CN112257582A - 脚部姿态确定方法、装置、设备和计算机可读介质 - Google Patents

脚部姿态确定方法、装置、设备和计算机可读介质 Download PDF

Info

Publication number
CN112257582A
CN112257582A CN202011135018.4A CN202011135018A CN112257582A CN 112257582 A CN112257582 A CN 112257582A CN 202011135018 A CN202011135018 A CN 202011135018A CN 112257582 A CN112257582 A CN 112257582A
Authority
CN
China
Prior art keywords
foot
determining
key points
target image
dimensional
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
CN202011135018.4A
Other languages
English (en)
Inventor
卢艺帆
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.)
Beijing Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao Network Technology 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 Beijing Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202011135018.4A priority Critical patent/CN112257582A/zh
Publication of CN112257582A publication Critical patent/CN112257582A/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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0641—Shopping interfaces
    • G06Q30/0643—Graphical representation of items or shoppers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Abstract

本公开的实施例公开了脚部姿态确定方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取显示有脚部的目标图像；确定上述目标图像对应的关键点；基于上述关键点，确定三维脚部模型的姿态。该实施方式实现了脚部图像中显示的脚部的姿态的确定，为后续在上述脚部图像上添加鞋的图像，即线上试鞋提供了基础。

Description

脚部姿态确定方法、装置、设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及脚部姿态确定方法、装置、设备和计算机可读介质。
背景技术
随着互联网的发展，在线购物成为人们生活的重要组成部分。其中，用户在购买鞋类商品时，希望有一种线上试鞋的方式，可以向用户展示着装效果，以解决可能存在的着装效果不好，以及尺码不合适等问题。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了脚部姿态确定方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
第一方面，本公开的一些实施例提供了一种脚部姿态确定方法，该方法包括：获取显示有脚部的目标图像；确定上述目标图像对应的关键点；基于上述关键点，确定三维脚部模型的姿态。
第二方面，本公开的一些实施例提供了一种脚部姿态确定装置，装置包括：获取单元，被配置成获取显示有脚部的目标图像；第一确定单元，被配置成确定上述目标图像对应的关键点；第二确定单元，被配置成基于上述关键点，确定三维脚部模型的姿态。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例中的一个实施例具有如下有益效果：通过分析确定的脚部图像的关键点，实现了脚部图像中显示的脚部的姿态的确定，为后续实现线上试鞋提供了基础。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开的一些实施例的脚部姿态确定方法的一个应用场景的示意图；
图2是根据本公开的脚部姿态确定方法的一些实施例的流程图；
图3是根据本公开的脚部姿态确定方法的另一些实施例的流程图；
图4是根据本公开的脚部姿态确定装置的一些实施例的结构示意图；
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的一些实施例的脚部姿态确定方法的一个应用场景的示意图。
在图1所示的应用场景中，首先，计算设备101可以获取显示有脚部的目标图像102。之后，计算设备101可以确定上述目标图像对应的关键点，如附图标记103所示。最后，计算设备101可以基于上述关键点，确定三维脚部模型的姿态104。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或电子设备组成的分布式集群，也可以实现成单个服务器或单个电子设备。当计算设备体现为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备101的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备101。
继续参考图2，示出了根据本公开的脚部姿态确定方法的一些实施例的流程200。该脚部姿态确定方法，包括以下步骤：
