CN116385829B - 姿态描述信息生成方法、模型的训练方法和装置 - Google Patents

Abstract

本公开提供了一种姿态描述信息生成方法、模型的训练方法和装置，涉及人工智能领域，具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用于元宇宙、数字人等场景。具体实现方案为：对目标图像进行特征提取，得到目标图像的特征图，目标图像包括至少一个目标对象；根据特征图，确定目标图像中至少一个目标对象各自对应的位置信息；根据至少一个目标对象各自对应的位置信息，从特征图中提取出与至少一个目标对象各自对应的形态特征；以及根据形态特征，生成与至少一个目标对象各自对应的姿态描述信息。

Description

姿态描述信息生成方法、模型的训练方法和装置

技术领域

本公开涉及人工智能技术领域，具体为计算机视觉、增强现实、虚拟现实、深度学习等技术领域，可应用于元宇宙、数字人等场景。本公开具体涉及一种姿态描述信息生成方法和装置、一种姿态描述信息生成模型的训练方法、装置、电子设备、存储介质和计算机程序产品。

背景技术

随着人工智能技术的发展，人体重建技术被广泛地应用于视频制作、电子游戏和虚拟数字人等领域，以提高用户的沉浸式体验。其中，姿态描述信息是人体重建技术的基础，因此，如何更好地获取姿态描述信息对于人体重建过程具有重要意义。

发明内容

本公开提供了一种姿态描述信息生成方法和装置、一种姿态描述信息生成模型的训练方法、装置、电子设备、存储介质和计算机程序产品。

根据本公开的一方面，提供了一种姿态描述信息生成方法，包括：对目标图像进行特征提取，得到目标图像的特征图，目标图像包括至少一个目标对象；根据特征图，确定目标图像中至少一个目标对象各自对应的位置信息；根据至少一个目标对象各自对应的位置信息，从特征图中提取出与至少一个目标对象各自对应的形态特征；以及根据形态特征，生成与至少一个目标对象各自对应的姿态描述信息。

根据本公开的另一方面，提供了一种姿态描述信息生成模型的训练方法，姿态描述信息生成模型包括第一网络和第二网络，所述方法包括：使用第一网络对样本图像进行特征提取，得到样本图像的特征图，样本图像包括至少一个目标对象以及至少一个目标对象各自对应的标签；根据特征图，确定样本图像中至少一个目标对象各自对应的位置信息；根据至少一个目标对象各自对应的位置信息，从特征图中提取出与至少一个目标对象各自对应的形态特征；使用第二网络根据形态特征，生成与至少一个目标对象各自对应的姿态描述信息；以及根据至少一个目标对象各自对应的姿态描述信息以及标签来调整第一网络的参数和第二网络的参数。

根据本公开的另一方面，提供了一种姿态描述信息生成装置，包括：第一提取模块，用于对目标图像进行特征提取，得到目标图像的特征图，目标图像包括至少一个目标对象；第一确定模块，用于根据特征图，确定目标图像中至少一个目标对象各自对应的位置信息；第二提取模块，用于根据至少一个目标对象各自对应的位置信息，从特征图中提取出与至少一个目标对象各自对应的形态特征；以及第一生成模块，用于根据形态特征，生成与至少一个目标对象各自对应的姿态描述信息。

根据本公开的另一方面，提供了一种姿态描述信息生成模型的训练装置，姿态描述信息生成模型包括第一网络和第二网络，所述装置包括：第三提取模块，用于使用第一网络对样本图像进行特征提取，得到样本图像的特征图，样本图像包括至少一个目标对象以及至少一个目标对象各自对应的标签；第三确定模块，用于根据特征图，确定样本图像中至少一个目标对象各自对应的位置信息；第四提取模块，用于根据至少一个目标对象各自对应的位置信息，从特征图中提取出与至少一个目标对象各自对应的形态特征；第二生成模块，用于使用第二网络根据形态特征，生成与至少一个目标对象各自对应的姿态描述信息；以及调整模块，用于根据至少一个目标对象各自对应的姿态描述信息以及标签来调整第一网络的参数和第二网络的参数。

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；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开提供的方法。

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根据本公开提供的方法。

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，所述计算机程序在被处理器执行时实现根据本公开提供的方法。

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是根据本公开实施例的可以应用姿态描述信息生成方法和装置、姿态描述信息生成模型的训练方法和装置的示例性系统架构示意图；

图2是根据本公开实施例的姿态描述信息生成方法的流程图；

图3是根据本公开实施例的姿态描述信息生成方法的示意图；

图4是根据本公开实施例的姿态描述信息生成模型的训练方法的流程图；

图5是根据本公开实施例的姿态描述信息生成模型的训练方法的示意图；

图6是根据本公开实施例的姿态描述信息生成装置的框图；

图7是根据本公开实施例的姿态描述信息生成模型的训练装置的框图；以及

图8是用来实现本公开实施例的姿态描述信息生成方法和姿态描述信息生成模型的训练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。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

随着人工智能技术的发展，人体重建技术被广泛地应用于视频制作、电子游戏和虚拟数字人等领域，以提高用户的沉浸式体验。其中，姿态描述信息是人体重建技术的基础，因此，如何更好地获取姿态描述信息对于人体重建过程具有重要意义。

相关技术在基于单张图像，获取图像中目标对象的姿态描述信息过程中，需要先检测出图像中每个目标对象的位置信息，然后将每个目标对象所在部分从图像中截取出来，再根据截取出的目标对象部分，得到各个目标对象的姿态描述信息。

但是，在截取目标对象时，会导致目标对象在图像中的深度信息缺失，从而导致目标对象在图像中的深度位置信息缺失。尤其针对多个目标对象的场景，相较于单个目标对象，多个目标对象之间的姿态描述信息具有一定的依存性。因而，在获取多个目标对象的姿态描述信息时，需要考虑多个目标对象之间的相对位置关系以及多个目标对象在图像中的深度位置信息。如果采用相关技术中的方式来获取多个目标对象的姿态描述信息，将会损失多个目标对象在图像中的深度位置信息，导致无法获得令人满意的效果。此外，如果获取图像中涉及的目标对象较多，不仅会耗费较多的计算资源，而且处理效率较低。

图1是根据本公开的实施例的可以应用姿态描述信息生成方法和装置、姿态描述信息生成模型的训练方法和装置的示例性系统架构示意图。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如，动画制作类应用、视频类应用、直播类应用、游戏类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端或社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或分布式系统，还可以是提供云服务、云计算、网络服务、中间件服务等基础云计算服务的云服务器。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

例如，服务器105可以通过网络104获取来自终端设备101、102、103的目标图像，并基于目标图像，生成与目标图像中至少一个目标对象各自对应的姿态描述信息。之后，可以根据至少一个目标对象各自对应的姿态描述信息，对目标图像中的目标对象进行姿态识别。

需要说明的是，本公开实施例所提供的姿态描述信息生成方法一般可以由服务器105执行。相应地，本公开实施例所提供的姿态描述信息生成装置一般可以设置于服务器105中。

备选地，本公开实施例所提供的姿态描述信息生成方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的姿态描述信息生成装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

备选地，本公开实施例所提供的姿态描述信息生成方法一般也可以由终端设备101、102、或103执行。相应地，本公开实施例所提供的姿态描述信息生成装置也可以设置于终端设备101、102、或103中。

需要说明的是，本公开实施例所提供的姿态描述信息生成模型的训练方法一般可以由服务器105执行。相应地，本公开实施例所提供的姿态描述信息生成模型的训练装置一般可以设置于服务器105中。本公开实施例所提供的姿态描述信息生成模型的训练方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的姿态描述信息生成模型的训练装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器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终端设备、网络和服务器。

应注意，以下方法中各个操作的序号仅作为该操作的表示以便描述，而不应被看作表示该各个操作的执行顺序。除非明确指出，否则该方法不需要完全按照所示顺序来执行。

图2是根据本公开的实施例的姿态描述信息生成方法的流程图。

如图2所示，姿态描述信息生成方法200例如可以包括操作S210～S240。

在操作S210，对目标图像进行特征提取，得到目标图像的特征图，目标图像包括至少一个目标对象。

在操作S220，根据特征图，确定目标图像中至少一个目标对象各自对应的位置信息。

在操作S230，根据至少一个目标对象各自对应的位置信息，从特征图中提取出与至少一个目标对象各自对应的形态特征。

在操作S240，根据形态特征，生成与至少一个目标对象各自对应的姿态描述信息。

根据本公开的实施例，目标图像中的目标对象例如可以是人物形态、卡通或者其他形态，具体可以根据实际应用场景选择。

根据本公开的实施例，对目标图像进行特征提取时，可以提取目标图像中的高层语义特征，以便获得目标对象更丰富的语义信息。在一个示例中，例如，可以将目标图像输入主干网络(Backbone)中进行特征提取，以得到针对目标图像的特征图。示例性地，主干网络例如可以包括残差神经网络(ResNet)，但本公开并不仅限于此。

根据本公开的实施例，根据特征图，可以确定目标图像中至少一个目标对象各自对应的位置信息。根据至少一个目标对象各自对应的位置信息，可以从目标图像对应的特征图中同时提取出各个目标对象的形态特征。由此，不仅可以保留各个目标对象在目标图像中的深度位置信息以及各个目标对象之间的相对位置关系，而且，还可以提高获取所有目标对象的形态特征的效率，从而有利于提高姿态描述信息的生成效率，以及节省计算资源。

根据本公开的实施例，形态特征用于表征目标图像中目标对象的形状特征和姿态特征。形状特征例如用于表征目标图像中目标对象的五官形状、五官之间的相对位置、脸型以及身高和身形等特征，这些特征与目标对象的身份相关。姿态特征例如用于表征目标图像中目标对象的身体姿态、手部姿态、脚部姿态和头部姿态等特征。

通过对各个目标对象的形态特征进行处理，可以生成各个目标对象各自对应的姿态描述信息。姿态描述信息可以用于表征目标图像中目标对象的姿态。根据姿态描述信息可以对目标图像中的目标对象进行姿态识别。

根据本公开的实施例，通过利用各个目标对象对应的位置信息，从目标图像对应的特征图中同时提取出所有目标对象的形态特征，不仅可以保留各个目标对象在目标图像中的深度位置信息以及各个目标对象之间的相对位置关系，而且，还可以提高获取所有目标对象的形态特征的效率，从而有利于提高姿态描述信息的生成效率，以及节省计算资源。本公开的方案不仅适用于对图像中的单个目标对象进行姿态识别，而且，针对图像中的多个目标对象进行姿态识别时，更具有优势。

根据本公开的实施例，可以采用如下方式来确定目标图像中至少一个目标对象各自对应的位置信息。

例如，可以根据目标对象的特征图，得到与目标图像对应的高斯热图。之后，根据高斯热图，确定目标图像中至少一个目标对象各自的中心点定位信息，并将至少一个目标对象各自的中心点定位信息，确定为至少一个目标对象各自对应的位置信息。

根据本公开的实施例，中心点定位信息例如可以是指高斯热图中目标对象的中心点位置所对应的坐标信息。在目标对象为人物形态的示例中，目标对象的中心点位置例如可以是人体的根节点位置。

在一些示例中，针对每个目标对象，还可以从高斯热图中确定至少一个预设位置的坐标信息，并将该至少一个预设位置的坐标信息，确定为该目标对象对应的位置信息。之后，根据该至少一个预设位置的坐标信息，从特征图中提取出与目标对象对应的形态特征。由此，可以提高形态特征的准确性，进而提高目标对象的姿态描述信息的准确性。

需要说明的是，预设位置可以根据实际需要选择，本公开对此不做限定。

根据本公开的实施例，可以使用如下方式确定姿态描述信息。

在一个示例中，例如，针对每个目标对象，可以根据目标对象对应的形态特征，回归得到与目标对象对应的形态参数和相机参数。之后，根据目标对象对应的形态参数，确定与目标对象对应的三维关键点信息，并将三维关键点信息，确定为姿态描述信息。由此，可以使用三维关键点信息来描述目标对象的姿态。

根据本公开的实施例，形态参数包括姿态参数和形状参数。姿态参数用于表征目标对象的姿态或者动作。姿态参数描述了目标对象中各个骨骼节点相对于其父节点的旋转角度。形状参数描述了目标对象的形状，例如高矮、胖瘦等与目标对象的身份相关的特征。

在目标对象为人物形态的示例中，例如可以使用多人蒙皮线性(Skinned Multi-Person Linear，SMPL)模型基于目标对象对应的形态参数，确定与目标对象对应的三维关键点信息。在一些实施例中，还可以采用其他合适的方式来确定目标对象对应的三维关键点信息，本公开对此不做限定。

在另一个示例中，还可以根据目标对象对应的三维关键点信息和相机参数，确定与三维关键点信息对应的二维关键点信息。例如，可以根据相机参数，将三维关键点信息投影到二维平面，得到二维关键点信息。

然后，将三维关键点信息和二维关键点信息，确定为姿态描述信息。由此，可以使用三维关键点信息和二维关键点信息来描述目标对象的姿态。

在确定目标对象对应的姿态描述信息之后，还可以根据与至少一个目标对象各自对应的姿态描述信息，对目标图像中的目标对象进行姿态识别，得到姿态识别结果。

在一些实施例中，还可以根据与至少一个目标对象各自对应的姿态描述信息，确定针对目标对象的三维对象模型。由此，实现对目标对象的三维重建。

图3是根据本公开实施例的姿态描述信息生成方法的示意图。下面参考图3来说明利用姿态描述信息生成模型来生成姿态描述信息的示例过程。需要说明的是，为了简便说明，图3中将以目标对象为人物形态为例进行介绍，但本公开不局限于此。

如图3所示，目标图像301中包括多个目标对象(例如图3中所示的人物)。姿态描述信息生成模型例如可以包括第一网络和第二网络。在一个示例中，第一网络例如可以为主干网络，例如ResNet网络。第二网络例如可以为SMPL模型。

将目标图像301输入第一网络中进行特征提取，得到目标图像301的特征图302。根据特征图302，可以确定目标图像301中多个目标对象各自对应的位置信息303。例如，可以根据特征图302，得到与目标图像301对应的高斯热图。之后，根据高斯热图，确定目标图像301中多个目标对象各自对应的中心点定位信息，并将多个目标对象各自对应的中心点定位信息，确定为多个目标对象各自对应的位置信息303。

接下来，根据多个目标对象各自对应的位置信息303，从特征图302中提取出与多个目标对象各自对应的形态特征304。之后，针对每个目标对象，根据该目标对象对应的形态特征304，回归得到与该目标对象对应的形态参数305和相机参数306。

接下来，将多个目标对象各自对应的形态参数305输入第二网络中，得到各个目标对象对应的三维关键点信息307。可以将三维关键点信息307确定为姿态描述信息，以便利用三维关键点信息307来描述目标对象的姿态。

在一些实施例中，针对每个目标对象，还可以根据该目标对象对应的三维关键点信息307和相机参数，得到与三维关键点信息对应的二维关键点信息308。并将三维关键点信息307和二维关键点信息308，确定为姿态描述信息。由此，可以使用三维关键点信息307和二维关键点信息308来描述目标对象的姿态。

在一些实施例中，还可以利用三维关键点信息307和二维关键点信息308，对目标图像301中的多个目标对象进行姿态识别，得到针对各个目标对象的姿态识别结果309。如图3所示，利用本公开的方案可以准确地对目标图像301中多个目标对象进行姿态描述。

在本公开实施例中，通过利用各个目标对象对应的位置信息，从目标图像对应的特征图中同时提取出所有目标对象的形态特征，不仅可以保留各个目标对象在目标图像中的深度位置信息以及各个目标对象之间的相对位置关系，而且，还可以提高获取所有目标对象的形态特征的效率，从而有利于提高姿态描述信息的生成效率，以及节省计算资源。

在本公开实施例中，上述姿态描述信息生成模型是预先训练好的模型。关于姿态描述信息生成模型的训练方法将在后续进行说明，这里不再赘述。

图4是根据本公开实施例的姿态描述信息生成模型的训练方法的流程图。

如图4所示，姿态描述信息生成模型的训练方法400例如可以包括操作S410～S450。姿态描述信息生成模型可以包括第一网络和第二网络。

在操作S410，使用第一网络对样本图像进行特征提取，得到样本图像的特征图，样本图像包括至少一个目标对象以及至少一个目标对象各自对应的标签。

在操作S420，根据特征图，确定样本图像中至少一个目标对象各自对应的位置信息。

在操作S430，根据至少一个目标对象各自对应的位置信息，从特征图中提取出与至少一个目标对象各自对应的形态特征。

在操作S440，使用第二网络根据形态特征，生成与至少一个目标对象各自对应的姿态描述信息。

在操作S450，根据至少一个目标对象各自对应的姿态描述信息以及标签来调整第一网络的参数和第二网络的参数。

根据本公开的实施例，第一网络例如可以为主干网络，例如ResNet网络。在一些实施例中，还可以采用其他合适的网络结构，这里不再赘述。

根据本公开的实施例，根据特征图，确定样本图像中至少一个目标对象各自对应的位置信息包括如下操作。

例如，根据特征图，得到与样本图像对应的高斯热图。之后，根据高斯热图，确定样本图像中至少一个目标对象各自的中心点定位信息。然后，将至少一个目标对象各自的中心点定位信息，确定为至少一个目标对象各自对应的位置信息。

需要说明的是，在本公开实施例中，确定目标对象的位置信息的方式与以上描述的过程类似，这里不再赘述。

根据本公开的实施例，针对每个目标对象，可以根据目标对象对应的形态特征，回归得到与目标对象对应的形态参数和相机参数。之后，使用第二网络根据目标对象对应的形态参数，确定与目标对象对应的三维关键点信息，并将三维关键点信息，确定为姿态描述信息。

在本公开实施例中，在目标对象为人物形态的示例中，第二网络例如可以为SMPL模型。在目标对象为其他形态的示例中，第二网络可以采用与之相适应的网络结构。

在一些实施例中，使用第二网络根据形态特征，生成与至少一个目标对象各自对应的姿态描述信息还包括：根据目标对象对应的三维关键点信息和相机参数，确定与三维关键点信息对应的二维关键点信息，以及将三维关键点信息和二维关键点信息，确定为姿态描述信息。在本公开实施例中，确定二维关键点信息的方式与以上描述的方式相同或类似，在此不再赘述。

根据本公开的实施例，获取至少一个目标对象各自对应的姿态描述信息之后，可以根据至少一个目标对象各自对应的姿态描述信息和以上所述的标签来调整第一网络的参数和第二网络的参数。

例如，针对每个目标对象，可以根据该目标对象对应的姿态描述信息以及目标对象对应的标签，确定样本损失。之后，利用样本损失来调整第一网络的参数和第二网络的参数，从而实现对姿态描述信息生成模型的训练。

在一个示例中，目标对象对应的标签例如可以包括二维关键点信息标签。可以根据二维关键点信息标签和二维关键点信息来确定第一姿态描述信息损失，并将第一姿态描述信息损失，确定为样本损失。

在另一个示例中，目标对象对应的标签例如还可以包括三维关键点信息标签。在确定样本损失过程中，还可以根据三维关键点信息标签和三维关键点信息，确定第二姿态描述信息损失。并将第一姿态描述信息损失和第二姿态描述信息损失，确定为样本损失。

在另一个示例中，目标对象对应的标签例如还可以包括形态参数标签。在确定样本损失过程中，还可以根据形态参数和形态参数标签，确定形态参数损失。并将形态参数损失、第一姿态描述信息损失和第二姿态描述信息损失，确定为样本损失。

在一个示例中，可以采用例如L1损失函数来计算样本损失。当然，本公开还可以采用其他合适的损失函数来确定样本损失，具体可以根据实际需要选择。

另外，在确定样本损失过程中，还可以根据实际需要来选择计算样本损失的数据，本公开对此不做限定。

在一些实施例中，在使用第一网络对样本图像进行特征提取之前，可以对样本图像进行预处理，以对样本图像进行增强。预处理例如包括但不限于以下至少一项：缩放、旋转、翻转和色彩抖动。

下面参考图5对本公开实施例的姿态描述信息生成模型的训练方法进行示例说明。

图5是根据本公开实施例的姿态描述信息生成模型的训练方法的示意图。

如图5所述，姿态描述信息生成模型500包括第一网络和第二网络。

将样本图像501输入第一网络中进行特征提取，得到样本图像501的特征图502。其中样本图像501包括至少一个目标对象以及至少一个目标对象各自对应的标签509。

接下来，根据特征图502，确定样本图像501中各个目标对象各自对应的位置信息503。之后，根据各个目标对象各自对应的位置信息503，从特征图502中提取出与各个目标对象各自对应的形态特征504。之后，针对每个目标对象，可以根据目标对象对应的形态特征504，回归得到与目标对象对应的形态参数505和相机参数506。

接下来，针对每个目标对象，使用第二网络根据目标对象对应的形态参数505，生成与该目标对象对应的三维关键点信息507。可以将三维关键点信息507，确定为目标对象各自对应的姿态描述信息。

在一些实施例中，还可以根据目标对象对应的三维关键点信息507和相机参数506，确定与三维关键点信息对应的二维关键点信息508。可以将三维关键点信息507和二维关键点信息508，确定为姿态描述信息。

接下来，可以根据姿态描述信息和标签509，确定样本损失510。并根据样本损失510来调整第一网络的参数和第二网络的参数。

在一个示例中，目标对象对应的标签509例如可以包括二维关键点信息标签。可以根据二维关键点信息标签和二维关键点信息508来确定第一姿态描述信息损失，并将第一姿态描述信息损失，确定为样本损失510。

在另一个示例中，目标对象对应的标签例如还可以包括三维关键点信息标签。在确定样本损失过程中，还可以根据三维关键点信息标签和三维关键点信息507，确定第二姿态描述信息损失。并将第一姿态描述信息损失和第二姿态描述信息损失，确定为样本损失510。

在另一个示例中，目标对象对应的标签例如还可以包括形态参数标签。在确定样本损失510过程中，还可以根据形态参数505和形态参数标签，确定形态参数损失。并将形态参数损失、第一姿态描述信息损失和第二姿态描述信息损失，确定为样本损失510。

需要说明的是，在姿态描述信息生成模型训练过程中，可以根据目标图像中目标对象的形态来选择合适的第一网络和第二网络。例如，在目标对象为人物形态的示例中，第一网络例如可以为主干网络，例如ResNet网络。第二网络例如可以为SMPL模型。在目标对象为其他形态的示例中，第一网络和第二网络可以采用与之相适应的网络结构。

在一些实施例中，在使用第一网络对样本图像501进行特征提取之前，可以对样本图像501进行预处理，以对样本图像501进行增强。预处理例如包括但不限于以下至少一项：缩放、旋转、翻转和色彩抖动。

图6是根据本公开实施例的姿态描述信息生成装置的框图。

如图6所示，姿态描述信息生成装置600包括：第一提取模块610、第一确定模块620、第二提取模块630和第一生成模块640。

第一提取模块610用于对目标图像进行特征提取，得到目标图像的特征图，目标图像包括至少一个目标对象。

第一确定模块620用于根据特征图，确定目标图像中至少一个目标对象各自对应的位置信息。

第二提取模块630用于根据至少一个目标对象各自对应的位置信息，从特征图中提取出与至少一个目标对象各自对应的形态特征。

第一生成模块640用于根据形态特征，生成与至少一个目标对象各自对应的姿态描述信息。

根据本公开的实施例，第一确定模块620包括：第一确定单元、第二确定单元、第三确定单元。第一确定单元用于根据特征图，得到与目标图像对应的高斯热图；第二确定单元用于根据高斯热图，确定目标图像中至少一个目标对象各自的中心点定位信息；以及第三确定单元用于将至少一个目标对象各自的中心点定位信息，确定为至少一个目标对象各自对应的位置信息。

根据本公开的实施例，第一生成模块640包括：第一回归单元、第四确定单元、第五确定单元。第一回归单元用于针对每个目标对象，根据目标对象对应的形态特征，回归得到与目标对象对应的形态参数；第四确定单元用于根据目标对象对应的形态参数，确定与目标对象对应的三维关键点信息；以及第五确定单元用于将三维关键点信息，确定为姿态描述信息。

根据本公开的实施例，第一生成模块640还包括：第六确定单元、第七确定单元。第六确定单元用于根据目标对象对应的三维关键点信息和相机参数，确定与三维关键点信息对应的二维关键点信息；其中，相机参数是根据形态特征来确定的；以及第七确定单元用于将三维关键点信息和二维关键点信息，确定为姿态描述信息。

根据本公开的实施例，姿态描述信息生成装置600还包括：识别模块，识别模块用于根据与至少一个目标对象各自对应的姿态描述信息，对目标图像中的目标对象进行姿态识别。

根据本公开的实施例，姿态描述信息生成装置600还包括：第二确定模块，第二确定模块用于根据与至少一个目标对象各自对应的姿态描述信息，确定针对目标对象的三维对象模型。

图7是根据本公开实施例的姿态描述信息生成模型的训练装置的框图。

如图7所示，姿态描述信息生成模型的训练装置700包括第三提取模块710、第三确定模块720、第四提取模块730、第二生成模块740和调整模块750。其中，姿态描述信息生成模型可以包括第一网络和第二网络。

第三提取模块710用于使用第一网络对样本图像进行特征提取，得到样本图像的特征图，样本图像包括至少一个目标对象以及至少一个目标对象各自对应的标签。

第三确定模块720用于根据特征图，确定样本图像中至少一个目标对象各自对应的位置信息。

第四提取模块730用于根据至少一个目标对象各自对应的位置信息，从特征图中提取出与至少一个目标对象各自对应的形态特征。

第二生成模块740用于使用第二网络根据形态特征，生成与至少一个目标对象各自对应的姿态描述信息。

调整模块750用于根据至少一个目标对象各自对应的姿态描述信息以及标签来调整第一网络的参数和第二网络的参数。

根据本公开的实施例，第三确定模块720包括：第八确定单元、第九确定单元、第十确定单元。第八确定单元用于根据特征图，得到与样本图像对应的高斯热图；第九确定单元用于根据高斯热图，确定样本图像中至少一个目标对象各自的中心点定位信息；以及第十确定单元用于将至少一个目标对象各自的中心点定位信息，确定为至少一个目标对象各自对应的位置信息。

根据本公开的实施例，第二生成模块740包括：第二回归单元、第十一确定单元、第十二确定单元。第二回归单元用于针对每个目标对象，根据目标对象对应的形态特征，回归得到与目标对象对应的形态参数；第十一确定单元用于使用第二网络根据目标对象对应的形态参数，确定与目标对象对应的三维关键点信息；以及第十二确定单元用于将三维关键点信息，确定为姿态描述信息。

根据本公开的实施例，第二生成模块740还包括：第十三确定单元、第十四确定单元。第十三确定单元用于根据目标对象对应的三维关键点信息和相机参数，确定与三维关键点信息对应的二维关键点信息；其中，相机参数是根据形态特征来确定的；以及第十四确定单元用于将三维关键点信息和二维关键点信息，确定为姿态描述信息。

根据本公开的实施例，调整模块750包括：第一调整单元、第二调整单元。第一调整单元用于根据姿态描述信息和标签，确定样本损失；以及第二调整单元用于根据样本损失来调整第一网络的参数和第二网络的参数。

根据本公开的实施例，标签包括二维关键点信息标签；第一调整单元包括：第一确定子单元、第二确定子单元。第一确定子单元用于根据二维关键点信息标签和二维关键点信息，确定第一姿态描述信息损失；以及第二确定子单元用于将第一姿态描述信息损失，确定为样本损失。

根据本公开的实施例，标签还包括三维关键点信息标签；第一调整单元还包括：第三确定子单元、第四确定子单元。第三确定子单元用于根据三维关键点信息标签和三维关键点信息，确定第二姿态描述信息损失；以及第四确定子单元用于将第一姿态描述信息损失和第二姿态描述信息损失，确定为样本损失。

根据本公开的实施例，标签还包括形态参数标签；第一调整单元还包括：第五确定子单元、第六确定子单元。第五确定子单元用于根据形态参数和形态参数标签，确定形态参数损失；以及第六确定子单元用于将形态参数损失、第一姿态描述信息损失和第二姿态描述信息损失，确定为样本损失。

根据本公开的实施例，姿态描述信息生成模型的训练装置700还包括：处理模块。处理模块用于在使用第一网络对样本图像进行特征提取之前，对样本图像进行预处理；其中，预处理包括以下至少一项：缩放、旋转、翻转和色彩抖动。

需要说明的是，装置部分实施例中各模块/单元/子单元等的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似，在此不再赘述。

本公开的技术方案中，所涉及的数据(例如包括但不限于用户个人信息)的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，且不违背公序良俗。

在本公开的技术方案中，在获取或采集相关数据之前，均获取了数据归属者的授权或同意。

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。

根据本公开的实施例，一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开实施例的方法。

根据本公开的实施例，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，计算机指令用于使计算机执行如本公开实施例的方法。

根据本公开的实施例，一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开实施例的方法。

图8是用来实现本公开实施例的姿态描述信息生成方法和姿态描述信息生成模型的训练方法的电子设备的框图。

图8示出了可以用来实施本公开的实施例的示例电子设备800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8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800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801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801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801执行上文所描述的各个方法和处理，例如姿态描述信息生成方法和姿态描述信息生成模型的训练方法。例如，在一些实施例中，姿态描述信息生成方法和姿态描述信息生成模型的训练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808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的姿态描述信息生成方法和姿态描述信息生成模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行姿态描述信息生成方法和姿态描述信息生成模型的训练方法。

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。服务器可以是云服务器，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。

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 (29)

1.一种姿态描述信息生成方法，包括：

对目标图像进行特征提取，得到所述目标图像的特征图，所述目标图像包括至少一个目标对象；

根据所述特征图，确定所述目标图像中至少一个目标对象各自对应的位置信息；

根据所述至少一个目标对象各自对应的位置信息，从所述特征图中提取出与所述至少一个目标对象各自对应的形态特征；以及

根据所述形态特征，生成与所述至少一个目标对象各自对应的姿态描述信息；

其中，所述根据所述特征图，确定所述目标图像中至少一个目标对象各自对应的位置信息包括：

根据所述特征图，得到与所述目标图像对应的高斯热图；

根据所述高斯热图中所述至少一个目标对象的根节点位置对应的坐标信息，确定所述目标图像中至少一个目标对象各自的中心点定位信息；以及

将所述至少一个目标对象各自的中心点定位信息，确定为所述至少一个目标对象各自对应的位置信息。

2.根据权利要求1所述的方法，其中，所述根据所述形态特征，生成与所述至少一个目标对象各自对应的姿态描述信息包括：

针对每个目标对象，根据所述目标对象对应的形态特征，回归得到与所述目标对象对应的形态参数；

根据所述目标对象对应的形态参数，确定与所述目标对象对应的三维关键点信息；以及

将所述三维关键点信息，确定为所述姿态描述信息。

3.根据权利要求2所述的方法，其中，所述根据所述形态特征，生成与所述至少一个目标对象各自对应的姿态描述信息还包括：

根据所述目标对象对应的三维关键点信息和相机参数，确定与所述三维关键点信息对应的二维关键点信息；其中，所述相机参数是根据所述形态特征来确定的；以及

将所述三维关键点信息和所述二维关键点信息，确定为所述姿态描述信息。

4.根据权利要求1至3中任一项所述的方法，还包括：

根据与所述至少一个目标对象各自对应的姿态描述信息，对所述目标图像中的目标对象进行姿态识别。

5.根据权利要求1至3中任一项所述的方法，还包括：

根据与所述至少一个目标对象各自对应的姿态描述信息，确定针对所述目标对象的三维对象模型。

6.一种姿态描述信息生成模型的训练方法，所述姿态描述信息生成模型包括第一网络和第二网络，所述方法包括：

使用所述第一网络对样本图像进行特征提取，得到所述样本图像的特征图，所述样本图像包括至少一个目标对象以及所述至少一个目标对象各自对应的标签；

根据所述特征图，确定所述样本图像中至少一个目标对象各自对应的位置信息；

根据所述至少一个目标对象各自对应的位置信息，从所述特征图中提取出与所述至少一个目标对象各自对应的形态特征；

使用所述第二网络根据所述形态特征，生成与所述至少一个目标对象各自对应的姿态描述信息；以及

根据所述至少一个目标对象各自对应的姿态描述信息以及所述标签来调整所述第一网络的参数和所述第二网络的参数；

其中，所述根据所述特征图，确定所述样本图像中至少一个目标对象各自对应的位置信息包括：

根据所述特征图，得到与所述样本图像对应的高斯热图；

根据所述高斯热图中所述至少一个目标对象的根节点位置对应的坐标信息，确定所述目标图像中至少一个目标对象各自的中心点定位信息；以及

将所述至少一个目标对象各自的中心点定位信息，确定为所述至少一个目标对象各自对应的位置信息。

7.根据权利要求6所述的方法，其中，所述使用所述第二网络根据所述形态特征，生成与所述至少一个目标对象各自对应的姿态描述信息包括：

针对每个目标对象，根据所述目标对象对应的形态特征，回归得到与所述目标对象对应的形态参数；

使用所述第二网络根据所述目标对象对应的形态参数，确定与所述目标对象对应的三维关键点信息；以及

将所述三维关键点信息，确定为所述姿态描述信息。

8.根据权利要求7所述的方法，其中，所述使用所述第二网络根据所述形态特征，生成与所述至少一个目标对象各自对应的姿态描述信息还包括：

根据所述目标对象对应的三维关键点信息和相机参数，确定与所述三维关键点信息对应的二维关键点信息；其中，所述相机参数是根据所述形态特征来确定的；以及

将所述三维关键点信息和所述二维关键点信息，确定为所述姿态描述信息。

9.根据权利要求8所述的方法，其中，所述根据所述至少一个目标对象各自对应的姿态描述信息以及所述标签来调整所述第一网络的参数和所述第二网络的参数包括：

根据所述姿态描述信息和所述标签，确定样本损失；以及

根据所述样本损失来调整所述第一网络的参数和所述第二网络的参数。

10.根据权利要求9所述的方法，其中，所述标签包括二维关键点信息标签；所述根据所述姿态描述信息和所述标签，确定样本损失包括：

根据所述二维关键点信息标签和所述二维关键点信息，确定第一姿态描述信息损失；以及

将所述第一姿态描述信息损失，确定为所述样本损失。

11.根据权利要求10所述的方法，其中，所述标签还包括三维关键点信息标签；所述根据所述姿态描述信息和所述标签，确定样本损失还包括：

根据所述三维关键点信息标签和所述三维关键点信息，确定第二姿态描述信息损失；以及

将所述第一姿态描述信息损失和所述第二姿态描述信息损失，确定为所述样本损失。

12.根据权利要求11所述的方法，其中，所述标签还包括形态参数标签；所述根据所述姿态描述信息和所述标签，确定样本损失还包括：

根据所述形态参数和所述形态参数标签，确定形态参数损失；以及

将所述形态参数损失、所述第一姿态描述信息损失和所述第二姿态描述信息损失，确定为所述样本损失。

13.根据权利要求6至12中任一项所述的方法，还包括：

在使用所述第一网络对样本图像进行特征提取之前，对所述样本图像进行预处理；其中，所述预处理包括以下至少一项：缩放、旋转、翻转和色彩抖动。

14.一种姿态描述信息生成装置，包括：

第一提取模块，用于对目标图像进行特征提取，得到所述目标图像的特征图，所述目标图像包括至少一个目标对象；

第一确定模块，用于根据所述特征图，确定所述目标图像中至少一个目标对象各自对应的位置信息；

第二提取模块，用于根据所述至少一个目标对象各自对应的位置信息，从所述特征图中提取出与所述至少一个目标对象各自对应的形态特征；以及

第一生成模块，用于根据所述形态特征，生成与所述至少一个目标对象各自对应的姿态描述信息；

其中，所述第一确定模块包括：

第一确定单元，用于根据所述特征图，得到与所述目标图像对应的高斯热图；

第二确定单元，用于根据所述高斯热图中所述至少一个目标对象的根节点位置对应的坐标信息，确定所述目标图像中至少一个目标对象各自的中心点定位信息；以及

第三确定单元，用于将所述至少一个目标对象各自的中心点定位信息，确定为所述至少一个目标对象各自对应的位置信息。

15.根据权利要求14所述的装置，其中，所述第一生成模块包括：

第一回归单元，用于针对每个目标对象，根据所述目标对象对应的形态特征，回归得到与所述目标对象对应的形态参数；

第四确定单元，用于根据所述目标对象对应的形态参数，确定与所述目标对象对应的三维关键点信息；以及

第五确定单元，用于将所述三维关键点信息，确定为所述姿态描述信息。

16.根据权利要求15所述的装置，其中，所述第一生成模块还包括：

第六确定单元，用于根据所述目标对象对应的三维关键点信息和相机参数，确定与所述三维关键点信息对应的二维关键点信息；其中，所述相机参数是根据所述形态特征来确定的；以及

第七确定单元，用于将所述三维关键点信息和所述二维关键点信息，确定为所述姿态描述信息。

17.根据权利要求14至16中任一项所述的装置，还包括：

识别模块，用于根据与所述至少一个目标对象各自对应的姿态描述信息，对所述目标图像中的目标对象进行姿态识别。

18.根据权利要求14至16中任一项所述的装置，还包括：

第二确定模块，用于根据与所述至少一个目标对象各自对应的姿态描述信息，确定针对所述目标对象的三维对象模型。

19.一种姿态描述信息生成模型的训练装置，所述姿态描述信息生成模型包括第一网络和第二网络，所述装置包括：

第三提取模块，用于使用所述第一网络对样本图像进行特征提取，得到所述样本图像的特征图，所述样本图像包括至少一个目标对象以及所述至少一个目标对象各自对应的标签；

第三确定模块，用于根据所述特征图，确定所述样本图像中至少一个目标对象各自对应的位置信息；

第四提取模块，用于根据所述至少一个目标对象各自对应的位置信息，从所述特征图中提取出与所述至少一个目标对象各自对应的形态特征；

第二生成模块，用于使用所述第二网络根据所述形态特征，生成与所述至少一个目标对象各自对应的姿态描述信息；以及

调整模块，用于根据所述至少一个目标对象各自对应的姿态描述信息以及所述标签来调整所述第一网络的参数和所述第二网络的参数；

所述第三确定模块包括：

第八确定单元，用于根据所述特征图，得到与所述样本图像对应的高斯热图；

第九确定单元，用于根据所述高斯热图中所述至少一个目标对象的根节点位置对应的坐标信息，确定所述目标图像中至少一个目标对象各自的中心点定位信息；以及

第十确定单元，用于将所述至少一个目标对象各自的中心点定位信息，确定为所述至少一个目标对象各自对应的位置信息。

20.根据权利要求19所述的装置，其中，所述第二生成模块包括：

第二回归单元，用于针对每个目标对象，根据所述目标对象对应的形态特征，回归得到与所述目标对象对应的形态参数；

第十一确定单元，用于使用所述第二网络根据所述目标对象对应的形态参数，确定与所述目标对象对应的三维关键点信息；以及

第十二确定单元，用于将所述三维关键点信息，确定为所述姿态描述信息。

21.根据权利要求20所述的装置，其中，所述第二生成模块还包括：

第十三确定单元，用于根据所述目标对象对应的三维关键点信息和相机参数，确定与所述三维关键点信息对应的二维关键点信息；其中，所述相机参数是根据所述形态特征来确定的；以及

第十四确定单元，用于将所述三维关键点信息和所述二维关键点信息，确定为所述姿态描述信息。

22.根据权利要求21所述的装置，其中，所述调整模块包括：

第一调整单元，用于根据所述姿态描述信息和所述标签，确定样本损失；以及

第二调整单元，用于根据所述样本损失来调整所述第一网络的参数和所述第二网络的参数。

23.根据权利要求22所述的装置，其中，所述标签包括二维关键点信息标签；所述第一调整单元包括：

第一确定子单元，用于根据所述二维关键点信息标签和所述二维关键点信息，确定第一姿态描述信息损失；以及

第二确定子单元，用于将所述第一姿态描述信息损失，确定为所述样本损失。

24.根据权利要求23所述的装置，其中，所述标签还包括三维关键点信息标签；所述第一调整单元还包括：

第三确定子单元，用于根据所述三维关键点信息标签和所述三维关键点信息，确定第二姿态描述信息损失；以及

第四确定子单元，用于将所述第一姿态描述信息损失和所述第二姿态描述信息损失，确定为所述样本损失。

25.根据权利要求24所述的装置，其中，所述标签还包括形态参数标签；所述第一调整单元还包括：

第五确定子单元，用于根据所述形态参数和所述形态参数标签，确定形态参数损失；以及

第六确定子单元，用于将所述形态参数损失、所述第一姿态描述信息损失和所述第二姿态描述信息损失，确定为所述样本损失。

26.根据权利要求19至25中任一项所述的装置，还包括：

处理模块，用于在使用所述第一网络对样本图像进行特征提取之前，对所述样本图像进行预处理；其中，所述预处理包括以下至少一项：缩放、旋转、翻转和色彩抖动。

27.一种电子设备，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至13中任一项所述的方法。

28.一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根据权利要求1至13中任一项所述的方法。

29.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至13中任一项所述的方法。