CN113012281B - 人体模型的确定方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种人体模型的确定方法、装置、电子设备及存储介质，涉及人工智能领域，具体为计算机视觉和深度学习技术领域，可应用在3D视觉场景下。具体实现方案为：获取包含人体的待处理图像；对所述待处理图像进行人体关键点识别，以获取所述待处理图像中包含的各人体关键点的第一位置信息；获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息；在所述第二位置信息与所述第一位置信息匹配的情况下，根据所述第一模型参数组确定所述待处理图像对应的人体模型。通过本方案能够提高人体模型的精度和鲁棒性。

Description

人体模型的确定方法、装置、电子设备及存储介质

技术领域

本公开涉及人工智能领域，具体为计算机视觉和深度学习技术领域，可应用在3D视觉场景下，尤其涉及一种人体模型的确定方法、装置、电子设备及存储介质。

背景技术

在一些应用场景中，通常会遇到预测人体模型的情况，比如，在虚拟现实游戏场景中，根据包含用户当前动作的图像来确定对应的人体模型，以根据人体模型来驱动游戏中的人物角色。

相关技术中，从单张图像确定三维人体模型时，通常采用的方案是利用神经网络模型直接预测出输入图像中包含的人体所对应的人体模型。然而，这种方式要求训练神经网络模型时采用的训练数据的分布范围广泛，难以保证真实场景下预测结果的鲁棒性。

发明内容

本公开提供了一种人体模型的确定方法、装置、电子设备及存储介质。

根据本公开的一方面，提供了一种人体模型的确定方法，包括：

获取包含人体的待处理图像；

对所述待处理图像进行人体关键点识别，以获取所述待处理图像中包含的各人体关键点的第一位置信息；

获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息；

在所述第二位置信息与所述第一位置信息匹配的情况下，根据所述第一模型参数组确定所述待处理图像对应的人体模型。

根据本公开的另一方面，提供了一种人体模型的确定装置，包括：

第一获取模块，用于获取包含人体的待处理图像；

识别模块，用于对所述待处理图像进行人体关键点识别，以获取所述待处理图像中包含的各人体关键点的第一位置信息；

第二获取模块，用于获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息；

第一确定模块，用于在所述第二位置信息与所述第一位置信息匹配的情况下，根据所述第一模型参数组确定所述待处理图像对应的人体模型。

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如上述一方面实施例所述的人体模型的确定方法。

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，其中，所述计算机指令用于使所述计算机执行如上述一方面实施例所述的人体模型的确定方法。

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，所述计算机程序在被处理器执行时实现如上述一方面实施例所述的人体模型的确定方法。

本公开提供的人体模型的确定方法、装置、电子设备及存储介质，至少存在如下技术效果：

通过获取包含人体的待处理图像，对待处理图像进行人体关键点识别，以获取待处理图像中包含的各人体关键点的第一位置信息，获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息，在第二位置信息与第一位置信息匹配的情况下，根据第一模型参数组确定待处理图像对应的人体模型，由此，通过以待处理图像中包含的各人体关键点的第一位置信息为目标，来确定人体参数模型当前对应的各人体关键点的第二位置信息与第一位置信息匹配时的模型参数组，根据确定的模型参数组来确定待处理图像对应的人体模型，无需采集训练数据来训练模型，避免了训练数据对模型鲁棒性的影响，有利于提高人体模型的精度和鲁棒性。

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提出的人体模型的确定方法的流程示意图；

图2是根据本公开第二实施例提出的人体模型的确定方法的流程示意图；

图3是根据本公开第三实施例提出的人体模型的确定方法的流程示意图；

图4是根据本公开第四实施例提供的一种人体模型的确定装置的结构示意图；

图5是根据本公开第五实施例提供的一种人体模型的确定装置的结构示意图；

图6是用来实现本公开实施例的人体模型的确定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。

相关技术中，根据单张图像预测三维人体模型的方法主要有两种，一是利用神经网络模型直接预测出输入图像中包含的人体所对应的人体模型，这种方式要求训练神经网络模型时采用的训练数据的分布范围广泛，难以保证真实场景下预测结果的鲁棒性；二是先从图像中预测出人体的二维关键点的位置，然后优化人体参数模型和相机参数，以使预测到的二维关键点投影得到的二维关键点尽可能匹配上述预测到的二维关键点，这种方式需要同时优化人体参数和相机参数，难以保证预测的人体模型的鲁棒性。