步骤201，获取显示有脚部的目标图像。
在一些实施例中，脚部姿态确定方法的执行主体(例如图1所示的计算设备)可以通过有线连接方式或者无线连接方式获取显示有脚部的目标图像。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202，确定上述目标图像对应的关键点。
在一些实施例中，上述执行主体可以通过接收人工输入标注有关键点的目标图像，确定上述目标图像对应的关键点。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤确定上述目标图像对应的关键点：
步骤一，将上述目标图像输入到第一关键点预测网络，得到预设数目个概率图，其中，上述概率图用于表征上述目标图像中像素为关键点的概率。
步骤二，按照概率图中概率值从高到低的顺序，确定上述概率图表征的关键点，得到上述目标图像对应的预设数目个关键点。
在一些实施例中，上述第一关键点预测网络的训练样本可以是通过人工标注的方式得到的。
在一些实施例的一些可选的实现方式中，上述第一关键点预测网络的训练样本还可以是通过以下步骤得到的：
步骤一，确定脚部图像中所显示的脚部的姿态信息。
在一些实施例中，上述执行主体可以通过将上述脚部图像输入到姿态检测软件或者线上姿态检测工具，确定脚部图像中所显示的脚部的姿态信息。
在一些实施例的一些可选的实现方式中，上述执行主体还可以将上述脚部图像输入到预先训练好的脚部姿态估计网络，得到上述脚部图像对应的脚部模型的姿态信息。
步骤二，根据上述姿态信息，调整三维脚部模型的位置坐标和旋转角度，得到调整后的三维脚部模型。
步骤三，从上述调整后的三维脚部模型的构成点中，确定上述三维脚部模型的关键点，得到标注后的三维脚部模型。
步骤四，将上述三维脚部模型中的关键点投影到上述脚部图像，得到标注有关键点的脚部图像作为上述第一关键点预测网络的训练样本。
在一些实施例的一些可选的实现方式中，上述执行主体还可以通过以下步骤确定上述目标图像对应的关键点：
步骤一，将上述目标图像输入到第二关键点预测网络，得到预设数目个概率图，其中，上述概率图用于表征三维脚部模型的每个构成点为关键点的概率。
步骤二，按照概率图中概率值从高到低的顺序，确定上述概率图表征的关键点，得到上述目标图像对应的预设数目个关键点。
在一些实施例中，上述第二关键点预测网络的训练样本可以是通过人工标注的方式得到的。
在一些实施例的一些可选的实现方式中，上述第二关键点预测网络的训练样本还可以是通过以下步骤得到的：
步骤一，确定脚部图像中所显示的脚部的姿态信息。
在一些实施例中，上述执行主体可以通过将上述脚部图像输入到姿态检测软件或者线上姿态检测工具，确定脚部图像中所显示的脚部的姿态信息。
在一些实施例的一些可选的实现方式中，上述执行主体还可以将上述脚部图像输入到预先训练好的脚部姿态估计网络，得到上述脚部图像对应的脚部模型的姿态信息。
步骤二，根据上述姿态信息，调整上述三维脚部模型的位置坐标和旋转角度，得到调整后的三维脚部模型。
步骤三，从上述调整后的三维脚部模型的构成点中，确定上述三维脚部模型的关键点，得到标注有关键点的三维脚部模型作为上述第二关键点预测网络的训练样本。
步骤203，基于上述关键点，确定三维脚部模型的姿态。
在一些实施例中，上述执行主体可以将标注有关键点的目标图像输入到姿态估计网络，确定三维脚部模型的姿态。
在一些实施例的一些可选的实现方式中，上述执行主体可以使用位姿估计算法，基于上述关键点，确定三维脚部模型的姿态。
本公开的一些实施例提供的方法通过分析确定的脚部图像的关键点，实现了脚部图像中显示的脚部的姿态的确定，为后续在上述脚部图像上添加鞋的图像，即线上试鞋提供了基础。
进一步参考图3，其示出了脚部姿态确定方法的另一些实施例的流程300。该脚部姿态确定方法的流程300，包括以下步骤：
步骤301，获取显示有脚部的目标图像。
在一些实施例中，步骤301的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤201，在此不再赘述。
步骤302，将上述目标图像输入到第一关键点预测网络，得到预设数目个概率图，其中，上述概率图用于表征上述目标图像中像素为关键点的概率。
在一些实施例中，上述第一关键点预测网络的训练样本可以是通过人工标注的方式得到的。
在一些实施例的一些可选的实现方式中，上述第一关键点预测网络的训练样本还可以是通过以下步骤得到的：
步骤一，确定脚部图像中所显示的脚部的姿态信息。
在一些实施例中，上述执行主体可以通过将上述脚部图像输入到姿态检测软件或者线上姿态检测工具，确定脚部图像中所显示的脚部的姿态信息。
在一些实施例的一些可选的实现方式中，上述执行主体还可以将上述脚部图像输入到预先训练好的脚部姿态估计网络，得到上述脚部图像对应的脚部模型的姿态信息。
步骤二，根据上述姿态信息，调整三维脚部模型的位置坐标和旋转角度，得到调整后的三维脚部模型。
步骤三，从上述调整后的三维脚部模型的构成点中，确定上述三维脚部模型的关键点，得到标注后的三维脚部模型。
步骤四，将上述三维脚部模型中的关键点投影到上述脚部图像，得到标注有关键点的脚部图像作为上述第一关键点预测网络的训练样本。
步骤303，按照概率图中概率值从高到低的顺序，确定上述概率图表征的关键点，得到上述目标图像对应的预设数目个关键点。
步骤304，使用位姿估计算法，基于上述关键点，确定三维脚部模型的姿态。
从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的脚部姿态确定方法的流程300体现了确定关键点的具体步骤。由此，这些实施例描述的方案可以更准确地确定上述目标图像对应的关键点，从而更准确地确定三维脚部模型的姿态，使后续线上试鞋展现出更好的效果。
进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种脚部姿态确定装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，一些实施例的脚部姿态确定装置400包括：获取单元401、第一确定单元402、第二确定单元403。其中，获取单元401，被配置成获取显示有脚部的目标图像；第一确定单元402，被配置成确定上述目标图像对应的关键点；第二确定单元403，被配置成基于上述关键点，确定三维脚部模型的姿态。
在一些实施例的可选实现方式中，第一确定单元402进一步被配置成：将上述目标图像输入到第一关键点预测网络，得到预设数目个概率图，其中，上述概率图用于表征上述目标图像中像素为关键点的概率；按照概率图中概率值从高到低的顺序，确定上述概率图表征的关键点，得到上述目标图像对应的预设数目个关键点。
在一些实施例的可选实现方式中，第一确定单元402进一步被配置成：将上述目标图像输入到第二关键点预测网络，得到预设数目个概率图，其中，上述概率图用于表征三维脚部模型的每个构成点为关键点的概率；按照概率图中概率值从高到低的顺序，确定上述概率图表征的关键点，得到上述目标图像对应的预设数目个关键点。
在一些实施例的可选实现方式中，上述第一关键点预测网络的训练样本是通过以下步骤得到的：确定脚部图像中所显示的脚部的姿态信息；根据上述姿态信息，调整三维脚部模型的位置坐标和旋转角度，得到调整后的三维脚部模型；从上述调整后的三维脚部模型的构成点中，确定上述三维脚部模型的关键点，得到标注后的三维脚部模型；将上述三维脚部模型中的关键点投影到上述脚部图像，得到标注有关键点的脚部图像作为上述第一关键点预测网络的训练样本。
在一些实施例的可选实现方式中，上述第二关键点预测网络的训练样本是通过以下步骤得到的：确定脚部图像中所显示的脚部的姿态信息；根据上述姿态信息，调整上述三维脚部模型的位置坐标和旋转角度，得到调整后的三维脚部模型；从上述调整后的三维脚部模型的构成点中，确定上述三维脚部模型的关键点，得到标注有关键点的三维脚部模型作为上述第二关键点预测网络的训练样本。
在一些实施例的可选实现方式中，上述确定脚部图像中所显示的脚部的姿态信息，包括：将上述脚部图像输入到预先训练好的脚部姿态估计网络，得到上述脚部图像对应的脚部模型的姿态信息。
在一些实施例的可选实现方式中，第二确定单元403进一步被配置成：使用位姿估计算法，基于上述关键点，确定三维脚部模型的姿态。
可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。
下面参考图5，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器或终端设备)500的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取显示有脚部的目标图像；确定上述目标图像对应的关键点；基于上述关键点，确定三维脚部模型的姿态。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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、或代码的一部分，该模块、程序段、或代码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。也应当注意，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，两个接连地表示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操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。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一确定单元、第二确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标图像的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例，提供了一种脚部姿态确定方法，包括：获取显示有脚部的目标图像；确定上述目标图像对应的关键点；基于上述关键点，确定三维脚部模型的姿态。
根据本公开的一个或多个实施例，上述确定上述目标图像对应的关键点，包括：将上述目标图像输入到第一关键点预测网络，得到预设数目个概率图，其中，上述概率图用于表征上述目标图像中像素为关键点的概率；按照概率图中概率值从高到低的顺序，确定上述概率图表征的关键点，得到上述目标图像对应的预设数目个关键点。
根据本公开的一个或多个实施例，上述确定上述目标图像对应的关键点，包括：将上述目标图像输入到第二关键点预测网络，得到预设数目个概率图，其中，上述概率图用于表征三维脚部模型的每个构成点为关键点的概率；按照概率图中概率值从高到低的顺序，确定上述概率图表征的关键点，得到上述目标图像对应的预设数目个关键点。
根据本公开的一个或多个实施例，上述第一关键点预测网络的训练样本是通过以下步骤得到的：确定脚部图像中所显示的脚部的姿态信息；根据上述姿态信息，调整三维脚部模型的位置坐标和旋转角度，得到调整后的三维脚部模型；从上述调整后的三维脚部模型的构成点中，确定上述三维脚部模型的关键点，得到标注后的三维脚部模型；将上述三维脚部模型中的关键点投影到上述脚部图像，得到标注有关键点的脚部图像作为上述第一关键点预测网络的训练样本。
根据本公开的一个或多个实施例，上述第二关键点预测网络的训练样本是通过以下步骤得到的：确定脚部图像中所显示的脚部的姿态信息；根据上述姿态信息，调整上述三维脚部模型的位置坐标和旋转角度，得到调整后的三维脚部模型；从上述调整后的三维脚部模型的构成点中，确定上述三维脚部模型的关键点，得到标注有关键点的三维脚部模型作为上述第二关键点预测网络的训练样本。
根据本公开的一个或多个实施例，上述确定脚部图像中所显示的脚部的姿态信息，包括：将上述脚部图像输入到预先训练好的脚部姿态估计网络，得到上述脚部图像对应的脚部模型的姿态信息。
根据本公开的一个或多个实施例，上述基于上述关键点，确定三维脚部模型的姿态，包括：使用位姿估计算法，基于上述关键点，确定三维脚部模型的姿态。
根据本公开的一个或多个实施例，提供了一种脚部姿态确定装置，包括：获取单元，被配置成获取显示有脚部的目标图像；第一确定单元，被配置成确定上述目标图像对应的关键点；第二确定单元，被配置成基于上述关键点，确定三维脚部模型的姿态。
根据本公开的一个或多个实施例，第一确定单元进一步被配置成：将上述目标图像输入到第一关键点预测网络，得到预设数目个概率图，其中，上述概率图用于表征上述目标图像中像素为关键点的概率；按照概率图中概率值从高到低的顺序，确定上述概率图表征的关键点，得到上述目标图像对应的预设数目个关键点。
根据本公开的一个或多个实施例，第一确定单元进一步被配置成：将上述目标图像输入到第二关键点预测网络，得到预设数目个概率图，其中，上述概率图用于表征三维脚部模型的每个构成点为关键点的概率；按照概率图中概率值从高到低的顺序，确定上述概率图表征的关键点，得到上述目标图像对应的预设数目个关键点。
根据本公开的一个或多个实施例，上述第一关键点预测网络的训练样本是通过以下步骤得到的：确定脚部图像中所显示的脚部的姿态信息；根据上述姿态信息，调整三维脚部模型的位置坐标和旋转角度，得到调整后的三维脚部模型；从上述调整后的三维脚部模型的构成点中，确定上述三维脚部模型的关键点，得到标注后的三维脚部模型；将上述三维脚部模型中的关键点投影到上述脚部图像，得到标注有关键点的脚部图像作为上述第一关键点预测网络的训练样本。
根据本公开的一个或多个实施例，上述第二关键点预测网络的训练样本是通过以下步骤得到的：确定脚部图像中所显示的脚部的姿态信息；根据上述姿态信息，调整上述三维脚部模型的位置坐标和旋转角度，得到调整后的三维脚部模型；从上述调整后的三维脚部模型的构成点中，确定上述三维脚部模型的关键点，得到标注有关键点的三维脚部模型作为上述第二关键点预测网络的训练样本。
根据本公开的一个或多个实施例，上述确定脚部图像中所显示的脚部的姿态信息，包括：将上述脚部图像输入到预先训练好的脚部姿态估计网络，得到上述脚部图像对应的脚部模型的姿态信息。
根据本公开的一个或多个实施例，第二确定单元进一步被配置成：使用位姿估计算法，基于上述关键点，确定三维脚部模型的姿态。
根据本公开的一个或多个实施例，提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一的方法。
根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如上述任一的方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种脚部姿态确定方法，包括：
获取显示有脚部的目标图像；
确定所述目标图像对应的关键点；
基于所述关键点，确定三维脚部模型的姿态。
2.根据权利要求1所述的方法，其中，所述确定所述目标图像对应的关键点，包括：
将所述目标图像输入到第一关键点预测网络，得到预设数目个概率图，其中，所述概率图用于表征所述目标图像中像素为关键点的概率；
按照概率图中概率值从高到低的顺序，确定所述概率图表征的关键点，得到所述目标图像对应的预设数目个关键点。
3.根据权利要求1所述的方法，其中，所述确定所述目标图像对应的关键点，包括：
将所述目标图像输入到第二关键点预测网络，得到预设数目个概率图，其中，所述概率图用于表征三维脚部模型的每个构成点为关键点的概率；
按照概率图中概率值从高到低的顺序，确定所述概率图表征的关键点，得到所述目标图像对应的预设数目个关键点。
4.根据权利要求2所述的方法，其中，所述第一关键点预测网络的训练样本是通过以下步骤得到的：
确定脚部图像中所显示的脚部的姿态信息；
根据所述姿态信息，调整三维脚部模型的位置坐标和旋转角度，得到调整后的三维脚部模型；
从所述调整后的三维脚部模型的构成点中，确定所述三维脚部模型的关键点，得到标注后的三维脚部模型；
将所述三维脚部模型中的关键点投影到所述脚部图像，得到标注有关键点的脚部图像作为所述第一关键点预测网络的训练样本。
5.根据权利要求3所述的方法，其中，所述第二关键点预测网络的训练样本是通过以下步骤得到的：
确定脚部图像中所显示的脚部的姿态信息；
根据所述姿态信息，调整所述三维脚部模型的位置坐标和旋转角度，得到调整后的三维脚部模型；
从所述调整后的三维脚部模型的构成点中，确定所述三维脚部模型的关键点，得到标注有关键点的三维脚部模型作为所述第二关键点预测网络的训练样本。
6.根据权利要求4或5所述的方法，其中，所述确定脚部图像中所显示的脚部的姿态信息，包括：
将所述脚部图像输入到预先训练好的脚部姿态估计网络，得到所述脚部图像对应的脚部模型的姿态信息。
7.根据权利要求1所述的方法，其中，所述基于所述关键点，确定三维脚部模型的姿态，包括：
使用位姿估计算法，基于所述关键点，确定三维脚部模型的姿态。
8.一种用于确定脚部姿态的装置，包括：
获取单元，被配置成获取显示有脚部的目标图像；
第一确定单元，被配置成确定所述目标图像对应的关键点；
第二确定单元，被配置成基于所述关键点，确定三维脚部模型的姿态。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN202011135018.4A 2020-10-21 2020-10-21 脚部姿态确定方法、装置、设备和计算机可读介质 Pending CN112257582A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011135018.4A CN112257582A (zh) 2020-10-21 2020-10-21 脚部姿态确定方法、装置、设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011135018.4A CN112257582A (zh) 2020-10-21 2020-10-21 脚部姿态确定方法、装置、设备和计算机可读介质

