[发明专利]人体3D姿态估计方法、装置、计算机设备及存储介质

说明书

本申请公开了一种人体3D姿态识别方法、装置、计算机设备及存储介质。该方法包括获取具有一个待识别目标的目标图片，将目标图片输入至目标检测网络得到待识别目标的多个2D关键点坐标以及语义特征图；将得到的每个2D关键点坐标通过全连接神经网络得到对应的embedding特征向量；并将所述待识别目标的语义特征图进行分解与降维操作得到预设维度的降维特征向量；将降维特征向量输入到编码器进行编码，得到编码向量，再根据embedding特征向量和编码向量通过解码器进行解码，得到解码向量；将解码向量输入至全连接神经网络，从而确定待识别目标的3D关键点坐标，相比于现有技术本申请提高了对人体3D姿态估计的准确性。

技术领域

本发明涉及计算机视觉领域，特别涉及一种人体3D姿态估计方法、装置、计算机设备及存储介质。

背景技术

三维人体姿态估计是从二维图像中识别出人体所做出的三维动作的技术。

现有技术中，通常是采用端到端的卷积神经网络，直接从输入图像中预测人体的3D关节点位置，然而采用传统的卷积神经网络需要根据人体3D姿态节点进行标注，通过标注信息对卷积神经网络进行训练，利用训练后的卷积神经网络对输入图像进行估计。然而人体3D姿态节点进行标注是一项劳动成本较高的工作，但当标注图像不够多时，现有技术对人体3D姿态的估计可能不够准确。

发明内容

基于此，本申请实施例提供了一种人体3D姿态估计方法、装置、计算机设备及存储介质，可以解决现有技术对人体3D姿态估计不准确的问题。

第一方面，提供了一种人体3D姿态识别方法，该方法包括：

获取目标图片，所述目标图片中包括一个待识别目标；

将所述目标图片输入至目标检测网络得到所述待识别目标的多个2D关键点坐标以及语义特征图；

将所述待识别目标的每个2D关键点坐标通过全连接神经网络得到所述每个2D关键点坐标对应的embedding特征向量；

将所述待识别目标的语义特征图进行分解得到分解特征向量，并对所述分解特征向量进行降维操作得到预设维度的降维特征向量；

将所述降维特征向量输入到编码器进行编码，得到编码向量，所述降维特征向量的个数与所述编码器的节点个数相同；

根据所述embedding特征向量和所述编码向量通过解码器进行解码，得到解码向量；

将所述解码向量输入至所述全连接神经网络，确定所述待识别目标的3D关键点坐标。

在其中一个实施例中，所述解码器包括三层，所述根据所述embedding特征向量和所述编码向量通过解码器进行解码，得到解码向量，包括：

将所述embedding特征向量和所述编码向量输入至第一解码器进行解码，得到第一解码向量；将所述第一解码向量和所述编码向量输入至第二解码器进行解码，得到第二解码向量；将所述第二解码向量和所述编码向量输入至第三解码器进行解码，得到解码向量。

在其中一个实施例中，所述第一解码器、所述第二解码器以及所述第三解码器具有相同的结构。

在其中一个实施例中，所述将所述降维特征向量输入到编码器进行编码，得到编码向量，包括：

将所述降维特征向量中的每个特征向量通过3个变换矩阵变换为3个第一变换特征向量；

将所述第一变换特征向量输入至Multi-head attention网络进行计算，得到与所述降维特征向量个数和维度相同的第一反馈向量；

将所述第一反馈向量与所述降维特征向量相加后，采用归一化算法进行处理，并将处理后的归一化向量中的每个向量输入2层全连接前馈网络后，与所述归一化向量相加，再将相加后的向量做归一化处理，得到编码向量。