针对上述问题，本公开提供了一种人体模型的确定方法，通过对待处理图像进行人体关键点识别，以获取待处理图像中包含的各人体关键点的第一位置信息，获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息，在第二位置信息与第一位置信息匹配的情况下，根据第一模型参数组确定待处理图像对应的人体模型，从而使得最终生成的人体模型呈现的各人体关键点与待处理图像中包含的各人体关键点匹配，能够保证针对各种姿态的人体确定的人体模型的鲁棒性，并且，根据第一位置信息和第二位置信息确定人体参数模型的模型参数组的过程无需采集训练数据来训练模型，避免了训练数据对模型鲁棒性的影响，有利于提高人体模型的精度和鲁棒性。

下面结合附图详细描述本公开实施例提供的人体模型的确定方法、装置、电子设备及存储介质。

图1是根据本公开第一实施例提出的人体模型的确定方法的流程示意图，如图1所示，人体模型的确定方法可以包括以下步骤：

步骤101，获取包含人体的待处理图像。

其中，可以通过任何方式来获取待处理图像，比如，可以实时或者周期性地采集人体的图像作为待处理图像，也可以从电子设备的存储单元中获取一幅图像作为待处理图像，本公开对此不作限制。

步骤102，对待处理图像进行人体关键点识别，以获取待处理图像中包含的各人体关键点的第一位置信息。

本公开实施例中，对于获取的待处理图像，可以对待处理图像进行人体关键点识别，以获取待处理图像中包含的各人体关键点的第一位置信息。

其中，各人体关键点的第一位置信息可以是各人体关键点对应的三维坐标。

本公开实施例中，待处理图像中包含的各人体关键点的对应的三维坐标，可以采用不同的方式获取，下面举例进行说明。

作为一种示例，可以预先训练一个用于预测各人体关键点的三维坐标的预测模型，在进行模型训练之前，可以先定义初始神经网络模型的损失函数如公式(1)所示，采集训练数据，训练数据中包括多个人体图像和与每个人体图像对应的各人体关键点的三维坐标真值。在训练时，将训练数据中的人体图像作为初始神经网络模型的输入，将训练数据中与每个人体图像对应的各人体关键点的三维坐标真值作为初始神经网络模型的输出，对初始神经网络模型的模型参数进行迭代更新，直至初始神经网络模型的损失函数收敛，模型训练完成，得到训练好的预测模型。之后，将待处理图像输入至预测模型中，得到待处理图像中包含的各人体关键点的三维坐标。

其中，表示第i个人体关键点的三维坐标真值，该值可以在采集人体图像时通过传感器采集获得；/>表示预测的第i个人体关键点的三维坐标；N为人体图像中三维关键点的个数。

作为一种示例，在获取待处理图像中包含的各人体关键点的三维坐标时，可以先将待处理图像输入至预先训练的2D关键点坐标预测模型中，再基于预测得到的各人体关键点的二维坐标，将各人体关键点的二维坐标输入至预先训练的3D关键点坐标预测模型中，以确定待处理图像中包含的各人体关键点的三维坐标。其中，在训练3D关键点坐标预测模型时，可以加入各人体关键点的二维坐标的监督信息，以提高各人体关键点的三维坐标的预测准确性和鲁棒性。

由于本步骤中是对人体关键点进行识别，处理的对象是待处理图像中的人体，因此，本公开实施例中，对待处理图像进行人体关键点识别之前，可以先进行预处理，预处理过程包括采用已有的二维物体检测方法检测出待处理图像中的人体区域，并从待处理图像中裁剪出人体区域，进而对裁剪出的人体区域进行人体关键点识别。此外，不同的图像所包含的人体的尺寸不同，当裁剪出的人体区域小于预设的尺寸阈值时，可以对人体区域进行放大处理，得到不小于尺寸阈值的新的人体区域，进而对新的人体区域进行人体关键点识别，以便于人体关键点识别操作，保证人体关键点识别的准确性。

步骤103，获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息。

其中，预设的人体参数模型当前对应的第一模型参数组，是人体参数模型处于当前姿态时对应的模型参数组。比如，对于某个人体参数模型，当该人体参数模型当前未作出任何姿态时，该人体参数模型当前对应的第一模型参数组中的各个模型参数的取值为0，当该人体参数模型的姿态发生变化时，对应的模型参数组中各模型参数的取值也随之变化。

能够理解的是，人体参数模型所处的姿态不同时，对应的模型参数组中各模型参数的取值不同，人体参数模型上各人体关键点的位置信息也不同。因此，本公开实施例中，可以获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息。其中，第二位置信息可以是各人体关键点的三维坐标。

本公开实施例中，预设的人体参数模型是已知的，也就是说，预设的人体参数模型当前对应的第一模型参数组是已知的，根据该第一模型参数组，该人体参数模型对应的各人体关键点的第二位置信息即可确定。

比如，以人体参数模型为蒙皮多人体线性模型(Skinned Multi-Person LinearModel，SMPL)为例，该人体参数模型包括的模型参数有形状参数β、关节点旋转角度θ、全局旋转角度R、平移量T和缩放因子α，则SMPL模型对应的模型参数组可以表示为(β,θ,R,T,α)，假设SMPL模型未作出任何姿态，则第一模型参数组为(0,0,0,0,1)，该第一模型参数组确定的SMPL模型输出的各人体关键点的第二位置信息可以表示为J(β,θ,R,T,α)。

步骤104，在第二位置信息与第一位置信息匹配的情况下，根据第一模型参数组确定待处理图像对应的人体模型。

本公开实施例中，获取了第一位置信息和第二位置信息之后，可以将第二位置信息与第一位置信息进行比较，判断两者是否一致，当两者一致时，或者两者之间的差值在预设误差范围内时，确定第二位置信息与第一位置信息匹配，则根据第一模型参数组确定待处理图像对应的人体模型。

本实施例的人体模型的确定方法，通过获取包含人体的待处理图像，对待处理图像进行人体关键点识别，以获取待处理图像中包含的各人体关键点的第一位置信息，获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息，在第二位置信息与第一位置信息匹配的情况下，根据第一模型参数组确定待处理图像对应的人体模型，由此，使得最终生成的人体模型呈现的各人体关键点与待处理图像中包含的各人体关键点匹配，能够保证针对各种姿态的人体确定的人体模型的鲁棒性，并且，根据第一位置信息和第二位置信息确定人体参数模型的模型参数组的过程无需采集训练数据来训练模型，避免了训练数据对模型鲁棒性的影响，有利于提高人体模型的精度和鲁棒性。

图2是根据本公开第二实施例提出的人体模型的确定方法的流程示意图，如图2所示，该人体模型的确定方法可以包括以下步骤：

步骤201，获取包含人体的待处理图像。

步骤202，对待处理图像进行人体关键点识别，以获取待处理图像中包含的各人体关键点的第一位置信息。

步骤203，获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息。

步骤204，在第二位置信息与第一位置信息匹配的情况下，根据第一模型参数组确定待处理图像对应的人体模型。

本公开实施例中，对步骤201-步骤204的描述，可以参见前述实施例中对步骤101-步骤104的描述，为避免重复，此处不再赘述。

步骤205，在第二位置信息与第一位置信息未匹配的情况下，调整人体参数模型，以获取调整后的第二模型参数组及各人体关键点的第三位置信息。

其中，第一模型参数组和第二模型参数组中包含的模型参数相同，区别在于各模型参数的取值不同。模型参数组中包括以下至少一项：形状参数、关节点旋转角度、缩放因子、旋转角度以及平移量。其中，形状参数代表人体高矮胖瘦、头身比等，关节点旋转角度代表人体整体运动位姿和24个关节相对角度。由此，通过设置模型参数组中包括形状参数、关节点旋转角度、缩放因子、旋转角度和平移量中的至少一项，可以从多方面调整人体参数模型以使调整后的人体参数模型对应的各人体关键点的位置信息与第一位置信息匹配，提高调整速度和人体参数模型调整的灵活性。并且，由于关键点的位置信息受人体外形(高矮胖瘦)和姿态的影响，当模型参数组中包含形状参数和关节点旋转角度时，不仅可以调整人体的高矮胖瘦，还能调整人体的姿态，有利于提高位置信息匹配的准确性。

本公开实施例中，获取到待处理图像中包含的各人体关键点的第一位置信息，以及预设的人体参数模型当前对应的各人体关键点的第二位置信息之后，将第二位置信息与第一位置信息进行比较，当第二位置信息与第一位置信息不一致，或者两者之间的差值不在预设的误差范围内时，确定第二位置信息与第一位置信息不匹配，则对人体参数模型进行调整，并获取调整后的第二模型参数组及各人体关键点对应的第三位置信息。其中，第三位置信息可以是调整后的人体参数模型对应的各人体关键点的三维坐标。

能够理解的是，调整人体参数模型，其实调整的是人体参数模型的各个模型参数，通过调整各模型参数，人体参数模型对应的各人体关键点的位置信息也发生变化，本公开实施例中，将调整后的第二模型参数组确定的人体参数模型所对应的各人体关键点的位置信息记为第三位置信息。

在本公开实施例一种可能的实现方式中，在调整人体参数模型时，可以先获取第二位置信息与第一位置信息之间的差异度，根据差异度确定人体参数模型的调整模式，进而以调整模型来调整人体参数模型。

比如，假设第一位置信息是手臂上举时对应的三维坐标，第二位置信息是手臂放在腿侧时的三维坐标，则手臂上各关键点对应的第一位置信息和第二位置信息至少在Z轴(空间坐标系中X轴、Y轴所在的平面为水平面)上存在坐标差异，则可以确定人体参数模型的调整模式为能够调整人体参数模型的手臂上各关键点的Z轴坐标，并根据第一位置信息和第二位置信息中Z轴的坐标差异程度确定Z轴坐标的调整幅度，进而调整人体参数模型。

由此，通过获取第二位置信息与第一位置信息间的差异度，根据差异度确定人体参数模型的调整模式，进而以调整模式来调整人体参数模型，实现了有针对性的模型调整，有利于提高各关键点的位置信息匹配速度，进而提高人体模型的确定速度。

在本公开实施例一种可能的实现方式中，调整模式包括但不限于以下至少一项：待调整的参数、待调整的参数对应的调整方向以及待调整的参数对应的调整范围。

其中，待调整的参数与人体参数模型所包括的模型参数有关，比如，当人体参数模型为SMPL模型时，待调整的参数为形状参数β、关节点旋转角度θ、全局旋转角度R、平移量T和缩放因子α中的至少一个。

能够理解的是，不同的待调整参数对应的调整方向不同，比如，对于形状参数，其反映的是人体的高矮胖瘦，则调整方向可以是上下调整、内外调整；而对于关节点旋转角度，其反映的是人体的姿态，调整方向可以是前后、左右、上下等多个方向。对于待调整的参数对应的调整范围，则可以根据第一位置信息和第二位置信息之间的差异度来确定。

需要说明的是，同一个调整模式中可以包括一个待调整的参数，也可以同时包括多个待调整的参数，调整模式中包括的待调整的参数的个数由第一位置信息和第二位置信息之间的差异度确定，差异度越大，待调整的参数可能越多。

本公开实施例中，通过设置调整模式包括待调整的参数、待调整的参数对应的调整方向以及待调整的参数对应的调整范围中的至少一项，使得按照调整模式调整人体参数模型时，能够实现多方面、多方向、有针对性的模型调整，有利于提高模型调整的准确性。

步骤206，响应于调整后的第二模型参数组对应的各人体关键点的第三位置信息与第一位置信息匹配，根据调整后的第二模型参数组确定待处理图像对应的人体模型。

本公开实施例中，调整人体参数模型以获取调整后的第二模型参数组及各人体关键点的第三位置信息之后，可以将第三位置信息与第一位置信息进行比较，当第三位置信息与第一位置信息相同或者两者之差在预设的误差范围内时，确定第三位置信息与第一位置信息匹配，则根据该调整后的第二模型参数组确定待处理图像对应的人体模型，其中，确定的人体模型所呈现的姿态和外形与调整后的第二模型参数组中的各模型参数匹配。

能够理解的是，上述调整人体参数模型的过程是不断迭代的过程，当第三位置信息与第一位置信息不匹配时，根据两者的差异度继续调整人体参数模型的模型参数，并获取调整后的模型参数组及对应的位置信息，继续比较新确定的位置信息是否与第一位置信息匹配，不匹配时继续调整人体参数模型的模型参数，直至调整后的位置信息与第一位置信息匹配，调整结束，获取当前的模型参数组以确定人体模型。

本公开实施例中，还可以采用优化器来调整人体参数模型的模型参数，以达到调整人体参数模型的目的，以SMPL模型为例，优化过程中使用的目标函数可以定义为公式(2)所示。在优化时，将第一位置信息作为输入，通过不断地优化模型参数，使通过模型参数确定的各关键点的位置信息尽可能地与第一位置信息匹配，输出优化后的模型参数组，进而根据该模型参数组确定人体模型。

其中，J¹为各人体关键点的第一位置信息，J(β，θ，R,T,α)为根据模型参数确定的各关键点的位置信息。

本实施例的人体模型的确定方法，通过获取包含人体的待处理图像，对待处理图像进行人体关键点识别，以获取待处理图像中包含的各人体关键点的第一位置信息，获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息，在第二位置信息与第一位置信息匹配的情况下，根据第一模型参数组确定待处理图像对应的人体模型，在第二位置信息与第一位置信息不匹配的情况下，调整人体参数模型以获取调整后的第二模型参数组及各人体关键点的第三位置信息，响应于调整后的第二模型参数组对应的各人体关键点的第三位置信息与第一位置信息匹配，根据调整后的第二模型参数组确定待处理图像对应的人体模型，由此，通过以待处理图像中包含的各人体关键点的第一位置信息为目标，来确定人体参数模型对应的各人体关键点的位置信息与第一位置信息匹配时的模型参数组，根据确定的模型参数组来确定待处理图像对应的人体模型，提高了人体模型的精度和鲁棒性，生成的人体模型可以用于三维人体形状估计、人体驱动、增强现实、混合现实等场景中。

为了更加清楚地描述前述实施例中对待处理图像进行人体关键点识别，以获取待处理图像中包含的各人体关键点的第一位置信息的具体实现过程，下面结合附图3进行详细说明。

图3是根据本公开第三实施例提出的人体模型的确定方法的流程示意图，如图3所示，在如图1所示实施例的基础上，步骤102可以包括以下步骤：

步骤301，对待处理图像进行人体关键点识别，以获取指定的人体关键点在待处理图像中的第一坐标及其余各关键点在待处理图像中的各个第二坐标。

其中，指定的人体关键点比如可以是骨盆的中心点、两只眼睛的中间点、手臂的手肘对应的节点等特征较为明显的关键点。

本公开实施例中，可以采用已有的人体关键点识别技术，来对待处理图像进行人体关键点识别，以获取指定的人体关键点在待处理图像中的第一坐标及其余各关键点在待处理图像中的各个第二坐标。其中，第一坐标和第二坐标可以用像素坐标表示。

步骤302，根据各个第二坐标分别与第一坐标间的相对位置，确定第一位置信息。

本公开实施例中，可以将指定的人体关键点作为基准点，根据各第二坐标分别相对于第一坐标的相对位置，对第二坐标进行调整，得到相对于指定的人体关键点的各相对坐标，该相对坐标是二维坐标，可以进一步依据待处理图像的相机参数进行投影，得到对应的三维坐标，将各三维坐标确定为各人体关键点对应的第一位置信息。

本实施例的人体模型的确定方法，通过对待处理图像进行人体关键点识别，以获取指定的人体关键点在待处理图像中的第一坐标及其余各关键点在待处理图像中的各个第二坐标，根据各个第二坐标分别与第一坐标间的相对位置，确定第一位置信息，由此，使用特征较为明显的指定的人体关键点作为参照来确定其余人体关键点的位置信息，有利于保证所确定各人体关键点的位置信息的精度。

为了实现上述实施例，本公开还提供了一种人体模型的确定装置。图4是根据本公开第四实施例提供的一种人体模型的确定装置的结构示意图，如图4所示，该人体模型的确定装置40包括：第一获取模块410、识别模块420、第二获取模块430和第一确定模块440。

其中，第一获取模块410，用于获取包含人体的待处理图像。

识别模块420，用于对所述待处理图像进行人体关键点识别，以获取所述待处理图像中包含的各人体关键点的第一位置信息。

在本公开实施例一种可能的实现方式中，识别模块420，具体用于：对所述待处理图像进行人体关键点识别，以获取指定的人体关键点在所述待处理图像中的第一坐标及其余各关键点在所述待处理图像中的各个第二坐标；根据所述各个第二坐标分别与所述第一坐标间的相对位置，确定所述第一位置信息。

第二获取模块430，用于获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息。

第一确定模块440，用于在所述第二位置信息与所述第一位置信息匹配的情况下，根据所述第一模型参数组确定所述待处理图像对应的人体模型。

在本公开实施例一种可能的实现方式中，如图5所示，在如图4所示实施例的基础上，该人体模型的确定装置40还包括：

调整模块450，用于在所述第二位置信息与所述第一位置信息未匹配的情况下，调整所述人体参数模型，以获取调整后的第二模型参数组及各人体关键点的第三位置信息。

在本公开实施例一种可能的实现方式中，调整模块450具体用于：获取所述第二位置信息与所述第一位置信息间的差异度；根据所述差异度，确定所述人体参数模型的调整模式；以所述调整模式，调整所述人体参数模型。

在本公开实施例一种可能的实现方式中，所述调整模式，包括以下至少一项：待调整的参数，待调整的参数对应的调整方向以及待调整的参数对应的调整范围。

第二确定模块460，用于响应于所述调整后的第二模型参数组对应的各人体关键点的第三位置信息与所述第一位置信息匹配，根据所述调整后的第二模型参数组确定所述待处理图像对应的人体模型。

在本公开实施例一种可能的实现方式中，所述模型参数组中包括以下至少一项：形状参数，关节点旋转角度，缩放因子，旋转角度以及平移量。

需要说明的是，前述对人体模型的确定方法实施例的解释说明也适用于本实施例的人体模型的确定装置，其实现原理类似，此处不再赘述。

本公开实施例的人体模型的确定装置，通过获取包含人体的待处理图像，对待处理图像进行人体关键点识别，以获取待处理图像中包含的各人体关键点的第一位置信息，获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息，在第二位置信息与第一位置信息匹配的情况下，根据第一模型参数组确定待处理图像对应的人体模型，由此，使得最终生成的人体模型呈现的各人体关键点与待处理图像中包含的各人体关键点匹配，能够保证针对各种姿态的人体确定的人体模型的鲁棒性，并且，根据第一位置信息和第二位置信息确定人体参数模型的模型参数组的过程无需采集训练数据来训练模型，避免了训练数据对模型鲁棒性的影响，有利于提高人体模型的精度和鲁棒性。

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6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/或者要求的本公开的实现。

如图6所示，电子设备700包括计算单元701，其可以根据存储在只读存储器(Read-Only Memory，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(RandomAccess Memory，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，还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(Input/Output，I/O)接口705也连接至总线704。

电子设备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允许电子设备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(Central Processing Unit，CPU)、图形处理单元(Graphic Processing Units，GPU)、各种专用的人工智能(ArtificialIntelligence，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(Digital Signal Processor，DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如人体模型的确定方法。例如，在一些实施例中，人体模型的确定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/或安装到电子设备700上。当计算机程序加载到RAM703并由计算单元701执行时，可以执行上文描述的人体模型的确定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模型的确定方法。

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、现场可编程门阵列(Field Programmable Gate Array，FPGA)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、专用标准产品(ApplicationSpecific Standard Product，ASSP)、芯片上系统的系统(System On Chip，SOC)、负载可编程逻辑设备(Complex Programmable Logic Device，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。

用于实施本公开的人体模型的确定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(Electrically Programmable Read-Only-Memory，EPROM)或快闪存储器、光纤、便捷式紧凑盘只读存储器(Compact Disc Read-Only Memory，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，阴极射线管(Cathode-Ray Tube，CRT)或者液晶显示器(Liquid Crystal Display，LCD)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(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、互联网和区块链网络。

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。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(VirtualPrivate Server，虚拟专用服务器)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

为了实现上述实施例，本公开还提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如前述实施例所述的人体模型的确定方法。

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，本发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 (12)

1.一种人体模型的确定方法，包括：

获取包含人体的待处理图像；

对所述待处理图像进行人体关键点识别，以获取所述待处理图像中包含的各人体关键点的第一位置信息；

获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息；

在所述第二位置信息与所述第一位置信息匹配的情况下，根据所述第一模型参数组确定所述待处理图像对应的人体模型；

在所述第二位置信息与所述第一位置信息未匹配的情况下，调整所述人体参数模型，以获取调整后的第二模型参数组及各人体关键点的第三位置信息；

响应于所述调整后的第二模型参数组对应的各人体关键点的第三位置信息与所述第一位置信息匹配，根据所述调整后的第二模型参数组确定所述待处理图像对应的人体模型。

2.如权利要求1所述的方法，其中，所述调整所述人体参数模型，包括：

获取所述第二位置信息与所述第一位置信息间的差异度；

根据所述差异度，确定所述人体参数模型的调整模式；

以所述调整模式，调整所述人体参数模型。

3.如权利要求2所述的方法，其中，所述调整模式，包括以下至少一项：待调整的参数，待调整的参数对应的调整方向以及待调整的参数对应的调整范围。

4.如权利要求1-3任一项所述的方法，其中，所述对所述待处理图像进行人体关键点识别，以获取所述待处理图像中包含的各人体关键点的第一位置信息，包括：

对所述待处理图像进行人体关键点识别，以获取指定的人体关键点在所述待处理图像中的第一坐标及其余各关键点在所述待处理图像中的各个第二坐标；

根据所述各个第二坐标分别与所述第一坐标间的相对位置，确定所述第一位置信息。

5.如权利要求1-3任一项所述的方法，其中，所述模型参数组中包括以下至少一项：形状参数，关节点旋转角度，缩放因子，旋转角度以及平移量。

6.一种人体模型的确定装置，包括：

第一获取模块，用于获取包含人体的待处理图像；

识别模块，用于对所述待处理图像进行人体关键点识别，以获取所述待处理图像中包含的各人体关键点的第一位置信息；

第二获取模块，用于获取预设的人体参数模型当前对应的第一模型参数组及各人体关键点的第二位置信息；

第一确定模块，用于在所述第二位置信息与所述第一位置信息匹配的情况下，根据所述第一模型参数组确定所述待处理图像对应的人体模型；

调整模块，用于在所述第二位置信息与所述第一位置信息未匹配的情况下，调整所述人体参数模型，以获取调整后的第二模型参数组及各人体关键点的第三位置信息；

第二确定模块，用于响应于所述调整后的第二模型参数组对应的各人体关键点的第三位置信息与所述第一位置信息匹配，根据所述调整后的第二模型参数组确定所述待处理图像对应的人体模型。

7.如权利要求6所述的装置，其中，所述调整模块，具体用于：

获取所述第二位置信息与所述第一位置信息间的差异度；

根据所述差异度，确定所述人体参数模型的调整模式；

以所述调整模式，调整所述人体参数模型。

8.如权利要求7所述的装置，其中，所述调整模式，包括以下至少一项：待调整的参数，待调整的参数对应的调整方向以及待调整的参数对应的调整范围。

9.如权利要求6-8任一项所述的装置，其中，所述识别模块，具体用于：

对所述待处理图像进行人体关键点识别，以获取指定的人体关键点在所述待处理图像中的第一坐标及其余各关键点在所述待处理图像中的各个第二坐标；

根据所述各个第二坐标分别与所述第一坐标间的相对位置，确定所述第一位置信息。

10.如权利要求6-8任一项所述的装置，其中，所述模型参数组中包括以下至少一项：形状参数，关节点旋转角度，缩放因子，旋转角度以及平移量。

11. 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如权利要求1-5中任一项所述的人体模型的确定方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如权利要求1-5中任一项所述的人体模型的确定方法。