Publications (1)

Publication Number Publication Date
CN112257582A true CN112257582A (zh) 2021-01-22

Family

ID=74264103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011135018.4A Pending CN112257582A (zh) 2020-10-21 2020-10-21 脚部姿态确定方法、装置、设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN112257582A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022188708A1 (zh) * 2021-03-11 2022-09-15 北京字跳网络技术有限公司 基于增强现实的试鞋方法、装置和电子设备
WO2023020327A1 (zh) * 2021-08-19 2023-02-23 上海商汤智能科技有限公司 图像处理
CN115937964A (zh) * 2022-06-27 2023-04-07 北京字跳网络技术有限公司 姿态估计的方法、装置、设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105608737A (zh) * 2016-02-01 2016-05-25 成都通甲优博科技有限责任公司 一种基于机器学习的人体足部三维重建方法
CN106548179A (zh) * 2016-09-29 2017-03-29 北京市商汤科技开发有限公司 物体和服饰关键点的检测方法、装置和电子设备
CN109410276A (zh) * 2018-11-01 2019-03-01 北京达佳互联信息技术有限公司 关键点位置确定方法、装置及电子设备
CN109657583A (zh) * 2018-12-10 2019-04-19 腾讯科技（深圳）有限公司 脸部关键点检测方法、装置、计算机设备和存储介质
CN110751039A (zh) * 2019-09-18 2020-02-04 平安科技（深圳）有限公司 多视图3d人体姿态估计方法及相关装置
CN111126272A (zh) * 2019-12-24 2020-05-08 腾讯科技（深圳）有限公司 姿态获取方法、关键点坐标定位模型的训练方法和装置
CN111383350A (zh) * 2018-12-28 2020-07-07 广州市百果园信息技术有限公司 图片三维姿态标注方法、装置、计算机存储介质和终端

