中科技大学 一种快速生成手部关键点数据集的装置及方法
CN112509036A (zh) * 2020-12-01 2021-03-16 北京航空航天大学 位姿估计网络训练及定位方法、装置、设备、存储介质
CN113239785A (zh) * 2021-05-11 2021-08-10 百安居信息技术(上海)有限公司 一种基于卷积神经网络的户型自动识别的方法、系统、存储介质及电子设备
CN114200364A (zh) * 2021-12-08 2022-03-18 深圳市联影高端医疗装备创新研究院 位姿检测方法、位姿检测装置和位姿检测系统
CN115578451A (zh) * 2022-09-30 2023-01-06 北京百度网讯科技有限公司 图像处理方法、图像处理模型的训练方法和装置
CN115830640A (zh) * 2022-12-26 2023-03-21 北京百度网讯科技有限公司 一种人体姿态识别和模型训练方法、装置、设备和介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108062536A (zh) * 2017-12-29 2018-05-22 纳恩博（北京）科技有限公司 一种检测方法及装置、计算机存储介质
CN108960036A (zh) * 2018-04-27 2018-12-07 北京市商汤科技开发有限公司 三维人体姿态预测方法、装置、介质及设备
US20190278983A1 (en) * 2018-03-12 2019-09-12 Nvidia Corporation Three-dimensional (3d) pose estimation from a monocular camera
CN110473259A (zh) * 2019-07-31 2019-11-19 深圳市商汤科技有限公司 位姿确定方法及装置、电子设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108062536A (zh) * 2017-12-29 2018-05-22 纳恩博（北京）科技有限公司 一种检测方法及装置、计算机存储介质
US20190278983A1 (en) * 2018-03-12 2019-09-12 Nvidia Corporation Three-dimensional (3d) pose estimation from a monocular camera
CN108960036A (zh) * 2018-04-27 2018-12-07 北京市商汤科技开发有限公司 三维人体姿态预测方法、装置、介质及设备
CN110473259A (zh) * 2019-07-31 2019-11-19 深圳市商汤科技有限公司 位姿确定方法及装置、电子设备和存储介质

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200765A (zh) * 2020-09-04 2021-01-08 浙江大华技术股份有限公司 车辆中被误检的关键点的确定方法及装置
CN112200765B (zh) * 2020-09-04 2024-05-14 浙江大华技术股份有限公司 车辆中被误检的关键点的确定方法及装置
CN112509036A (zh) * 2020-12-01 2021-03-16 北京航空航天大学 位姿估计网络训练及定位方法、装置、设备、存储介质
CN112509036B (zh) * 2020-12-01 2022-06-07 北京航空航天大学 位姿估计网络训练及定位方法、装置、设备、存储介质
CN112416134A (zh) * 2020-12-10 2021-02-26 华中科技大学 一种快速生成手部关键点数据集的装置及方法
CN113239785A (zh) * 2021-05-11 2021-08-10 百安居信息技术(上海)有限公司 一种基于卷积神经网络的户型自动识别的方法、系统、存储介质及电子设备
CN114200364A (zh) * 2021-12-08 2022-03-18 深圳市联影高端医疗装备创新研究院 位姿检测方法、位姿检测装置和位姿检测系统
CN115578451A (zh) * 2022-09-30 2023-01-06 北京百度网讯科技有限公司 图像处理方法、图像处理模型的训练方法和装置
CN115578451B (zh) * 2022-09-30 2024-01-23 北京百度网讯科技有限公司 图像处理方法、图像处理模型的训练方法和装置
CN115830640A (zh) * 2022-12-26 2023-03-21 北京百度网讯科技有限公司 一种人体姿态识别和模型训练方法、装置、设备和介质
CN115830640B (zh) * 2022-12-26 2024-03-05 北京百度网讯科技有限公司 一种人体姿态识别和模型训练方法、装置、设备和介质

Similar Documents

Publication Publication Date Title
CN109697734B (zh) 位姿估计方法及装置、电子设备和存储介质
CN110674719B (zh) 目标对象匹配方法及装置、电子设备和存储介质
CN110647834B (zh) 人脸和人手关联检测方法及装置、电子设备和存储介质
CN110287874B (zh) 目标追踪方法及装置、电子设备和存储介质
CN110688951B (zh) 图像处理方法及装置、电子设备和存储介质
CN108764069B (zh) 活体检测方法及装置
CN111523485A (zh) 位姿识别方法及装置、电子设备和存储介质
CN110503689B (zh) 位姿预测方法、模型训练方法及装置
CN110569777B (zh) 图像处理方法及装置、电子设备和存储介质
CN109145150B (zh) 目标匹配方法及装置、电子设备和存储介质
CN111462238B (zh) 姿态估计优化方法、装置及存储介质
CN109635920B (zh) 神经网络优化方法及装置、电子设备和存储介质
CN112906484B (zh) 一种视频帧处理方法及装置、电子设备和存储介质
CN109977860B (zh) 图像处理方法及装置、电子设备和存储介质
CN112967264A (zh) 缺陷检测方法及装置、电子设备和存储介质
CN112270288A (zh) 活体识别、门禁设备控制方法和装置、电子设备
CN111860373B (zh) 目标检测方法及装置、电子设备和存储介质
CN109241875B (zh) 姿态检测方法及装置、电子设备和存储介质
CN112184787A (zh) 图像配准方法及装置、电子设备和存储介质
CN111652107A (zh) 对象计数方法及装置、电子设备和存储介质
CN111311588B (zh) 重定位方法及装置、电子设备和存储介质
CN113902730A (zh) 图像处理和神经网络训练方法及装置
CN112529846A (zh) 图像处理方法及装置、电子设备和存储介质
CN113538310A (zh) 图像处理方法及装置、电子设备和存储介质
CN114581525A (zh) 姿态确定方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200811