[发明专利]一种通过2D图像推断人体动作姿态的方法及装置

说明书

本发明公开了一种通过2D图像推断人体动作姿态的方法，包括以下步骤：2D图像获取步骤：获取含有人体动作的2D图像；置信图计算步骤：对所述2D图像做卷积神经网络算法得到对应的置信图；匹配步骤：将2D图像对应的置信图与预设的3D模型数据库进行匹配，从而得到所述2D图像对应的3D模型；映射步骤：将所述3D模型在任意平面视角下进行映射，从而获取每个平面视角下的人体动作姿态。本发明还提供了一种电子设备和计算机可读存储介质。本发明解决了现有技术中通过2D图像得到人体动作姿态的识别率低的问题。

技术领域

本发明涉及一种人体姿态重建，尤其涉及一种通过2D图像推断人体工作姿态的方法、电子设备及存储介质。

背景技术

目前，目前对于通过单张2D图像来进行人体的动作姿态识别时由于单张2D图像中的人体往往会造成遮挡，比如被人自己的身体或衣服所遮挡，不能把所有的有用自由度提取到，造成信息采集不全，这样得到的人体动作姿态不准确。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种通过2D图像推断人体动作姿态的方法，其能够解决现有技术中通过2D图像识别人体动作姿态的识别率低下、信息采集不全的问题。

本发明的目的之二在于提供一种电子设备，其能够解决现有技术中通过2D图像识别人体动作姿态的识别率低下、信息采集不全的问题。

本发明的目的之三在于提供一种计算机可读存储介质，其能够解决现有技术中通过2D图像识别人体动作姿态的识别率低下、信息采集不全的问题。

本发明的目的之四在于提供一种通过2D图像推断人体动作姿态的装置，其能够解决现有技术中通过2D图像识别人体动作姿态的识别率低下、信息采集不全的问题。

本发明的目的之一采用如下技术方案实现：

一种通过单张2D图像推断人体动作姿态的方法，包括以下步骤：

2D图像获取步骤：获取含有人体动作的2D图像；

置信图计算步骤：对所述2D图像做卷积神经网络算法得到对应的置信图；

匹配步骤：将2D图像对应的置信图与预设的3D模型数据库进行匹配，从而得到所述2D图像对应的3D模型；

映射步骤：将所述3D模型在任意平面视角下进行映射，从而获取每个平面视角下的人体动作姿态。

进一步地，所述匹配步骤之前还包括归一化步骤：将3D模型数据库中的所有3D模型所在的坐标系归一化为同一坐标系。

进一步地，所述3D模型是由一系列人体上的多个关节自由度的节点以及关节自由度的节点之间的连线组成的人体模型示意图。

进一步地，所述3D模型数据库中，每个3D模型均表示为一个(3×L)的矩阵P_i，i∈{1,2,3,...L}，矩阵中的每个元素表示人体动作模型中关节自由度。

本发明的目的之二采用如下技术方案实现：

一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

2D图像获取步骤：获取含有人体动作的2D图像；

置信图计算步骤：对所述2D图像做卷积神经网络算法得到对应的置信图；

匹配步骤：将2D图像对应的置信图与预设的3D模型数据库进行匹配，从而得到所述2D图像对应的3D模型；

映射步骤：将所述3D模型在任意平面视角下进行映射，从而获取每个平面视角下的人体动作姿态。