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105608737A (zh) * 2016-02-01 2016-05-25 成都通甲优博科技有限责任公司 一种基于机器学习的人体足部三维重建方法
CN106548179A (zh) * 2016-09-29 2017-03-29 北京市商汤科技开发有限公司 物体和服饰关键点的检测方法、装置和电子设备
CN109410276A (zh) * 2018-11-01 2019-03-01 北京达佳互联信息技术有限公司 关键点位置确定方法、装置及电子设备
CN109657583A (zh) * 2018-12-10 2019-04-19 腾讯科技（深圳）有限公司 脸部关键点检测方法、装置、计算机设备和存储介质
CN111383350A (zh) * 2018-12-28 2020-07-07 广州市百果园信息技术有限公司 图片三维姿态标注方法、装置、计算机存储介质和终端
CN110751039A (zh) * 2019-09-18 2020-02-04 平安科技（深圳）有限公司 多视图3d人体姿态估计方法及相关装置
CN111126272A (zh) * 2019-12-24 2020-05-08 腾讯科技（深圳）有限公司 姿态获取方法、关键点坐标定位模型的训练方法和装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022188708A1 (zh) * 2021-03-11 2022-09-15 北京字跳网络技术有限公司 基于增强现实的试鞋方法、装置和电子设备
WO2023020327A1 (zh) * 2021-08-19 2023-02-23 上海商汤智能科技有限公司 图像处理
CN115937964A (zh) * 2022-06-27 2023-04-07 北京字跳网络技术有限公司 姿态估计的方法、装置、设备和存储介质
CN115937964B (zh) * 2022-06-27 2023-12-15 北京字跳网络技术有限公司 姿态估计的方法、装置、设备和存储介质

Similar Documents

Publication Publication Date Title
CN111399956B (zh) 应用于显示设备的内容展示方法、装置和电子设备
CN110532981B (zh) 人体关键点提取方法、装置、可读存储介质及设备
CN111784712B (zh) 图像处理方法、装置、设备和计算机可读介质
CN112257582A (zh) 脚部姿态确定方法、装置、设备和计算机可读介质
CN110516678B (zh) 图像处理方法和装置
CN112183388A (zh) 图像处理方法、装置、设备和介质
CN111710017A (zh) 展示方法、装置和电子设备
CN111756953A (zh) 视频处理方法、装置、设备和计算机可读介质
CN111311358A (zh) 信息处理方法、装置和电子设备
CN111586295B (zh) 图像生成方法、装置和电子设备
CN115408609A (zh) 泊车路线推荐方法、装置、电子设备和计算机可读介质
CN111726476B (zh) 图像处理方法、装置、设备和计算机可读介质
CN111835917A (zh) 活动范围展示方法、装置、设备和计算机可读介质
CN112488947A (zh) 模型训练和图像处理方法、装置、设备和计算机可读介质
CN112418233A (zh) 图像处理方法、装置、可读介质及电子设备
CN112233207A (zh) 图像处理方法、装置、设备和计算机可读介质
CN110209851B (zh) 模型训练方法、装置、电子设备及存储介质
CN112070034A (zh) 图像识别方法、装置、电子设备和计算机可读介质
CN112241744A (zh) 图像颜色迁移方法、装置、设备和计算机可读介质
CN112488204A (zh) 训练样本生成方法、图像分割方法、装置、设备和介质
CN111680754A (zh) 图像分类方法、装置、电子设备及计算机可读存储介质
CN112464039A (zh) 树形结构的数据显示方法、装置、电子设备和介质
CN112346630B (zh) 状态确定方法、装置、设备和计算机可读介质
CN111460334B (zh) 信息显示方法、装置和电子设备
CN111797932B (zh) 图像分类方法、装置、设备和计算机可读介质

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