CN112562068B - 人体姿态生成方法、装置、电子设备及存储介质 - Google Patents
人体姿态生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112562068B CN112562068B CN202011553408.3A CN202011553408A CN112562068B CN 112562068 B CN112562068 B CN 112562068B CN 202011553408 A CN202011553408 A CN 202011553408A CN 112562068 B CN112562068 B CN 112562068B
- Authority
- CN
- China
- Prior art keywords
- target person
- target
- virtual
- human body
- current
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
Abstract
本公开提供了一种人体姿态生成方法、装置、电子设备、存储介质及计算机程序产品,涉及深度学习等领域。具体实现方案为:基于包含目标人物的N个视角下分别对应的当前帧图像,生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态;其中,N为大于等于2的整数;获取所述当前时刻下所述目标人物与实际地面之间的实际交互状态;基于所述实际交互状态对所述当前时刻下虚拟环境中所述初始虚拟三维人体姿态进行调整得到目标虚拟三维人体姿态,展示所述当前时刻下在所述虚拟环境中的所述目标虚拟三维人体姿态。
Description
技术领域
本公开涉及计算机技术领域。本公开尤其涉及深度学习领域。
背景技术
人体姿态生成即从单个的图片或视频中生成人体姿态的虚拟三维姿态,通常虚拟三维姿态根据二维图像来构建。但是,目前基于人物实时构建起对应的虚拟三维姿态,可能会出现与虚拟环境交互不符合物理动力学的情况,因此,如何使得人物的虚拟三维姿态与虚拟环境的交互更加符合实际情况,就成为需要解决的问题。
发明内容
本公开提供了一种人体姿态生成方法、装置、电子设备、存储介质及计算机程序产品。
根据本公开的一方面,提供了一种人体姿态生成方法,包括:
基于包含目标人物的N个视角下分别对应的当前帧图像,生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态;其中,N为大于等于2的整数;
获取所述当前时刻下所述目标人物与实际地面之间的实际交互状态;
基于所述实际交互状态对所述当前时刻下虚拟环境中所述初始虚拟三维人体姿态进行调整得到目标虚拟三维人体姿态,展示所述当前时刻下在所述虚拟环境中的所述目标虚拟三维人体姿态。
根据本公开的另一方面,提供了一种人体姿态生成装置,包括:
初始姿态构建模块,用于基于包含目标人物的N个视角下分别对应的当前帧图像,生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态;其中,N为大于等于2的整数;
状态获取模块,用于获取所述当前时刻下所述目标人物与实际地面之间的实际交互状态;
姿态调整模块,用于基于所述实际交互状态对所述当前时刻下虚拟环境中所述初始虚拟三维人体姿态进行调整得到目标虚拟三维人体姿态,展示所述当前时刻下在所述虚拟环境中的所述目标虚拟三维人体姿态。
根据本公开的另一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现本公开任一实施例中的方法。
采用本公开,可以实时的根据目标人物的N个视角的图像,来确定所述目标人物对应的初始虚拟三维人体姿态,再结合所述当前时刻下所述目标人物与实际地面之间的实际交互状态,来对所述初始虚拟三维人体姿态进行约束,使得最终得到的在虚拟环境中的目标虚拟三维人体姿态与虚拟地面之间的虚拟交互状态更加合理,从而使得实时显示的在虚拟环境中的目标虚拟三维人体姿态的效果更加真实。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的人体姿态生成方法流程示意图;
图2是根据本公开第二实施例的人体姿态生成方法流程示意图;
图3是根据本公开第三实施例的人体姿态生成方法流程示意图;
图4是根据本公开实施例的立体视觉处理方法示意图;
图5A是根据本公开实施例的目标人物的关节点的示意图;
图5B是根据本公开实施例的一种初始虚拟三维人体姿态的示意图;
图6是根据本公开第四实施例的人体姿态生成装置组成结构示意图;
图7是用来实现本公开实施例的人体姿态生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请第一实施例的人体姿态生成方法的流程示意图。该方法可以包括:
S101:基于包含目标人物的N个视角下分别对应的当前帧图像,生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态;其中,N为大于等于2的整数;
S102:获取所述当前时刻下所述目标人物与实际地面之间的实际交互状态;
S103:基于所述实际交互状态对所述当前时刻下所述虚拟环境中所述初始虚拟三维人体姿态进行调整得到目标虚拟三维人体姿态,展示所述当前时刻下在所述虚拟环境中的所述目标虚拟三维人体姿态。
本实施例可以应用于电子设备,比如,可以是智能手机、平板电脑、个人电脑等设备。
所述N个视角下分别对应的当前帧图像的获取方式可以包括:从N个摄像头获取每一个摄像头采集的包含目标人物的当前帧图像,作为所述当前时刻下包含目标人物的N个视角下分别对应的当前帧图像。也就是说,同一次可以获取包含目标人物的N个视角下的N个当前帧图像。
其中,所述N个摄像头中,不同摄像头相对于目标人物的拍摄角度是不同的,本实施例中将其称为在N个视角下的N个摄像头;相应的,从所述N个视角下的N个摄像头分别获取包含目标人物的当前帧图像,就可以得到所述当前时刻的包含目标人物的N个视角下分别对应的当前帧图像。
基于所述包含目标人物的N个视角下分别对应的当前帧图像,生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态,可以指的是:
先基于所述包含目标人物的N个视角下分别对应的当前帧图像确定所述目标人物的关节点在世界坐标系下的三维位置信息;基于所述目标人物的所述关节点在所述世界坐标系下的三维位置信息,以及预设的约束条件生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态。
在得到所述初始虚拟三维人体姿态之后,需要对所述当前时刻下初始虚拟三维人体姿态与所述虚拟环境中的虚拟地面的虚拟交互状态进行检测或调整。本实施例提供的方案中,基于当前时刻下所述目标人物与实际地面之间的实际交互状态来对所述当前时刻下初始虚拟三维人体姿态与所述虚拟环境中的虚拟地面的虚拟交互状态进行检测或调整。比如,可以获取当前时刻下所述目标人物与实际地面之间的实际交互状态,以及获取所述当前时刻下在虚拟环境中所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态;进而在所述实际交互状态与所述虚拟交互状态不同的情况下,对所述当前时刻下初始虚拟三维人体姿态与所述虚拟环境中的虚拟地面的虚拟交互状态进行调整。
其中,所述实际交互状态与所述虚拟交互状态是否相同的判断方式,具体指的是:所述当前时刻下所述目标人物与实际地面之间的实际交互状态为接触,所述当前时刻下在虚拟环境中所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态为不接触,则实际交互状态与所述虚拟交互状态不同。
又或者,所述当前时刻下所述目标人物与实际地面之间的实际交互状态为不接触,所述当前时刻下在虚拟环境中所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态为接触,则实际交互状态与所述虚拟交互状态不同。
在上述实际交互状态与所述虚拟交互状态不同的情况下,基于所述实际交互状态对所述当前时刻下所述虚拟环境中所述初始虚拟三维人体姿态进行调整得到目标虚拟三维人体姿态,也就是使得当前时刻下所述虚拟环境中所述目标虚拟三维人体姿态与虚拟地面的虚拟交互状态,调整为与所述实际交互状态相同。
如此,可以实时的根据目标人物的N个视角的图像,来确定所述目标人物对应的初始虚拟三维人体姿态,再结合所述当前时刻下所述目标人物与实际地面之间的实际交互状态,来对所述初始虚拟三维人体姿态进行约束,使得最终得到的在虚拟环境中的目标虚拟三维人体姿态与虚拟地面之间的虚拟交互状态更加合理,从而使得实时显示的在虚拟环境中的目标虚拟三维人体姿态的效果更加真实。
图2是根据本申请第二实施例的人体姿态生成方法的流程图。该实施例的基于场景的控制方法可以包括上述实施例的各步骤。在本实施例中,该方法的S102中所述获取所述当前时刻下所述目标人物与实际地面之间的实际交互状态,包括:
S201:从所述包含目标人物的所述N个视角下分别对应的当前帧图像的第i个视角的当前帧图像中,获取所述当前时刻下所述目标人物的关节点的二维信息;其中,i为大于等于1且小于等于N个整数;
S202:将所述当前时刻下所述目标人物的关节点的二维信息输入至目标网络,得到所述目标网络输出的所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态。
其中,所述第i个视角的当前帧图像可以为所述包含目标人物的所述N个视角下分别对应的当前帧图像中的任意一个;
又或者,可以是预先指定的一个视角的图像,比如该视角的拍摄角度遮挡情况基本不存在,也就是该视角的图像置信度可能比较高,因此可以预先指定该视角的图像作为所述第i个视角的图像。本实施例不对全部的情况进行穷举。
所述目标人物的关节点的数量可以根据实际情况来确定,比如可以根据人体关键点网络中包含的关节点的数量来确定,假设人体关键点网络中包含有K个关节点,并且当前第i个视角的图像中可以提取到K个关节点的二维信息,则获取到的当前时刻下所述目标人物的K个关节点的二维信息;K为大于等于2的整数。
所述目标人物的关节点的二维信息可以指的是所述目标人物的K个关节点中每一个关节点的二维位置信息。所述关节点的二维位置信息可以是在第i个视角的当前帧图像对应的图像坐标系下的关节点的二维位置信息。
所述将所述当前时刻下所述目标人物的关节点的二维信息输入至目标网络,得到所述目标网络输出的所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态,可以为:将所述目标人物的所述K个关节点的二维信息输入到所述目标网络中,可以得到所述目标网络输出的所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态;以及可以得到所述目标网络输出的所述当前时刻下所述目标人物的运动状态。其中,所述目标人物的运动状态可以表示所述目标人物在当前时刻处于静止姿态或非静止姿态。
上述处理中所述目标网络为预先训练得到的,具体可以包括:
采用训练样本对所述预设的神经网络进行训练,将训练后的神经网络作为所述目标网络;其中,所述训练样本包含图像中人物的关节点的二维位置信息,以及用于指示当前对象处于静止还是非静止姿势的标签,以及用于指示人物的脚与实际地面的接触状态的标签。
其中,所述用于指示当前对象处于静止还是非静止姿势的标签可以设置为1或0,或者可以设置为真或假等等;示例性的1或真可以表示静止,0或假可以表示非静止。用于指示人物的脚与实际地面的接触状态的标签可以设置为1或0,或者可以设置为真或假等等;示例性的1或真可以表示接触,0或假可以表示非接触。需要理解的是,实际处理时可以设置为其他二元标签,并且设置的值可以与上述不同,这里不进行穷举。
确定所述预设的神经网络训练完成的方式,可以是基于预设的收敛条件来判断;所述收敛条件可以包括有迭代次数、损失函数小于预设损失、准确率高于预设准确率门限值等任意之一,这里不对其进行限定。
如此,可以基于当前时刻下所述目标人物的关节点的二维信息以及目标网络预测得到所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态,从而保证了确定当前时刻的目标人物的实际交互状态的准确性以及高效性,也保证了后续结合实际交互状态对初始虚拟三维人体姿态进行调整的准确性以及高效性。
在一种实施方式中,所述方法还包括:
基于包含目标人物的N个视角下分别对应的M个历史帧图像,确定所述目标人物与所述实际地面的所述实际交互状态为接触的情况下所述目标人物的目标部位在世界坐标系下的高度值;其中,M为大于等于2的整数;
基于所述目标人物的目标部位在世界坐标系下的高度值,确定所述目标人物的目标部位在所述世界坐标系下的高度阈值。
