[发明专利]一种获得姿态分类模型的方法以及装置

说明书

本申请公开了一种获得姿态分类模型的方法以及装置，该方法包括如下步骤：通过关键点检测模型对包含预定姿态的图像进行姿态识别，获得所述包含预定姿态的图像的姿态标签；根据所述包含预定姿态的图像和所述姿态标签进行模型训练，获得姿态分类模型。使用本方法所获得的姿态分类模型，其网络结构更为简单，对计算资源的要求较低，可实时运行于移动设备上；该姿态分类模型对人体姿态的识别过程仅为姿态识别匹配的过程，无需进行人体骨骼关键点检测，识别过程简单，识别效率高，减少了对单帧图像的处理时间。

技术领域

本申请涉及计算机视觉领域，具体涉及一种获得姿态分类模型的方法。本申请同时涉及一种获得姿态分类模型的装置以及一种电子设备。本申请还涉及一种姿态识别方法、一种姿态识别装置以及一种电子设备。本申请另外涉及一种姿态识别方法、一种姿态识别装置以及一种电子设备。

背景技术

随着技术的进步和市场的发展，基于计算机视觉的智能设备得到广泛应用，例如，各种监控设备和智能游戏设备等，该类设备需对目标对象的姿态信息进行准确分析和识别，以此达到监控目标对象、或者与目标对象进行交互的目的。

现阶段，人体姿态识别是计算机视觉领域的重要研究方向，广泛应用于体感游戏的输入、跌倒检测、身份识别、智能设备的控制等场景，其实质为人体关键点的定位。

目前，主流的姿态识别模型为基于骨骼关键点的姿态识别模型，如AlphaPose、OpenPose等，其模型复杂、计算资源要求高，在移动设备上很难以较高的帧率(如24FPS以上帧率)实时运行，以OpenPose为例，算法模型大小200M以上，在移动设备上运行时，即使在功能强大的图形处理器的支持下也仅能以较低帧率运行，无法保证姿态识别的实时性；并且，上述基于骨骼关键点的姿态识别模型对人体姿态的识别过程需经历骨骼关键点检测和姿态识别匹配两个过程，识别过程复杂、识别效率较低。

发明内容

本申请提供一种获得姿态分类模型的方法，以解决现有的在移动设备上无法保证姿态识别的实时性、以及基于骨骼关键点的姿态识别模型识别过程复杂、识别效率较低的问题。本申请另外提供一种获得姿态分类模型的装置以及一种电子设备。本申请还提供一种姿态识别方法、一种姿态识别装置以及一种电子设备。本申请另外提供一种姿态识别方法、一种姿态识别装置以及一种电子设备。

本申请提供一种获得姿态分类模型的方法，包括：

通过关键点检测模型对包含预定姿态的图像进行姿态识别，获得所述包含预定姿态的图像的姿态标签；

根据所述包含预定姿态的图像和所述姿态标签进行模型训练，获得姿态分类模型。

可选的，所述根据所述包含预定姿态的图像和所述姿态标签进行模型训练，包括：

对所述包含预定姿态的图像进行特征化处理，获得所述包含预定姿态的图像的姿态特征；

将所述姿态特征和所述姿态标签作为训练样本，对预定分类模型进行模型训练。

可选的，所述预定分类模型为训练完成的图像分类模型，所述将所述姿态特征和所述姿态标签作为训练样本，对预定分类模型进行模型训练，包括：

根据所述训练样本对所述训练完成的图像分类模型进行迁移学习，获得姿态分类模型。

可选的，所述对所述包含预定姿态的图像进行特征化处理，包括：

将所述包含预定姿态的图像转换为YUV图像；

基于所述YUV图像的Y分量数据提取运动目标，获得所述YUV图像包含的轮廓数据；

对所述YUV图像包含的轮廓数据进行归一化处理，获得姿态特征。

可选的，所述基于所述YUV图像的Y分量数据提取运动目标，包括：