CN114299152A - 一种获取姿态数据的方法及神经网络构建方法 - Google Patents
一种获取姿态数据的方法及神经网络构建方法 Download PDFInfo
- Publication number
- CN114299152A CN114299152A CN202210069178.6A CN202210069178A CN114299152A CN 114299152 A CN114299152 A CN 114299152A CN 202210069178 A CN202210069178 A CN 202210069178A CN 114299152 A CN114299152 A CN 114299152A
- Authority
- CN
- China
- Prior art keywords
- network
- dimensional
- data
- neural network
- branch
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及姿态估计技术领域,尤其涉及一种获取姿态数据的方法及用于获取姿态数据的神经网络构建方法。该获取姿态数据的方法包括:获取包含目标物的待处理图像;将待处理图像输入第一神经网络获取目标物的二维姿态数据和/或三维姿态数据;其中,第一神经网络包括基础网络和分别连接所述基础网络的二维分支网络和三维分支网络,二维分支网络对三维分支网络产生约束作用,基础网络用于对所述待处理图像进行特征提取得到特征图,二维分支网络利用所述特征图输出二维姿态数据,三维分支网络利用所述特征图输出三维姿态数据。本申请实施例可以大大提升二维姿态数据和三维姿态数据的准确率。
Description
技术领域
本申请涉及姿态估计技术领域,尤其涉及一种获取姿态数据的方法及用于获取姿态数据的神经网络构建方法。
背景技术
人体姿态估计是给定一幅图像或者一段视频,从中去恢复人体关节点的过程。人体姿态估计包括二维(two dimension,2D)人体姿态估计和三维(three dimension,3D)人体姿态估计。通常情况下,可以将3D人体姿态估计细分为单人或多人姿态估计。
3D人体姿态估计,又称为3D人体关键点检测,相比2D人体姿态估计,3D人体姿态估计不仅需要检测关节点的平面位置,还需要对关节点的空间深度信息进行估计。3D人体姿态估计因为其具有关节点深度信息的特点,在人机交互、安防、游戏、健康等领域中应用广泛。因此亟需一种准确的姿态估计方案。
以上背景技术内容的公开仅用于辅助理解本申请的发明构思及技术方案,其并不必然属于本申请的现有技术,在没有明确的证据表明上述内容在本申请的申请日前已经公开的情况下,上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
有鉴于此,本申请实施例提供了一种获取姿态数据的方法及用于获取姿态数据的神经网络构建方法,可以解决相关技术中的至少一个技术问题。
第一方面,本申请一实施例提供了一种获取姿态数据的方法,包括:
获取包含目标物的待处理图像;
将所述待处理图像输入第一神经网络获取所述目标物的二维姿态数据和/或三维姿态数据;
其中,所述第一神经网络包括基础网络和分别连接所述基础网络的二维分支网络和三维分支网络,所述二维分支网络对所述三维分支网络产生约束作用,所述基础网络用于对所述待处理图像进行特征提取得到特征图,所述二维分支网络利用所述特征图输出所述二维姿态数据,所述三维分支网络利用所述特征图输出所述三维姿态数据。
在一些实施例中,所述基础网络用于对所述待处理图像进行特征提取得到特征图,所述二维分支网络包括共享网络和二维子网络,所述共享网络用于根据所述特征图获取所述目标物的二维关键点初步检测数据,所述二维子网络用于根据所述二维关键点初步检测数据获取所述二维姿态数据;所述三维分支网络包括特征提取子网络和特征融合子网络,所述特征提取子网络用于根据所述特征图获取所述目标物的三维关键点初步检测数据,所述特征融合子网络用于根据所述三维关键点初步检测数据和所述二维关键点初步检测数据获取所述三维姿态数据。
在一些实施例中,构建所述第一神经网络的过程中,所述二维分支网络和所述三维分支网络分开进行训练,先训练所述二维分支网络,后训练所述三维分支网络。
在一些实施例中,构建所述第一神经网络的过程包括:
获取多个第一样本数据和多个第二样本数据,所述第一样本数据包括包含目标物的第一样本图像及其目标物的样本二维姿态数据,所述第二样本数据包括包含目标物第二样本图像及其目标物的样本三维姿态数据;
冻结初始神经网络的三维分支网络使之无法反向传播,利用所述第一样本数据训练所述初始神经网络直至网络收敛得到第二神经网络;
冻结所述第二神经网络的二维分支网络使之无法反向传播,利用所述第二样本数据训练所述第二神经网络直至网络收敛得到所述第一神经网络;所述初始神经网络和所述第二神经网络具备与所述第一神经网络相同的网络结构。
在一些实施例中,所述特征融合子网络用于根据连接后的所述三维关键点初步检测数据和所述二维关键点初步检测数据获取所述三维姿态数据。
在一些实施例中,所述共享网络包括串联的第一卷积层、第二卷积层、第一逆卷积层和第三卷积层;所述二维子网络包括串联的四个卷积层。
在一些实施例中,所述特征提取子网络包括串联的第四卷积层,第二逆卷积层和第五卷积层,所述特征融合子网络包括串联的四个卷积层。
第二方面,本申请一实施例提供一种用于获取姿态数据的神经网络构建方法,包括:
获取多个第一样本数据和多个第二样本数据,所述第一样本数据包括包含目标物的第一样本图像及其目标物的样本二维姿态数据,所述第二样本数据包括包含目标物第二样本图像及其目标物的样本三维姿态数据;
冻结初始神经网络的三维分支网络使之无法反向传播,利用所述第一样本数据训练所述初始神经网络直至网络收敛得到第二神经网络;
冻结所述第二神经网络的二维分支网络使之无法反向传播,利用所述第二样本数据训练所述第二神经网络直至网络收敛得到第一神经网络;所述第一神经网络、所述第二神经网络与所述初始神经网络具备相同的网络结构,包括基础网络和分别连接所述基础网络的二维分支网络和三维分支网络,所述二维分支网络对所述三维分支网络产生约束作用,所述基础网络用于对所述待处理图像进行特征提取得到特征图,所述二维分支网络利用所述特征图输出所述二维姿态数据,所述三维分支网络利用所述特征图输出所述三维姿态数据。
在一些实施例中,所述基础网络用于对所述第一样本图像或所述第二样本图像进行特征提取得到特征图,所述二维分支网络包括共享网络和二维子网络,所述共享网络用于根据所述特征图获取所述目标物的二维关键点初步检测数据,所述二维子网络用于根据所述二维关键点初步检测数据获取所述二维姿态数据;所述三维分支网络包括特征提取子网络和特征融合子网络,所述特征提取子网络用于根据所述特征图获取所述目标物的三维关键点初步检测数据,所述特征融合子网络用于根据所述三维关键点初步检测数据和所述二维关键点初步检测数据获取所述三维姿态数据。
在一些实施例中,所述特征融合子网络用于根据连接后的所述三维关键点初步检测数据和所述二维关键点初步检测数据获取所述三维姿态数据。
在一些实施例中,所述共享网络包括串联的第一卷积层、第二卷积层、第一逆卷积层和第三卷积层;所述二维子网络包括串联的四个卷积层。
在一些实施例中,所述特征提取子网络包括串联的第四卷积层,第二逆卷积层和第五卷积层,所述特征融合子网络包括串联的四个卷积层。
第三方面,本申请一实施例提供一种获取姿态数据的装置,包括:
第一获取模块,用于获取包含目标物的待处理图像;
第二获取模块,用于将所述待处理图像输入第一神经网络获取所述目标物的二维姿态数据和三维姿态数据;所述第一神经网络包括基础网络和分别连接所述基础网络的二维分支网络和三维分支网络,所述二维分支网络对所述三维分支网络产生约束作用,所述二维分支网络输出所述二维姿态数据,所述三维分支网络输出所述三维姿态数据。
第四方面,本申请一实施例提供一种用于获取姿态数据的神经网络构建装置,包括:
第三获取模块,用于获取多个第一样本数据和多个第二样本数据,所述第一样本数据包括包含目标物的第一样本图像及其目标物的样本二维姿态数据,所述第二样本数据包括包含目标物第二样本图像及其目标物的样本三维姿态数据;
第一训练模块,用于冻结初始神经网络的三维分支网络使之无法反向传播,利用所述第一样本数据训练所述初始神经网络直至网络收敛得到第二神经网络;
第二训练模块,用于冻结所述第二神经网络的二维分支网络使之无法反向传播,利用所述第二样本数据训练所述第二神经网络直至网络收敛得到第一神经网络;所述第一神经网络、所述第二神经网络与所述初始神经网络具备相同的网络结构,包括基础网络和分别连接所述基础网络的二维分支网络和三维分支网络,所述二维分支网络对所述三维分支网络产生约束作用,所述基础网络用于对样本图像进行特征提取得到特征图,所述二维分支网络利用所述特征图输出所述二维姿态数据,所述三维分支网络利用所述特征图输出所述三维姿态数据。
第五方面,本申请一实施例提供一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面任一实施例所述的获取姿态数据的方法,或实现如第二方面任一实施例所述的用于获取姿态数据的神经网络构建方法。
第六方面,本申请一实施例提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一实施例所述的获取姿态数据的方法,或执行如第二方面任一实施例所述的用于获取姿态数据的神经网络构建方法。
本申请实施例的有益效果在于:所使用的模型具有2D和3D两个分支,分别对人体的2D和3D姿态数据进行估计,2D分支和3D分支共享了共享网络,使得2D分支起到对3D分支的约束作用,可以大大提高3D姿态估计的准确率。此外,在模型的训练过程中,2D分支和3D分支分开进行训练,在2D分支的训练中,充分利用2D样本数据的丰富和多样性,保证2D姿态估计的准确率;2D和3D分支共享了共享网络,使得2D分支起到对3D分支的约束作用,在3D分支的训练中,可以大大提高3D姿态估计的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种获取姿态数据的方法的实现流程示意图;
图2是本申请一实施例提供的一种用于获取姿态数据的神经网络的结构示意图;
图3是本申请一实施例提供的一种获取姿态数据的方法中步骤S120的实现流程示意图;
图4是本申请一实施例提供的一种用于获取姿态数据的神经网络的结构示意图;
图5本申请一实施例提供的一种用于获取姿态数据的神经网络构建方法的实现流程示意图;
图6是本申请一实施例提供的一种获取姿态数据的装置的结构示意图;
图7A是本申请另一实施例提供的一种用于获取姿态数据的装置的结构示意图;
图7B是本申请另一实施例提供的一种用于获取姿态数据的装置的结构示意图;
图8是本申请一实施例提供的一种用于获取姿态数据的神经网络构建装置的结构示意图;
图9是本申请一实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
在本申请说明书中描述的“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
此外,在本申请的描述中,“多个”的含义是两个或两个以上。术语“第一”和“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
3D人体姿态估计常用的方法主要有如下几种:1)基于单目图像直接预测3D坐标;2)以2D姿态估计作为中间步骤,通过运动学、空间投影、先验信息等约束,去估计3D姿态;3)基于多目图像的方法,融合多视角信息,重建3D pose;4)基于视频的方法,根据相邻帧的上下文信息预测3D姿态。本申请主要涉及第一种方法。基于单目图像直接回归得到3D关键点坐标,可以更好的利用原始图像中的信息,得到更准确的预测结果。
目前,由于采集设备昂贵、流程复杂等客观原因,3D人体姿态估计的训练数据场景单一,缺乏室外大规模场景的训练数据。相比之下,2D人体姿态估计的训练数据较为丰富。现有的基于单目图像直接预测的方法,通常采用单分支的模型结构,直接输出关节点的3D坐标。在构造训练数据时,将2D和3D数据融合在一起作为训练训练。为了解决2D图片深度缺失的情况,在构造训练数据时,强制将2D图片的关节点的深度置零,并在损失函数梯度传导时,将深度产生的损失置为零。尽管该方法充分利用到了2D图片的训练数据,但是在提升3D预测精度的同时,由于2D和3D训练数据的数量不平衡,该方法舍弃了部分2D姿态的估计的准确性。
因此,本申请提出了一种获取姿态数据的方法,本质上是一种2D和3D人体姿态联合估计方法。该方法所使用的模型具有2D和3D两个分支,分别对人体的2D和3D姿态数据进行估计。在模型的训练中,2D分支和3D分支分开进行训练。在2D分支的训练中,充分利用2D样本数据的丰富和多样性,保证2D姿态估计的准确率。此外,2D和3D分支通过共享部分网络,使得2D分支起到对3D分支的约束作用,在3D分支的训练中,可以大大提高3D姿态估计的准确率。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
图1是本申请一实施例提供的一种获取姿态数据的方法的实现流程示意图。本实施例中的获取姿态数据的方法可由电子设备执行。电子设备包括但不限于计算机、平板电脑、服务器、手机、相机或可穿戴设备等。其中,服务器包括但不限于独立服务器或云服务器等。如图1所示,获取姿态数据的方法可以包括步骤S110至步骤S120。
S110,获取包含目标物的待处理图像。
其中,待处理图像可以是包含目标物的图像或者视频序列中的图像帧。待处理图像可以包括单目的彩色图像,例如RGB图像等。目标物包括但不限于人体等,在后续的实施例或示例中,为方便描述,以人体作为目标物的示例进行说明。
在一些实施例中,可以通过采集装置获取某一目标场景下包含人体的待处理图像。采集装置采集某一目标场景下包含人体的图像,电子设备获取该图像,进而获取该图像中人体的2D人体姿态数据和3D人体姿态数据。作为一实现方式,采集装置包括单目相机或单目摄像头等。
在一些实施例中,采集装置可以独立于电子设备。在其他一些实施例中,采集装置也可以集成于电子设备。本申请对此不予限制。
S120,将待处理图像输入第一神经网络获取目标物的2D姿态数据和/或3D姿态数据。
在一些实施例中,可以提前将第一神经网络部署在电子设备,可以将其存储在电子设备的存储器中,使用时调用即可。在这些实施例中,构建第一神经网络的过程可以由独立于电子设备的其他设备执行,其他设备构建第一神经网络后,将其部署到电子设备,以供电子设备使用。需要说明的是,构建第一神经网络的过程可参见后续图5所示实施例的神经网络构建方法,此处不再赘述。
在其他一些实施例中,可以提前将初始神经网络部署在电子设备中,在使用第一神经网络之前,基于初始神经网络构建第一神经网络,进而使用第一神经网络获取待处理图像中人体的2D姿态数据和/或3D姿态数据。具体地,在这些实施例中,构建第一神经网络的过程可以由电子设备执行,在电子设备执行步骤S110或S120之前,还包括执行构建第一神经网络的步骤。需要说明的是,第一神经网络的构建过程可参见后续图5所示实施例的神经网络构建方法,此处不再赘述。
在一些实施例中,第一神经网络包括第一神经网络包括基础网络和分别连接所述基础网络的二维分支网络和三维分支网络,二维分支网络对三维分支网络产生约束作用,基础网络用于对待处理图像进行特征提取得到特征图,二维分支网络利用特征图输出二维姿态数据,三维分支网络利用特征图输出三维姿态数据。
进一步地,如图2所示,第一神经网络包括基础网络21和分别连接基础网络21的2D分支网络22和3D分支网络23。基础网络21用于对待处理图像进行特征提取得到特征图。2D分支网络22包括共享网络221和2D子网络222,共享网络221用于根据特征图获取目标物的2D关键点初步检测数据,2D子网络222用于根据2D关键点初步检测数据获取2D姿态数据,2D姿态数据是比2D关键点初步检测数据更精确的姿态数据。3D分支网络23包括特征提取子网络231和特征融合子网络232,特征提取子网络231用于根据特征图获取目标物的3D关键点初步检测数据,特征融合子网络232用于根据3D关键点初步检测数据和2D关键点初步检测数据获取3D姿态数据。
作为一实现方式,特征融合子网络232用于根据连接后的3D关键点初步检测数据和2D关键点初步检测数据获取3D姿态数据。
具体地,继续参见图2所示,将3D关键点初步检测数据和2D关键点初步检测数据相加后输入特征融合子网络232,特征融合子网络232输出3D姿态数据。
作为一非限制性示例,如图3所示,步骤S120,将待处理图像输入第一神经网络获取目标物的2D姿态数据和/或3D姿态数据,可以包括步骤S121至步骤S123。
S121,将待处理图像输入基础网络得到特征图。
S122,将特征图输入共享网络输出目标物的2D关键点初步检测数据;将特征图输入特征提取子网络输出目标物的3D关键点初步检测数据。
S123,将2D关键点初步检测数据输入2D子网络输出2D姿态数据;将2D关键点初步检测数据和3D关键点初步检测数据连接后输入特征融合子网络,输出3D姿态数据。
在一些实施例中,如图4所示,基础网络21可以采用残差网络(Residual Network,ResNet)。作为一非限制性示例,采用ResNet18等。
在一些实施例中,继续参见图4所示,共享网络221包括串联的第一卷积层2211、第二卷积层2212、第一逆卷积层(ConvTranspose)2213和第三卷积层2214。作为一非限制性示例,第一卷积层2211的卷积核为1*1,第二卷积层2212的卷积核为3*3,第一逆卷积层2213的卷积核为4*4,第三卷积层2214的卷积核为1*1。通过简单的网络结构实现对特征图的2D关键点初步检测。
在一些实施例中,特征提取子网络231包括串联的第四卷积层2311,第二逆卷积层2312和第五卷积层2313。作为一非限制性示例,第四卷积层2311的卷积核为1*1,第二逆卷积层2312的卷积核为4*4,第五卷积层2313的卷积核为1*1。通过简单的网络结构实现对特征图的3D关键点初步检测。
在一些实施例中,2D子网络222包括四个串联的卷积层。作为一非限制性示例,继续参见图4所示,2D子网络222包括第六卷积层2221,第七卷积层2222,第八卷积层2223和第九卷积层2224。第六卷积层2221和第九卷积层2224的卷积核为1*1,第七卷积层2222和第八卷积层2223的卷积核为3*3。
在一些实施例中,特征融合子网络232包括四个串联的卷积层。作为一非限制性示例,继续参见图4所示,特征融合子网络232包括第十卷积层2321,第十一卷积层2322,第十二卷积层2323和第十三卷积层2324。第十卷积层2321和第十三卷积层2324的卷积核为1*1,第十一卷积层2322和第十二卷积层2323的卷积核为3*3。
在一些实施例中,当构建第一神经网络时,将2D分支网络和3D分支网络分开进行训练,先训练2D分支网络,后训练3D分支网络。
本申请另一实施例提供一种用于获取姿态数据的神经网络构建方法,本实施例未详细描述之处,请参见前述实施例,此处不再赘述。如图5所示,用于获取姿态数据的神经网络构建方法,可以包括步骤S510至S530。
S510,获取多个第一样本数据和多个第二样本数据。
其中,第一样本数据包括包含目标物的第一样本图像及其目标物的样本2D姿态数据,第一样本数据也可称为2D样本数据;第二样本数据包括包含目标物第二样本图像及其目标物的样本3D姿态数据,第二样本数据也可称为3D样本数据。
具体地,样本2D姿态数据包括第一样本图像中目标物的2D关键点坐标和类别信息。样本3D姿态数据包括第二样本图像中目标物的2D关键点坐标和类别信息,以及深度信息。
在一些实施例中,为了降低获取样本数据的成本,可以从第二样本数据中取出第二样本图像以及目标物的2D关键点坐标和类别信息,作为第一样本数据。
S520,冻结初始神经网络的3D分支网络使之无法反向传播,利用第一样本数据训练初始神经网络直至网络收敛得到第二神经网络。
S530,冻结第一神经网络的2D分支网络使之无法反向传播,利用第二样本数据训练第二神经网络直至网络收敛得到第一神经网络。
其中,初始神经网络、第二神经网络、第一神经网络具备相同的网络结构,均包括基础网络和分别连接基础网络的2D分支网络和3D分支网络,2D分支网络对3D分支网络产生约束作用,2D分支网络输出2D姿态数据,3D分支网络输出3D姿态数据。第二神经网络为对初始神经网络的部分参数,尤其是基础网络和2D分支网络的参数进行优化后的网络,而第一神经网络为对第二神经网络的部分参数,尤其是基础网络和3D分支网络的参数进行优化后的网络。
在本实施例中,先采用2D样本数据,即第一样本数据,训练初始神经网络直至网络收敛得到第二神经网络。在这个阶段的训练过程中,网络正常正向传播,但是需要预先冻结3D分支网络使之无法反向传播,仅优化初始神经网络的基础网络和2D分支网络的参数,得到第二神经网络。
然后采用3D样本数据,即第二样本数据,训练第二神经网络。在这个阶段的训练过程中,网络正常正向传播,但是冻结2D分支网络使之无法反向传播,仅优化第二神经网络的基础网络和3D分支网络的参数,得到第一神经网络。
在模型的训练中,2D分支和3D分支分开进行训练,在2D分支的训练中,充分利用2D样本数据的丰富和多样性,保证2D姿态估计的准确率;此外,2D和3D分支共享了部分网络,即共享网络,使得2D分支起到对3D分支的约束作用,在3D分支的训练中,可以大大提高3D姿态估计的准确率。
在其他一些实施例中,在步骤S530得到第一神经网络后,由于重新调整了基础网络的参数,可能会影响2D分支网络的收敛与否,因此,在得到第一神经网络后,还要对其2D分支和3D分支先后进行训练,直至网络收敛,可以得到更优的网络模型,从而进一步提高2D姿态估计和3D姿态估计的准确度。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本申请实施例还提供一种获取姿态数据的装置。该获取姿态数据的装置中未详细描述之处请详见前述获取姿态数据的方法实施例中的相关描述。
参见图6,图6是本申请一实施例提供的一种获取姿态数据的装置的示意框图。获取姿态数据的装置可以包括:第一获取模块61和第二获取模块62。
其中,第一获取模块61,用于获取包含目标物的待处理图像;
第二获取模块62,用于将待处理图像输入第一神经网络获取目标物的2D姿态数据和/或3D姿态数据。
其中,第一神经网络包括基础网络和分别连接基础网络的二维分支网络和三维分支网络,二维分支网络对三维分支网络产生约束作用,基础网络用于对待处理图像进行特征提取得到特征图,二维分支网络利用特征图输出二维姿态数据,三维分支网络利用特征图输出三维姿态数据。
在一些实施例中,在图6所示实施例的基础上,如图7A和图7B所示,获取姿态数据的装置还包括:第三获取模块63,第一训练模块64和第二训练模块65。
其中,第三获取模块63,用于获取多个第一样本数据和多个第二样本数据。
其中,第一样本数据包括包含目标物的第一样本图像及其目标物的样本2D姿态数据,第二样本数据包括包含目标物第二样本图像及其目标物的样本三维姿态数据;
第一训练模块64,用于冻结初始神经网络的三维分支网络使之无法反向传播,利用所述第一样本数据训练所述初始神经网络直至网络收敛得到第二神经网络。
第二训练模块65,用于冻结所述第二神经网络的二维分支网络使之无法反向传播,利用所述第二样本数据训练所述第二神经网络直至网络收敛得到所述第一神经网络。
其中,初始神经网络和第二神经网络具备与第一神经网络相同的网络结构。
本申请实施例还提供一种用于获取姿态数据的神经网络构建装置。该用于获取姿态数据的神经网络构建装置中未详细描述之处请详见前述用于获取姿态数据的神经网络构建方法实施例中的相关描述。
参见图8,图8是本申请一实施例提供的一种用于获取姿态数据的神经网络构建装置的示意框图。用于获取姿态数据的神经网络构建装置可以包括:第三获取模块63、第一训练模块64和第二训练模块65。
其中,第三获取模块63,用于获取多个第一样本数据和多个第二样本数据。
其中,第一样本数据包括包含目标物的第一样本图像及其目标物的样本2D姿态数据,第二样本数据包括包含目标物第二样本图像及其目标物的样本3D姿态数据。
第一训练模块64,用于冻结初始神经网络的3D分支网络使之无法反向传播,利用第一样本数据训练初始神经网络直至网络收敛得到第二神经网络。
第二训练模块65,用于冻结第二神经网络的2D分支网络使之无法反向传播,利用第二样本数据训练第二神经网络直至网络收敛得到第一神经网络。
其中,第一神经网络、第二神经网络与初始神经网络具备相同的网络结构,包括基础网络和分别连接基础网络的2D分支网络和3D分支网络,二维分支网络对三维分支网络产生约束作用,基础网络用于对样本图像进行特征提取得到特征图,二维分支网络利用特征图输出二维姿态数据,三维分支网络利用特征图输出三维姿态数据。
本申请实施例还提供了一种电子设备,如图9所示,电子设备可以包括一个或多个处理器900(图9中仅示出一个),存储器910以及存储在存储器910中并可在一个或多个处理器900上运行的计算机程序920,例如,获取姿态数据和/或构建神经网络的程序。一个或多个处理器900执行计算机程序920时可以实现获取姿态数据的方法和/或神经网络构建方法实施例中的各个步骤。或者,一个或多个处理器900执行计算机程序920时可以实现获取姿态数据的装置和/神经网络构建装置实施例中各模块/单元的功能,此处不作限制。
示例性的,计算机程序920可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器910中,并由处理器900执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序920在处理单元中的执行过程。
例如,计算机程序920可以被分割成如下几个模块。各模块具体功能如下:
第一获取模块,用于获取包含目标物的待处理图像;
第二获取模块,用于将待处理图像输入第一神经网络获取目标物的2D姿态数据和/或3D姿态数据。
又如,计算机程序920可以被分割成如下几个模块。各模块具体功能如下:
第三获取模块,用于获取多个第一样本数据和多个第二样本数据。
第一训练模块,用于冻结初始神经网络的3D分支网络使之无法反向传播,利用第一样本数据训练初始神经网络直至网络收敛得到第二神经网络。
第二训练模块,用于冻结第二神经网络的2D分支网络使之无法反向传播,利用第二样本数据训练第二神经网络直至网络收敛得到第一神经网络。
本领域技术人员可以理解,图9仅仅是电子设备的示例,并不构成对电子设备的限定。电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如电子设备还可以包括输入输出设备、网络接入设备、总线等。
在一个实施例中,所称处理器900可以是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在一个实施例中,存储器910可以是电子设备的内部存储单元,例如电子设备的硬盘或内存。存储器1210也可以是电子设备的外部存储设备,例如电子设备上配备的插接式硬盘,智能存储卡(smart media card,SMC),安全数字(secure digital,SD)卡,闪存卡(flash card)等。进一步地,存储器910还可以既包括电子设备的内部存储单元也包括外部存储设备。存储器910用于存储计算机程序以及电子设备所需的其他程序和数据。存储器910还可以用于暂时地存储已经输出或者将要输出的数据。
本申请一实施例还提供了电子设备的另一种优选的实施例,在本实施例中,电子设备包括一个或多个处理器。一个或多个处理器用于执行存储在存储器的以下程序模块:
第一获取模块,用于获取包含目标物的待处理图像;
第二获取模块,用于将待处理图像输入第一神经网络获取目标物的2D姿态数据和/或3D姿态数据。
和/或,
第三获取模块,用于获取多个第一样本数据和多个第二样本数据。
第一训练模块,用于冻结初始神经网络的3D分支网络使之无法反向传播,利用第一样本数据训练初始神经网络直至网络收敛得到第二神经网络。
第二训练模块,用于冻结第二神经网络的2D分支网络使之无法反向传播,利用第二样本数据训练第二神经网络直至网络收敛得到第一神经网络。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请一实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时可实现获取姿态数据的方法和/或神经网络构建方法实施例中的各个步骤。
本申请一实施例还提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备可实现获取姿态数据的方法和/或神经网络构建方法实施例中的各个步骤。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/电子设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/电子设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (12)
1.一种获取姿态数据的方法,其特征在于,包括:
获取包含目标物的待处理图像;
将所述待处理图像输入第一神经网络获取所述目标物的二维姿态数据和/或三维姿态数据;
其中,所述第一神经网络包括基础网络和分别连接所述基础网络的二维分支网络和三维分支网络,所述二维分支网络对所述三维分支网络产生约束作用,所述基础网络用于对所述待处理图像进行特征提取得到特征图,所述二维分支网络利用所述特征图输出所述二维姿态数据,所述三维分支网络利用所述特征图输出所述三维姿态数据。
2.如权利要求1所述的方法,其特征在于,所述二维分支网络包括共享网络和二维子网络,所述共享网络用于根据所述特征图获取所述目标物的二维关键点初步检测数据,所述二维子网络用于根据所述二维关键点初步检测数据获取所述二维姿态数据;
所述三维分支网络包括特征提取子网络和特征融合子网络,所述特征提取子网络用于根据所述特征图获取所述目标物的三维关键点初步检测数据,所述特征融合子网络用于根据所述三维关键点初步检测数据和所述二维关键点初步检测数据获取所述三维姿态数据。
3.如权利要求1或2所述的方法,其特征在于,构建所述第一神经网络的过程中,所述二维分支网络和所述三维分支网络分开进行训练,先训练所述二维分支网络,后训练所述三维分支网络。
4.如权利要求1至3任一项所述的方法,其特征在于,构建所述第一神经网络的过程包括:
获取多个第一样本数据和多个第二样本数据,所述第一样本数据包括包含目标物的第一样本图像及其目标物的样本二维姿态数据,所述第二样本数据包括包含目标物第二样本图像及其目标物的样本三维姿态数据;
冻结初始神经网络的三维分支网络使之无法反向传播,利用所述第一样本数据训练所述初始神经网络直至网络收敛得到第二神经网络;
冻结所述第二神经网络的二维分支网络使之无法反向传播,利用所述第二样本数据训练所述第二神经网络直至网络收敛得到所述第一神经网络;所述初始神经网络和所述第二神经网络具备与所述第一神经网络相同的网络结构。
5.如权利要求2所述的方法,其特征在于,所述特征融合子网络用于根据连接后的所述三维关键点初步检测数据和所述二维关键点初步检测数据获取所述三维姿态数据。
6.如权利要求2或5所述的方法,其特征在于,所述共享网络包括串联的第一卷积层、第二卷积层、第一逆卷积层和第三卷积层;所述二维子网络包括串联的四个卷积层;
所述特征提取子网络包括串联的第四卷积层,第二逆卷积层和第五卷积层,所述特征融合子网络包括串联的四个卷积层。
7.一种用于获取姿态数据的神经网络构建方法,其特征在于,包括:
获取多个第一样本数据和多个第二样本数据,所述第一样本数据包括包含目标物的第一样本图像及其目标物的样本二维姿态数据,所述第二样本数据包括包含目标物第二样本图像及其目标物的样本三维姿态数据;
冻结初始神经网络的三维分支网络使之无法反向传播,利用所述第一样本数据训练所述初始神经网络直至网络收敛得到第二神经网络;
冻结所述第二神经网络的二维分支网络使之无法反向传播,利用所述第二样本数据训练所述第二神经网络直至网络收敛得到第一神经网络;所述第一神经网络、所述第二神经网络与所述初始神经网络具备相同的网络结构,包括基础网络和分别连接所述基础网络的二维分支网络和三维分支网络,所述二维分支网络对所述三维分支网络产生约束作用,所述基础网络用于对样本图像进行特征提取得到特征图,所述二维分支网络利用所述特征图输出所述二维姿态数据,所述三维分支网络利用所述特征图输出所述三维姿态数据。
8.如权利要求7所述的神经网络构建方法,其特征在于,所述基础网络用于对所述第一样本图像或所述第二样本图像进行特征提取得到特征图,所述二维分支网络包括共享网络和二维子网络,所述共享网络用于根据所述特征图获取所述目标物的二维关键点初步检测数据,所述二维子网络用于根据所述二维关键点初步检测数据获取所述二维姿态数据;所述三维分支网络包括特征提取子网络和特征融合子网络,所述特征提取子网络用于根据所述特征图获取所述目标物的三维关键点初步检测数据,所述特征融合子网络用于根据所述三维关键点初步检测数据和所述二维关键点初步检测数据获取所述三维姿态数据。
9.一种获取姿态数据的装置,其特征在于,包括第一获取模块和第二获取模块,其中:
所述第一获取模块,用于获取包含目标物的待处理图像;
所述第二获取模块,用于将所述待处理图像输入第一神经网络获取所述目标物的2D姿态数据和/或3D姿态数据;
其中,所述第一神经网络包括基础网络和分别连接所述基础网络的二维分支网络和三维分支网络,所述二维分支网络对所述三维分支网络产生约束作用,所述基础网络用于对所述待处理图像进行特征提取得到特征图,所述二维分支网络利用所述特征图输出所述二维姿态数据,所述三维分支网络利用所述特征图输出所述三维姿态数据。
10.一种获取姿态数据的神经网络构建装置,其特征在于,包括第三获取模块、第一训练模块及第二训练模块,其中:
所述第三获取模块,用于获取多个第一样本数据和多个第二样本数据;其中,所述第一样本数据包括包含目标物的第一样本图像及其目标物的样本2D姿态数据,所述第二样本数据包括包含目标物第二样本图像及其目标物的样本3D姿态数据;
所述第一训练模块,用于冻结初始神经网络的3D分支网络使之无法反向传播,利用所述第一样本数据训练所述初始神经网络直至网络收敛得到第二神经网络。
所述第二训练模块,用于冻结所述第二神经网络的2D分支网络使之无法反向传播,利用所述第二样本数据训练所述第二神经网络直至网络收敛得到第一神经网络;
其中,所述第一神经网络、所述第二神经网络与所述初始神经网络具备相同的网络结构,包括基础网络和分别连接基础网络的所述2D分支网络和所述3D分支网络,所述二维分支网络对所述三维分支网络产生约束作用,所述基础网络用于对样本图像进行特征提取得到特征图,所述二维分支网络利用所述特征图输出所述二维姿态数据,所述三维分支网络利用所述特征图输出所述三维姿态数据。
11.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的获取姿态数据的方法,或,实现如权利要求7或8所述的用于获取姿态数据的神经网络构建方法。
12.一种计算机存储介质,所述计算机存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的获取姿态数据的方法,或,实现如权利要求7或8所述的用于获取姿态数据的神经网络构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210069178.6A CN114299152A (zh) | 2022-01-21 | 2022-01-21 | 一种获取姿态数据的方法及神经网络构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210069178.6A CN114299152A (zh) | 2022-01-21 | 2022-01-21 | 一种获取姿态数据的方法及神经网络构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114299152A true CN114299152A (zh) | 2022-04-08 |
Family
ID=80978057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210069178.6A Pending CN114299152A (zh) | 2022-01-21 | 2022-01-21 | 一种获取姿态数据的方法及神经网络构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114299152A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024055748A1 (zh) * | 2022-09-15 | 2024-03-21 | 腾讯科技(深圳)有限公司 | 一种头部姿态估计方法、装置、设备以及存储介质 |
-
2022
- 2022-01-21 CN CN202210069178.6A patent/CN114299152A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024055748A1 (zh) * | 2022-09-15 | 2024-03-21 | 腾讯科技(深圳)有限公司 | 一种头部姿态估计方法、装置、设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111598993B (zh) | 基于多视角成像技术的三维数据重建方法、装置 | |
CN111815754B (zh) | 一种三维信息确定方法、三维信息确定装置及终端设备 | |
CN109816769A (zh) | 基于深度相机的场景地图生成方法、装置及设备 | |
CN110866977B (zh) | 增强现实处理方法及装置、系统、存储介质和电子设备 | |
CN111091166B (zh) | 图像处理模型训练方法、图像处理方法、设备及存储介质 | |
CN108230384B (zh) | 图像深度计算方法、装置、存储介质和电子设备 | |
CN108711144B (zh) | 增强现实方法及装置 | |
CN107590811B (zh) | 基于场景分割的风景图像处理方法、装置及计算设备 | |
CN107644423B (zh) | 基于场景分割的视频数据实时处理方法、装置及计算设备 | |
CN109754464B (zh) | 用于生成信息的方法和装置 | |
EP3998582A1 (en) | Three-dimensional model generation method and three-dimensional model generation device | |
CN113327318B (zh) | 图像显示方法、装置、电子设备和计算机可读介质 | |
CN112132770A (zh) | 图像修复的方法、装置、计算机可读介质及电子设备 | |
CN113723317A (zh) | 3d人脸的重建方法、装置、电子设备和存储介质 | |
CN112308977A (zh) | 视频处理方法、视频处理装置和存储介质 | |
CN114299152A (zh) | 一种获取姿态数据的方法及神经网络构建方法 | |
CN115100707A (zh) | 模型的训练方法、视频信息生成方法、设备以及存储介质 | |
CN115115724A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
WO2022043834A1 (en) | Full skeletal 3d pose recovery from monocular camera | |
CN109074658B (zh) | 通过特征跟踪和模型配准进行3d多视图重建的方法 | |
CN109816791B (zh) | 用于生成信息的方法和装置 | |
CN107622498B (zh) | 基于场景分割的图像穿越处理方法、装置及计算设备 | |
CN115393423A (zh) | 目标检测方法和装置 | |
CN116012875A (zh) | 一种人体姿态估计方法及相关装置 | |
CN112288817B (zh) | 基于图像的三维重建处理方法及装置 |
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 |