上述所述目标人物的所述目标部位可以包括有所述目标人物的一个或多个目标部位,也就是所述目标部位的数量可以有1个或多个。比如,所述目标人物的所述目标部位可以包括所述目标人物的前脚掌、脚跟等等。
上述包含目标人物的N个视角下分别对应的M个历史帧图像,可以包括有:所述包含目标人物的N个视角下每一个视角所对应的M个历史帧图像。
其中,M为大于等于2的整数;优选地,本实施例的M取值可以为10,也就是获取到所述包含目标人物的N个视角下每一个视角所对应的10个历史帧图像。
另外,前述M个历史帧图像可以为当前时刻之前的任意的连续的M个历史帧图像。示例性的,可以为开始拍摄所述目标人物的N个视角下每一个视角所对应的前10个历史帧图像。
又或者,可以为确定所述目标人物与所述实际地面的交互状态为接触的情况下,所述目标人物的N个视角下每一个视角所对应的M个历史帧图像。
这里,确定所述目标人物与所述实际地面的交互状态的方式,可以采用前述目标网络。具体的,可以基于所述目标人物的N个视角下任意一个视角所对应的第j个历史帧图像,获取所述第j个历史帧图像中所述目标人物的关节点的二维信息;将所述第j个历史帧图像中所述目标人物的关节点的二维信息输入所述目标网络,得到所述目标网络输出的在第j个历史帧图像中所述目标人物与实际地面之间的所述实际交互状态、以及得到所述目标网络输出的在第j个历史帧图像中所述目标人物的运动状态。其中,j为大于等于1的整数。
可以在第j个历史帧图像中所述目标人物与实际地面之间的所述实际交互状态为接触、并且所述目标网络输出的在第j个历史帧图像中所述目标人物的运动状态为静止姿态的情况下,将该第j个历史帧图像作为一个参考帧,然后取该第j个历史帧图像时刻下的N个视角下分别对应的1个历史帧图像,及该第j个历史帧图像时刻下其之后的N个视角下分别对应的M-1个历史帧图像,组成上述包含目标人物的N个视角下分别对应的M个历史帧图像。
进一步地,所述基于包含目标人物的N个视角下分别对应的M个历史帧图像,确定所述目标人物与所述实际地面的所述实际交互状态为接触的情况下所述目标人物的目标部位在世界坐标系下的高度值,包括:
基于包含目标人物的N个视角下分别对应的M个历史帧图像,确定所述目标人物与所述实际地面的所述实际交互状态为接触的情况下所述目标人物的目标部位在世界坐标系下的M个参考高度值;将所述目标人物的目标部位在世界坐标系下的M个参考高度值进行平均值计算,得到所述目标人物的目标部位在世界坐标系下的高度值。
其中,所述基于包含目标人物的N个视角下分别对应的M个历史帧图像,确定所述目标人物与所述实际地面的所述实际交互状态为接触的情况下所述目标人物的目标部位在世界坐标系下的M个参考高度值,可以是:
基于包含目标人物的N个视角下分别对应的第k个历史帧图像,确定所述目标人物的所述目标部位在所述世界坐标系下的第k个参考高度值;其中,k为大于等于1且小于等于M的整数。
其中第k个历史帧图像,是每一个视角下对应的M个历史帧图像中的任意一个,在每次计算参考高度值的时候,都采用全部视角下的第k个历史帧图像进行计算。最终可以得到全部的M个参考高度值。
在确定所述目标人物的所述目标部位在所述世界坐标系下的第k个参考高度值的处理之前,首先需要获取N个视角的摄像头分别对应的内外参数,以及所述N个视角的摄像头分别对应的世界坐标系下的旋转平移参数,以及N个视角的摄像头分别对应焦距和光心位置。相应的,确定所述目标人物的所述目标部位在所述世界坐标系下的第k个参考高度值的处理,具体进行说明如下:
检测N个视角分别对应的第k个历史帧图像中每一个历史帧图像中的目标人物的至少一个关节点,通过立体视觉的方法实现结合所述每一个历史帧图像中的目标人物的至少一个关节点对所述目标人物的至少一个关节点的距离估计,从而得到所述目标人物的至少一个所述关节点中每一个所述关节点的深度信息。所述目标人物的至少一个关节点可以是人体关键点网络中包含的一个或多个关节点;比如,可以为人体关键点网络中的全部关节点,当然还可以是部分关节点,比如仅关注目标部位的一个或多个关节点。
再结合所述每一个所述关节点的深度信息,确定所述目标人物的所述每一个所述关节点在世界坐标系下的三维位置信息。
基于前述目标人物的所述每一个所述关节点在世界坐标系下的三维位置信息,确定所述目标人物的所述目标部位在所述世界坐标系下的第k个参考高度值。
所述基于所述目标人物的目标部位在世界坐标系下的高度值,确定所述目标人物的目标部位在所述世界坐标系下的高度阈值,可以是:
基于所述目标人物的目标部位在所述世界坐标系下的高度值,增加预设数值,作为所述目标人物的目标部位在所述世界坐标系下的高度阈值。
所述预设数值可以根据实际情况进行设置,比如可以为5cm(厘米),或者更多或者更少,不对其进行穷举。
需要说明的是,所述目标人物的目标部位可以有一个或多个,相应的,所述目标人物的目标部位在所述世界坐标系下的高度阈值也可以有一个或多个。
举例来说,假设所述目标部位包含前脚掌以及脚跟;相应的,所述目标人物的前脚掌以及脚跟在所述世界坐标系下的高度值分别记为H1和H2,所述目标人物的前脚掌以及脚跟在所述世界坐标系下分别对应的高度阈值可以为H1+5cm,以及H2+5cm。
可见,通过采用上述方案,可以结合包含目标人物的N个视角下分别对应的M个历史帧图像,确定与所述目标人物相关的目标部位在所述世界坐标系下的高度阈值;如此,可以结合实际情况进行高度阈值的设置,从而为后续确定所述目标人物与实际地面的交互状态提供了符合实际场景并且更加准确的高度阈值,保证了后续处理的准确性。
图3是根据本申请第三实施例的人体姿态生成方法的流程图。该实施例的基于场景的控制方法可以包括上述实施例的各步骤。在本实施例中,该方法的S102中所述获取所述当前时刻下所述目标人物与实际地面之间的实际交互状态,包括:
S301:基于所述包含目标人物的N个视角下分别对应的当前帧图像,确定所述目标人物的所述目标部位在所述世界坐标系下的当前高度值;
S302:基于所述目标部位在所述世界坐标系下的当前高度值、以及所述目标人物的目标部位在所述世界坐标系下的所述高度阈值,确定所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态。
基于所述包含目标人物的N个视角下分别对应的当前帧图像,确定所述目标人物的所述目标部位在所述世界坐标系下的当前高度值的处理之前,需要获取N个视角的摄像头分别对应的内外参数,以及所述N个视角的摄像头分别对应的世界坐标系下的旋转平移参数,以及N个视角的摄像头分别对应焦距和光心位置。进一步地,基于所述包含目标人物的N个视角下分别对应的当前帧图像,确定所述目标人物的所述目标部位在所述世界坐标系下的当前高度值的处理,具体说明如下:
检测N个视角分别对应的当前帧图像的每一个当前帧图像中的目标人物的至少一个关节点,通过立体视觉的方法实现结合所述每一个当前帧图像中的目标人物的至少一个关节点,对所述目标人物的至少一个关节点的距离估计,从而得到所述目标人物的至少一个所述关节点中每一个所述关节点的深度信息。所述目标人物的至少一个关节点可以是人体关键点网络中包含的一个或多个关节点;比如,可以为人体关键点网络中的全部关节点,当然还可以是部分关节点,比如仅关注目标部位的一个或多个关节点。
再结合所述至少一个关节点中每一个所述关节点的深度信息,确定所述目标人物的所述至少一个关节点中每一个所述关节点在世界坐标系下的三维位置信息。
基于前述目标人物的所述至少一个关节点中每一个所述关节点在世界坐标系下的三维位置信息,确定所述目标人物的所述目标部位在所述世界坐标系下的当前高度值。
示例性的,N等于2,也就是如图4所示为通过双目摄像头进行目标人物的图像采集,首先标定双目摄像头每一个摄像头分别对应的内外参数,以及所述双目摄像头每一个摄像头分别对应的世界坐标系下的旋转平移参数,以及双目摄像头每一个摄像头分别对应焦距和光心位置。其中,所述双目摄像头中每一个摄像头分别对应的光心位置可以如图4所示分别表示为CL和CR。通过双目摄像头采集的2个视角下分别对应的1个当前帧图像,即同一时刻得到了不同视角下的2个当前帧图像,通过立体视觉的方法目标人物的至少一个关节点的距离估计,如图4所示,估计出来某一个关节点在世界坐标系下的位置为“O”。所述目标人物的关节点,可以参见图5A,在图中可以看出目标人物具备多个关节点。
这样,通过确定目标人物的每一个关节点的深度信息,可以使得所述目标人物的关节点具备世界坐标系下的三维关节点的位置信息,从而可以极大的降低了单目场景下尺度变化和深度歧义的问题。
上述基于所述目标部位在所述世界坐标系下的当前高度值、以及所述目标人物的目标部位在所述世界坐标系下的所述高度阈值,确定所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态,可以包括:
判断所述目标部位在所述世界坐标系下的当前高度值,是否超过所述目标人物的目标部位在所述世界坐标系下的所述高度阈值;
若超过,则确定所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态为不接触;
若不超过,则确定所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态为接触。
示例性的,所述目标人物的目标部位为前脚掌与脚跟;相应的,在与地板接触时必须处于低于所述高度阈值(也可以称为世界坐标系下的三维高度阈值)。取N个视角下每一个视角的前10帧历史图像,计算得到平均脚跟高度H1和前脚掌高度H2,将前脚掌所对应的高度阈值确定为H1+5cm,脚后跟所对应的高度阈值确定为H2+5cm;
对所述包含目标人物的N个视角下分别对应的当前帧图像进行处理时,先基于所述包含目标人物的N个视角下分别对应的当前帧图像计算得到目标人物当前时刻下的前脚掌的当前高度值以及脚跟的当前高度值;在前脚掌的当前高度值不超过H1+5cm,并且脚跟的当前高度值不超过H2+5cm的高度的情况下,判定结果为所述目标人物为与实际地面之间的实际交互状态为接触。
通过以上方案,可以通过实时采集的N个视角下的当前帧图像,确定所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态;如此,实现了实时通过多视角摄像头的当前帧图像中捕获物理上合理且地面约束稳定的3D人体姿态。
需要指出的是,上述基于目标网络判定所述目标人物与所述实际地面之间的所述实际交互状态、以及基于所述包含目标人物的N个视角下分别对应的当前帧图像确定所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态两种判定方式,可以在实际实时预测的时候使用其中之一。又或者,可以使用两种判定方式,在使用两种判定方式的处理中,若判定结果不同,可以以基于所述包含目标人物的N个视角下分别对应的当前帧图像确定所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态为准。
在一种实施方式中,所述方法还包括:获取所述当前时刻下在所述虚拟环境中所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态;在所述实际交互状态与所述虚拟交互状态不同的情况下,确定对所述当前时刻下所述虚拟环境中所述初始虚拟三维人体姿态进行调整。
这里,获取所述当前时刻下在所述虚拟环境中所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态的方式,可以是从当前实时展示的在所述虚拟环境中包含有所述初始虚拟三维人体姿态以及虚拟地面的位置的图像中,获取所述当前时刻下在所述虚拟环境中所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态。
所述虚拟交互状态可以包括有所述初始虚拟三维人体姿态与虚拟地面之间接触或不接触。
再判断所述实际交互状态与所述虚拟交互状态是否相同,具体的:
若所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态为接触,并且所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态也为接触,则所述实际交互状态与所述虚拟交互状态相同,不需要对当前时刻下的初始虚拟三维人体姿态进行调整,可以将所述初始虚拟三维人体姿态直接作为所述目标虚拟三维人体姿态在所述虚拟环境中进行展示。
若所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态为接触,并且所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态为不接触,则需要对当前时刻下的初始虚拟三维人体姿态进行调整。
还有一种可能是,若所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态为不接触,并且所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态为接触,则也需要对当前时刻下的初始虚拟三维人体姿态进行调整。
进一步地,基于所述实际交互状态对所述当前时刻下虚拟环境中所述初始虚拟三维人体姿态进行调整得到目标虚拟三维人体姿态,可以指的是:
若所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态为接触,并且所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态为不接触,则根据当前所述虚拟环境中的所述虚拟地面的位置,将所述初始虚拟三维人体姿态中的最低点的位置调整至所述当前所述虚拟环境中的所述虚拟地面的位置处;再基于所述调整后的最低点的位置,对所述初始虚拟三维人体姿态进行调整,最终得到所述目标虚拟三维人体姿态。
还可以存在一种情况,若所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态为不接触,并且所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态为接触,则通过所述N个视角下分别对应的当前帧图像,确定所述当前时刻下所述目标人物与实际地面之间的距离;基于所述当前时刻下所述目标人物与实际地面之间的距离,确定当前所述虚拟环境中的所述虚拟地面与所述初始虚拟三维人体姿态中的最低点之间的目标距离;再基于所述目标距离调整所述初始虚拟三维人体姿态的最低点的位置,基于所述调整后的最低点的位置,对所述初始虚拟三维人体姿态进行调整,最终得到所述目标虚拟三维人体姿态。
由于估计出的初始虚拟三维人体姿态可能存在高度和重心偏移的问题,这会导致在虚拟环境中的初始虚拟三维人体姿态在某些腿部静止状态(比如行走时触及地面或者站立)下会出现腿部穿透在虚拟环境中的虚拟地面地板穿透,脚部浮空和不自然的身体倾斜等问题。本实施例通过前述确定的所述目标人物的目标部位与所述实际地面的所述实际交互状态以及运动状态来确定是否需要调整所述当前时刻下所述虚拟环境中所述初始虚拟三维人体姿态,从而使得调整后的目标虚拟三维人体姿态的高度和重心点的控制更加合理,以避免出现物理上不存在的虚拟三维人体姿态。
所述基于当前时刻采集的包含目标人物的N个视角的图像,生成所述当前时刻下所述目标人物所对应的初始虚拟三维人体姿态,包括:
基于包含目标人物的N个视角下分别对应的当前帧图像,确定所述当前时刻下所述目标人物的关节点在世界坐标系下的三维位置信息;
基于所述当前时刻下所述目标人物的关节点在世界坐标系下的三维位置信息以及约束条件,确定所述目标人物的关节点的相关参数,基于所述目标人物的关节点的相关参数生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态。
基于包含目标人物的N个视角下分别对应的当前帧图像,确定所述当前时刻下所述目标人物的关节点在世界坐标系下的三维位置信息的方式,可以为:
检测N个视角分别对应的当前帧图像的每一个当前帧图像中的目标人物的至少一个关节点,通过立体视觉的方法实现结合所述每一个当前帧图像中的目标人物的至少一个关节点,对所述目标人物的至少一个关节点的距离估计,从而得到所述目标人物的至少一个所述关节点中每一个所述关节点的深度信息。所述目标人物的至少一个关节点可以是人体关键点网络中包含的全部关节点,当然还可以是部分关节点。
再结合所述至少一个关节点中每一个所述关节点的深度信息,确定所述目标人物的所述至少一个关节点中每一个关节点在世界坐标系下的三维位置信息。
基于前述目标人物的所述至少一个关节点中每一个所述关节点在世界坐标系下的三维位置信息,确定所述目标人物的所述目标部位在所述世界坐标系下的当前高度值。
所述预设的约束条件可以包括有目标人物的三维关节的距离不变性、以及VAE(variational auto encoding,变分自动编码器)等人体姿态先验模型约束等等,当然还可以包括更多约束条件,本实施例不做穷举。
其中,所述目标人物的三维关节的距离不变性指的是:所述目标人物的三维关节中的两个或多个关节之间的三维位置信息之间的距离相对是固定的,因此可以预先确定目标人物的三维关节的距离不变性。比如,可以是根据对所述目标人物的N个视角下分别对应的多帧图像预先确定的。其中,N个视角下分别对应的多帧图像可以是拍摄初期的N个视角下分别对应的第1帧或前多帧图像。此时可以需要所述目标人物采用标准姿态站立,进而可以获取所述目标人物的全部关节点在所述世界坐标系下的三维位置信息;基于获取到的所述目标人物的全部关节点在所述世界坐标系下的三维位置信息,可以确定所述目标人物的某两个或某几个关节点在所述世界坐标系下的相对距离;以此作为所述目标人物的三维关节的距离不变性的约束条件。
结合所述目标人物的三维关节的距离不变性,以及当前时刻下所述目标人物的关节点在世界坐标系下的三维位置信息,对所述初始虚拟三维人体姿态进行构建。
仅有每一个关节点的相对距离以及绝对三维位置信息,很有可能构建出的所述初始虚拟三维人体姿态与实际人体姿态不符。举例来说,参见图5B,当人体脚尖51朝向身体的正前方的情况下,头部52不可能朝向正后方,而仅基于所述目标人物的三维关节的距离不变性以及所述目标人物的每一个关节点的绝对三维位置信息初步构建的所述初始虚拟三维人体姿态,可能会存在上述问题。因此,还需要结合其他预设的约束条件对所述初步构建的所述初始虚拟三维人体姿态进行优化。
基于此,本实施例提供的方案中,还会进一步采用预设网络来确定所述目标人物的每一个关节点所对应的相关参数;所述相关参数可以包括有所述目标人物的所述每一个关节点的旋转角度和/或位移等。进而,基于所述目标人物的每一个关节点所对应的相关参数,对所述初步构建的所述初始虚拟三维人体姿态进行优化,得到优化后的所述初始虚拟三维人体姿态。
所述每一个关节点的旋转角度可以用于控制所述目标人物的关节点的朝向符合人体的真实姿态。
示例性的,可以采用VAE(variational auto encoding,变分自动编码器)网络,或者,还可以结合其他人体姿态先验网络(或人体姿态先验模型)来实现上述处理,所述VAE等人体姿态先验模型约束,可以是将目标人物的关节点的三维位置信息、或者是结合有N个视角的N个摄像头的内外参数、以及每一个摄像头采集的带有置信度的当前帧的关节点的二维位置信息进行处理,得到所述目标人物的关节点的旋转角度。
另外,除了所述目标人物的关节点的旋转角度之外,还可以进一步包括目标人物的关节点的位移,所述位移可以指的是相对于上一帧的位移。
最终可以基于前述目标人物的关节点的相关参数,构建所述初始虚拟三维人体姿态。
需要理解的是,基于所述目标人物的每一个关节点所对应的相关参数,对所述初步构建的所述初始虚拟三维人体姿态进行优化的处理中,还可以包括:对所述初步构建的所述初始虚拟三维人体姿态的皮肤效果进行优化,以使得优化后的所述初始虚拟三维人体姿态的蒙皮效果符合真实人体状态。如图5B所示,在得到初始虚拟三维人体姿态的同时,还可以对得到所述初始虚拟三维人体姿态的蒙皮效果。也就是说,在确定了所述目标人物的关节点的相关参数的情况下,还可以进一步确定目标人物的皮肤状态,进而对所述初始虚拟三维人体姿态进行蒙皮效果的设置,如此可以使得生成的对所述初始虚拟三维人体姿态的展示效果更加合理并且真实。上述对所述初步构建的所述初始虚拟三维人体姿态的皮肤效果进行优化的处理,也可以采用VAE网络,或者,还可以结合VAE和其他人体姿态先验网络(或人体姿态先验模型)来实现。
如此,通过将结合多视角摄像头的内外参数和带置信度的关节点的二维位置信息进行融合生成初始虚拟三维人体姿态,整个过程能够有效剔除错误点位置约束,提升拟合结果的鲁棒性和稳定性。
可见,通过采用上述方案,就可以基于当前时刻下所述目标人物的关节点在世界坐标系下的三维位置信息以及预设的约束条件来生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态。由于在生成初始虚拟三维人体姿态的时候,直接通过N个视角下的当前帧图像进行融合,从而可以提升初始虚拟三维人体姿态的拟合精度。
另外,本实施例提供的方案,可以仅通过N个视角的N个摄像头进行图像采集,就可以实现虚拟三维人体姿态重建,成本较低并且能够保证精度,得到的虚拟三维人体姿态能够直接用于动作捕捉场景,极大的降低了前期动补设备投入成本以及后期动画的人力成本。
根据本公开第四实施例还提供了一种人体姿态生成装置,如图6所示,包括:
初始姿态构建模块601,用于基于包含目标人物的N个视角下分别对应的当前帧图像,生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态;其中,N为大于等于2的整数;
状态获取模块602,用于获取所述当前时刻下所述目标人物与实际地面之间的实际交互状态;
姿态调整模块603,用于基于所述实际交互状态对所述当前时刻下虚拟环境中所述初始虚拟三维人体姿态进行调整得到目标虚拟三维人体姿态,展示所述当前时刻下在所述虚拟环境中的所述目标虚拟三维人体姿态。
在一种实施方式中,所述状态获取模块602,用于从所述包含目标人物的所述N个视角下分别对应的当前帧图像的第i个视角的当前帧图像中,获取所述当前时刻下所述目标人物的关节点的二维信息;其中,i为大于等于1且小于等于N个整数;
将所述当前时刻下所述目标人物的关节点的二维信息输入至目标网络,得到所述目标网络输出的所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态。
在一种实施方式中,所述状态获取模块602,用于基于包含目标人物的N个视角下分别对应的M个历史帧图像,确定所述目标人物与所述实际地面的所述实际交互状态为接触的情况下所述目标人物的目标部位在世界坐标系下的高度值;其中,M为大于等于2的整数;基于所述目标人物的目标部位在世界坐标系下的高度值,确定所述目标人物的目标部位在所述世界坐标系下的高度阈值。
在一种实施方式中,所述状态获取模块602,用于基于所述包含目标人物的N个视角下分别对应的当前帧图像,确定所述目标人物的所述目标部位在所述世界坐标系下的当前高度值;基于所述目标部位在所述世界坐标系下的当前高度值、以及所述目标人物的目标部位在所述世界坐标系下的所述高度阈值,确定所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态。
在一种实施方式中,所述姿态调整模块603,用于获取所述当前时刻下在所述虚拟环境中所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态;在所述实际交互状态与所述虚拟交互状态不同的情况下,确定对所述当前时刻下所述虚拟环境中所述初始虚拟三维人体姿态进行调整。
在一种实施方式中,所述初始姿态构建模块603,用于基于包含目标人物的N个视角下分别对应的当前帧图像,确定所述当前时刻下所述目标人物的关节点在世界坐标系下的三维位置信息;基于所述当前时刻下所述目标人物的关节点在世界坐标系下的三维位置信息以及约束条件,确定所述目标人物的关节点的相关参数,基于所述目标人物的关节点的相关参数生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706,例如键盘、鼠标等;输出单元707,例如各种类型的显示器、扬声器等;存储单元708,例如磁盘、光盘等;以及通信单元709,例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元70执行上文所描述的各个方法和处理,例如人体姿态生成方法。例如,在一些实施例中,人体姿态生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的人体姿态生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行人体姿态生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入、或者触觉输入来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种人体姿态生成方法,包括:
基于包含目标人物的N个视角下分别对应的当前帧图像,生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态;其中,N为大于等于2的整数;
获取所述当前时刻下所述目标人物与实际地面之间的实际交互状态;
基于所述实际交互状态对所述当前时刻下虚拟环境中所述初始虚拟三维人体姿态进行调整得到目标虚拟三维人体姿态,展示所述当前时刻下在所述虚拟环境中的所述目标虚拟三维人体姿态;
其中,所述方法还包括:
基于包含目标人物的N个视角下分别对应的M个历史帧图像,确定所述目标人物与所述实际地面的所述实际交互状态为接触的情况下所述目标人物的目标部位在世界坐标系下的高度值;其中,M为大于等于2的整数;
基于所述目标人物的目标部位在世界坐标系下的高度值,确定所述目标人物的目标部位在所述世界坐标系下的高度阈值;
