JP2022027395A - 姿勢推定学習システム、姿勢推定学習方法及び機械学習用データの作成プログラム - Google Patents
姿勢推定学習システム、姿勢推定学習方法及び機械学習用データの作成プログラム Download PDFInfo
- Publication number
- JP2022027395A JP2022027395A JP2020199646A JP2020199646A JP2022027395A JP 2022027395 A JP2022027395 A JP 2022027395A JP 2020199646 A JP2020199646 A JP 2020199646A JP 2020199646 A JP2020199646 A JP 2020199646A JP 2022027395 A JP2022027395 A JP 2022027395A
- Authority
- JP
- Japan
- Prior art keywords
- data
- machine learning
- model
- dimensional
- posture estimation
- 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.)
- Granted
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims description 67
- 238000003384 imaging method Methods 0.000 claims abstract description 56
- 230000008569 process Effects 0.000 claims description 48
- 239000002131 composite material Substances 0.000 claims description 20
- 238000009499 grossing Methods 0.000 claims description 3
- 230000036544 posture Effects 0.000 description 123
- 230000010365 information processing Effects 0.000 description 7
- 240000004050 Pentaglottis sempervirens Species 0.000 description 5
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 210000002683 foot Anatomy 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 210000001738 temporomandibular joint Anatomy 0.000 description 1
Images
Abstract
Description
前記機械学習用データ作成部は、前記撮像部により前記3次元モデルを撮像して得られる3次元座標空間の前記生体の骨格情報である3次元骨格データと、前記3次元骨格データを2次元座標に射影した2次元骨格データと、前記3次元モデルを撮像して得られる画像から、前記3次元モデルの部分と背景の部分とを前記3次元モデルの輪郭で分離した加工画像データと、を作成することを特徴とする。
前記機械学習用データ作成処理は、撮像装置により前記3次元モデルを撮像する第1のステップと、前記仮想空間上の座標から3次元座標空間の前記生体の骨格情報である3次元骨格データを取得する第2のステップと、前記3次元骨格データを2次元座標に射影した2次元骨格データを作成する第3のステップと、前記仮想空間において前記3次元モデルの背景を変更した状態で前記撮像装置により前記3次元モデルを撮像し、前記3次元モデルの部分と前記背景の部分とを前記3次元モデルの輪郭で分離した加工画像データを作成する第4のステップと、を有し、前記3次元モデルを撮像する方位角又は仰角を変化させながら、前記第1のステップから前記第4のステップを繰り返し実行することを特徴とする。
コンピュータにより前記3次元モデルを撮像し、3次元座標空間の前記生体の骨格情報である3次元骨格データを取得するステップと、前記コンピュータにより、前記3次元骨格データを2次元座標に射影して2次元骨格データを作成するステップと、前記3次元モデルを撮像して得られる画像から、前記3次元モデルの部分と背景の部分とを前記3次元モデルの輪郭で分離した加工画像データを作成するステップと、を備えることを特徴とする。
前記機械学習用データ作成部は、前記撮像部により前記3次元モデルを撮像して得られる3次元座標空間の前記生体の骨格情報である3次元骨格データと、前記3次元骨格データを2次元座標に射影した2次元骨格データと、前記3次元モデルを撮像して得られる画像から、前記3次元モデルの部分と背景の部分とを前記3次元モデルの輪郭で分離した加工画像データと、を作成することを特徴とする。
コンピュータにより、仮想空間に配置した前記生体の3次元モデルを方位角又は仰角を変化させて複数回撮像し、3次元座標空間の前記生体の骨格情報である3次元骨格データを取得するステップと、前記コンピュータにより、前記3次元骨格データを2次元座標に射影して2次元骨格データを作成するステップと、前記3次元モデルを撮像して得られる画像から、前記3次元モデルの部分と背景の部分とを前記3次元モデルの輪郭で分離した加工画像データを作成するステップと、を備えることを特徴とする。
Claims (5)
- 仮想空間に配置した生体の3次元モデルを用いて機械学習により生体の姿勢を推定する姿勢推定学習システムであって、
撮像部と、
前記3次元モデルを前記撮像部により撮像し、機械学習用データを作成する機械学習用データ作成部と、
前記機械学習用データ作成部により作成された前記機械学習用データに基づいて、前記生体の姿勢推定を学習する機械学習部と、
前記機械学習部が学習した判断基準を有する学習モデルに基づいて、入力画像中の生体の姿勢を推定する姿勢推定部と、
を備え、
前記機械学習用データ作成部は、
前記撮像部により前記3次元モデルを撮像して得られる3次元座標空間の前記生体の骨格情報である3次元骨格データと、
前記3次元骨格データを2次元座標に射影した2次元骨格データと、
前記3次元モデルを撮像して得られる画像から、前記3次元モデルの部分と背景の部分とを前記3次元モデルの輪郭で分離した加工画像データと、
を作成することを特徴とする姿勢推定学習システム。 - 前記機械学習用データ作成部は、任意のモーションデータを用いて前記3次元モデルを仮想空間上で動作させ、前記3次元モデルの動作に応じた前記3次元骨格データを抽出することを特徴とする請求項1に記載の姿勢推定学習システム。
- 仮想空間に配置した生体の3次元モデルを用いて機械学習用データを作成する機械学習用データ作成処理と、
前記機械学習用データ作成処理で作成した前記機械学習用データに基づいて、前記生体の姿勢推定を学習する機械学習処理と、
前記機械学習処理で学習した判断基準に基づいて、入力画像中の生体の姿勢を推定する姿勢推定処理と、
を備え、
前記機械学習用データ作成処理は、
撮像装置により前記3次元モデルを撮像する第1のステップと、
前記仮想空間上の座標から3次元座標空間の前記生体の骨格情報である3次元骨格データを取得する第2のステップと、
前記3次元骨格データを2次元座標に射影した2次元骨格データを作成する第3のステップと、
前記仮想空間において前記3次元モデルの背景を変更した状態で前記撮像装置により前記3次元モデルを撮像し、前記3次元モデルの部分と前記背景の部分とを前記3次元モデルの輪郭で分離した加工画像データを作成する第4のステップと、を有し、
前記3次元モデルを撮像する方位角又は仰角を変化させながら、前記第1のステップから前記第4のステップを繰り返し実行することを特徴とする姿勢推定学習方法。 - 前記機械学習用データを加工する機械学習用データ加工処理をさらに備え、
前記機械学習用データ加工処理は、
前記加工画像データの前記3次元モデルの部分と所定の背景とを組み合わせた合成画像データを作成する第5のステップと、
前記合成画像データのうち前記生体の部分の色調を変更する第6のステップと、
前記合成画像データに対してノイズの付与又は境界の平滑化を行う第7のステップと、を有し、
前記第5のステップから前記第7のステップの少なくとも1つを実行することを特徴とする請求項3に記載の姿勢推定学習方法。 - 仮想空間に配置した生体の3次元モデルを用いて、前記生体の姿勢推定を機械学習させる機械学習用データの作成プログラムであって、
コンピュータにより前記3次元モデルを撮像し、3次元座標空間の前記生体の骨格情報である3次元骨格データを取得するステップと、
前記コンピュータにより、前記3次元骨格データを2次元座標に射影して2次元骨格データを作成するステップと、
前記3次元モデルを撮像して得られる画像から、前記3次元モデルの部分と背景の部分とを前記3次元モデルの輪郭で分離した加工画像データを作成するステップと、
を備えることを特徴とする機械学習用データの作成プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020130959 | 2020-07-31 | ||
JP2020130959 | 2020-07-31 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6868875B1 JP6868875B1 (ja) | 2021-05-12 |
JP2022027395A true JP2022027395A (ja) | 2022-02-10 |
Family
ID=75801806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020199646A Active JP6868875B1 (ja) | 2020-07-31 | 2020-12-01 | 姿勢推定学習システム、姿勢推定学習方法及び機械学習用データの作成プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6868875B1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019032820A (ja) * | 2017-06-16 | 2019-02-28 | ダッソー システムズDassault Systemes | 画像を入力とする関数を学習するためのデータセット |
JPWO2018189796A1 (ja) * | 2017-04-10 | 2020-02-06 | 富士通株式会社 | 認識装置、認識システム、認識方法および認識プログラム |
US10679046B1 (en) * | 2016-11-29 | 2020-06-09 | MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. | Machine learning systems and methods of estimating body shape from images |
-
2020
- 2020-12-01 JP JP2020199646A patent/JP6868875B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10679046B1 (en) * | 2016-11-29 | 2020-06-09 | MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. | Machine learning systems and methods of estimating body shape from images |
JPWO2018189796A1 (ja) * | 2017-04-10 | 2020-02-06 | 富士通株式会社 | 認識装置、認識システム、認識方法および認識プログラム |
JP2019032820A (ja) * | 2017-06-16 | 2019-02-28 | ダッソー システムズDassault Systemes | 画像を入力とする関数を学習するためのデータセット |
Non-Patent Citations (1)
Title |
---|
G. VAROL ET AL.: "Learning from Synthetic Humans", 2017 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), JPN6021003904, 2017, US, pages 4627 - 4635, XP033249818, ISSN: 0004440030, DOI: 10.1109/CVPR.2017.492 * |
Also Published As
Publication number | Publication date |
---|---|
JP6868875B1 (ja) | 2021-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhu et al. | Detailed human shape estimation from a single image by hierarchical mesh deformation | |
Zhang et al. | Detailed, accurate, human shape estimation from clothed 3D scan sequences | |
US10685454B2 (en) | Apparatus and method for generating synthetic training data for motion recognition | |
JP6302132B2 (ja) | 画像処理装置、画像処理システム、画像処理方法及びプログラム | |
JP7015152B2 (ja) | キーポイントデータに関する加工装置、方法及びプログラム | |
JPH10320588A (ja) | 画像処理装置および画像処理方法 | |
JP2006249618A (ja) | 仮想試着装置 | |
WO2018075053A1 (en) | Object pose based on matching 2.5d depth information to 3d information | |
CN110147737B (zh) | 用于生成视频的方法、装置、设备和存储介质 | |
JP2013120556A (ja) | 被写体姿勢推定装置および映像描画装置 | |
JP5503510B2 (ja) | 姿勢推定装置および姿勢推定プログラム | |
JP2010211732A (ja) | 物体認識装置および方法 | |
JP6818219B1 (ja) | 3次元アバター生成装置、3次元アバター生成方法及び3次元アバター生成プログラム | |
JP6868875B1 (ja) | 姿勢推定学習システム、姿勢推定学習方法及び機械学習用データの作成プログラム | |
JP2010238134A (ja) | 画像処理装置及びプログラム | |
KR102075079B1 (ko) | 하이브리드 카메라 기반 동작 추적 장치 및 그 방법 | |
Wang et al. | Im2fit: Fast 3d model fitting and anthropometrics using single consumer depth camera and synthetic data | |
JP2005339363A (ja) | 人体パーツ自動分割装置及び人体パーツ自動分割方法 | |
Haddon et al. | Shape representations from shading primitives | |
CN111368853A (zh) | 一种标签的构建方法、系统、装置及存储介质 | |
JP4623320B2 (ja) | 三次元形状推定システム及び画像生成システム | |
WO2023162223A1 (ja) | 学習プログラム、生成プログラム、学習方法および生成方法 | |
JP2018113054A (ja) | 画像処理装置、画像処理方法及びプログラム | |
Zherdeva et al. | Prediction of human behavior with synthetic data | |
AU2020474614B2 (en) | Three-dimensional mesh generator based on two-dimensional image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201215 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201215 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201221 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210209 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210316 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210330 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210405 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6868875 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |