[发明专利]目标对象姿态选择方法、图像评分方法及模型训练方法

权利要求书

1.一种目标对象姿态选择模型训练方法，其特征在于，所述目标对象姿态选择模型包括关键点检测模块、姿态估计模块以及姿态选取模块，所述关键点检测模型基于输入的图像序列检测目标对象的关键点，所述姿态估计模块根据输入的图像序列中各图像的所述目标对象的关键点估计所述目标对象的三维姿态形成三维姿态序列，所述姿态选取模块根据所述姿态估计模块基于输入的图像序列估计的三维姿态序列输出该三维姿态序列中各三维姿态为最优姿态的概率以选择最优姿态，所述目标对象姿态选择模型训练方法包括：

获取训练样本，所述训练样本包括样本图像、样本图像中的目标对象的关键点、样本图像中目标对象的三维姿态以及目标对象的最优姿态；

将所述样本图像输入所述目标对象姿态选择模型；

基于所述目标对象姿态选择模型的关键点检测模块检测的目标对象的关键点、所述姿态估计模块估计的三维姿态以及所述姿态选取模块选择的最优姿态，与所述样本图像中的目标对象的关键点、样本图像中目标对象的三维姿态以及目标对象的最优姿态的差异训练所述目标对象姿态选择模型，

其中，所述目标对象的三维姿态为最优姿态的概率用于作为所述目标对象的姿态评分，所述目标对象姿态选择模型基于不同拥挤程度的连续交通图像训练。

2.如权利要求1所述的目标对象姿态选择模型训练方法，其特征在于，所述关键点检测模块通过如下步骤检测输入的图像的目标对象的关键点：

对输入的图像的每个像素，预测指向关键点的单位向量；

采用随机抽样一致算法对关键点的位置进行投票，以获得目标对象的关键点。

3.如权利要求1所述的目标对象姿态选择模型训练方法，其特征在于，所述姿态估计模块通过如下步骤根据所述目标对象的关键点估计所述目标对象的三维姿态：

获取所述目标对象的关键点的二维坐标；

将所述目标对象的关键点的二维坐标转换为三维坐标；

根据所述目标对象的关键点的三维坐标估计所述目标对象的三维姿态。

4.如权利要求1所述的目标对象姿态选择模型训练方法，其特征在于，所述姿态选取模块为基于序列的预测模型，所述关键点检测模块、姿态估计模块基于多个包含同一目标对象的样本图像形成的样本图像的序列，向所述姿态选取模块提供所估计的所述目标对象的三维姿态的序列。

5.如权利要求1所述的目标对象姿态选择模型训练方法，其特征在于，所述关键点检测模块并接目标框识别模块，所述姿态估计模块根据所述目标对象的关键点以及所述目标框识别模块识别的目标对象的目标框估计所述目标对象的三维姿态。

6.一种图像评分模型训练方法，其特征在于，所述图像评分模型包括目标对象姿态选择模型以及至少一图像属性评分模型，所述目标对象姿态选择模型基于输入的图像估计目标对象的三维姿态为最优姿态的概率作为所述目标对象的姿态评分，所述图像属性评分模型基于输入的图像估计图像的属性评分，所述图像评分模型基于所述姿态评分以及所述属性评分估计图像总评分，所述图像评分模型训练方法包括：

获取训练样本，所述训练样本包括样本图像、样本图像中的目标对象的姿态评分、样本图像的至少一属性评分以及样本图像的总评分，所述样本图像包括不同拥挤程度的连续交通图像；

将所述样本图像输入所述图像评分模型；

基于所述目标对象姿态选择模型估计的目标对象的姿态评分、所述图像属性评分模型估计的图像的属性评分以及所述图像评分模型估计的图像总评分，与所述样本图像中的目标对象的姿态评分、样本图像的至少一属性评分以及样本图像的总评分的差异训练所述图像评分模型。

7.如权利要求6所述的图像评分模型训练方法，其特征在于，所述图像属性评分模型包括图像清晰度评分模型、图像失真度评分模型、目标对象完整度评分模型中的一个或多个。