其中,所述获取所述当前时刻下所述目标人物与实际地面之间的实际交互状态,包括:
基于所述包含目标人物的N个视角下分别对应的当前帧图像,确定所述目标人物的所述目标部位在所述世界坐标系下的当前高度值;
基于所述目标部位在所述世界坐标系下的当前高度值、以及所述目标人物的目标部位在所述世界坐标系下的所述高度阈值,确定所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态。
2.根据权利要求1所述的方法,其中,所述获取所述当前时刻下所述目标人物与实际地面之间的实际交互状态,包括:
从所述包含目标人物的所述N个视角下分别对应的当前帧图像的第i个视角的当前帧图像中,获取所述当前时刻下所述目标人物的关节点的二维信息;其中,i为大于等于1且小于等于N个整数;
将所述当前时刻下所述目标人物的关节点的二维信息输入至目标网络,得到所述目标网络输出的所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态。
3.根据权利要求1所述的方法,其中,所述方法还包括:
获取所述当前时刻下在所述虚拟环境中所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态;
在所述实际交互状态与所述虚拟交互状态不同的情况下,确定对所述当前时刻下所述虚拟环境中所述初始虚拟三维人体姿态进行调整。
4.根据权利要求1-3任一项所述的方法,其中,所述基于包含目标人物的N个视角下分别对应的当前帧图像,生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态,包括:
基于包含目标人物的N个视角下分别对应的当前帧图像,确定所述当前时刻下所述目标人物的关节点在世界坐标系下的三维位置信息;
基于所述当前时刻下所述目标人物的关节点在世界坐标系下的三维位置信息以及约束条件,确定所述目标人物的关节点的相关参数,基于所述目标人物的关节点的相关参数生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态。
5.一种人体姿态生成装置,包括:
初始姿态构建模块,用于基于包含目标人物的N个视角下分别对应的当前帧图像,生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态;其中,N为大于等于2的整数;
状态获取模块,用于获取所述当前时刻下所述目标人物与实际地面之间的实际交互状态;
姿态调整模块,用于基于所述实际交互状态对所述当前时刻下虚拟环境中所述初始虚拟三维人体姿态进行调整得到目标虚拟三维人体姿态,展示所述当前时刻下在所述虚拟环境中的所述目标虚拟三维人体姿态;
其中,所述状态获取模块,用于基于包含目标人物的N个视角下分别对应的M个历史帧图像,确定所述目标人物与所述实际地面的所述实际交互状态为接触的情况下所述目标人物的目标部位在世界坐标系下的高度值;其中,M为大于等于2的整数;基于所述目标人物的目标部位在世界坐标系下的高度值,确定所述目标人物的目标部位在所述世界坐标系下的高度阈值;
其中,所述状态获取模块,用于基于所述包含目标人物的N个视角下分别对应的当前帧图像,确定所述目标人物的所述目标部位在所述世界坐标系下的当前高度值;基于所述目标部位在所述世界坐标系下的当前高度值、以及所述目标人物的目标部位在所述世界坐标系下的所述高度阈值,确定所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态。
6.根据权利要求5所述的装置,其中,所述状态获取模块,用于从所述包含目标人物的所述N个视角下分别对应的当前帧图像的第i个视角的当前帧图像中,获取所述当前时刻下所述目标人物的关节点的二维信息;其中,i为大于等于1且小于等于N个整数;
将所述当前时刻下所述目标人物的关节点的二维信息输入至目标网络,得到所述目标网络输出的所述当前时刻下所述目标人物与实际地面之间的所述实际交互状态。
7.根据权利要求5所述的装置,其中,所述姿态调整模块,用于获取所述当前时刻下在所述虚拟环境中所述初始虚拟三维人体姿态与虚拟地面之间的虚拟交互状态;在所述实际交互状态与所述虚拟交互状态不同的情况下,确定对所述当前时刻下所述虚拟环境中所述初始虚拟三维人体姿态进行调整。
8.根据权利要求5-7任一项所述的装置,其中,所述初始姿态构建模块,用于基于包含目标人物的N个视角下分别对应的当前帧图像,确定所述当前时刻下所述目标人物的关节点在世界坐标系下的三维位置信息;基于所述当前时刻下所述目标人物的关节点在世界坐标系下的三维位置信息以及约束条件,确定所述目标人物的关节点的相关参数,基于所述目标人物的关节点的相关参数生成当前时刻下所述目标人物所对应的初始虚拟三维人体姿态。
9. 一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011553408.3A CN112562068B (zh) | 2020-12-24 | 2020-12-24 | 人体姿态生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011553408.3A CN112562068B (zh) | 2020-12-24 | 2020-12-24 | 人体姿态生成方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112562068A CN112562068A (zh) | 2021-03-26 |
CN112562068B true CN112562068B (zh) | 2023-07-14 |
Family
ID=75033708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011553408.3A Active CN112562068B (zh) | 2020-12-24 | 2020-12-24 | 人体姿态生成方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112562068B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494334B (zh) * | 2022-01-28 | 2023-02-03 | 北京百度网讯科技有限公司 | 调整三维姿态的方法、装置、电子设备及存储介质 |
CN116229583B (zh) * | 2023-05-06 | 2023-08-04 | 北京百度网讯科技有限公司 | 驱动信息生成、驱动方法、装置、电子设备以及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109284006A (zh) * | 2018-11-09 | 2019-01-29 | 中科数字健康科学研究院(南京)有限公司 | 一种人体运动捕获装置和方法 |
WO2019223463A1 (zh) * | 2018-05-22 | 2019-11-28 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、存储介质和计算机设备 |
CN111694429A (zh) * | 2020-06-08 | 2020-09-22 | 北京百度网讯科技有限公司 | 虚拟对象驱动方法、装置、电子设备及可读存储 |
CN111915738A (zh) * | 2020-08-12 | 2020-11-10 | 江苏电子信息职业学院 | 一种实现虚拟现实的方法和头戴式虚拟现实设备 |
WO2020228643A1 (zh) * | 2019-05-14 | 2020-11-19 | Oppo广东移动通信有限公司 | 交互控制方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-24 CN CN202011553408.3A patent/CN112562068B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019223463A1 (zh) * | 2018-05-22 | 2019-11-28 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、存储介质和计算机设备 |
CN109284006A (zh) * | 2018-11-09 | 2019-01-29 | 中科数字健康科学研究院(南京)有限公司 | 一种人体运动捕获装置和方法 |
WO2020228643A1 (zh) * | 2019-05-14 | 2020-11-19 | Oppo广东移动通信有限公司 | 交互控制方法、装置、电子设备及存储介质 |
CN111694429A (zh) * | 2020-06-08 | 2020-09-22 | 北京百度网讯科技有限公司 | 虚拟对象驱动方法、装置、电子设备及可读存储 |
CN111915738A (zh) * | 2020-08-12 | 2020-11-10 | 江苏电子信息职业学院 | 一种实现虚拟现实的方法和头戴式虚拟现实设备 |
Non-Patent Citations (1)
Title |
---|
基于多媒体技术的三维人物图像动态重构;李天峰;;现代电子技术(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112562068A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3886700B1 (en) | System and method for human gait analysis | |
Tanskanen et al. | Live metric 3D reconstruction on mobile phones | |
JP6934887B2 (ja) | 単眼カメラを用いたリアルタイム3d捕捉およびライブフィードバックのための方法およびシステム | |
CN112562068B (zh) | 人体姿态生成方法、装置、电子设备及存储介质 | |
US20170330375A1 (en) | Data Processing Method and Apparatus | |
CN110631554A (zh) | 机器人位姿的确定方法、装置、机器人和可读存储介质 | |
JP2019522851A (ja) | 3次元空間内の姿勢推定 | |
EP3698275A1 (en) | Data processing method, apparatus, system and storage media | |
CN110597387B (zh) | 基于人工智能的画面显示方法和装置、计算设备、存储介质 | |
CN116206370B (zh) | 驱动信息生成、驱动方法、装置、电子设备以及存储介质 | |
CN112967340A (zh) | 同时定位和地图构建方法、装置、电子设备及存储介质 | |
CN111354029B (zh) | 手势深度确定方法、装置、设备及存储介质 | |
EP4290459A1 (en) | Augmented reality method and related device thereof | |
CN111507304B (zh) | 自适应刚性先验模型训练方法、人脸跟踪方法及相关装置 | |
CN116543417A (zh) | 人体姿态估计方法、装置、设备以及存储介质 | |
CN109328459B (zh) | 智能终端及其3d成像方法、3d成像系统 | |
CN113536931A (zh) | 一种手部姿态估计方法及装置 | |
CN111368675A (zh) | 手势深度信息的处理方法、装置、设备及存储介质 | |
US20230290101A1 (en) | Data processing method and apparatus, electronic device, and computer-readable storage medium | |
CN116385663B (zh) | 动作数据生成方法、装置、电子设备及存储介质 | |
CN116229583B (zh) | 驱动信息生成、驱动方法、装置、电子设备以及存储介质 | |
TWI819639B (zh) | 深度估計模型之訓練方法、裝置、電子設備及存儲介質 | |
CN116449962B (zh) | 内部场景ar可视化方法、装置以及设备 | |
CN113012281B (zh) | 人体模型的确定方法、装置、电子设备及存储介质 | |
CN110647888B (zh) | 基于单目图像的三维信息的提取方法及电子装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |