[发明专利]姿态估计模型的训练与姿态估计方法、装置、设备及介质

说明书

本发明公开了一种姿态估计模型的训练与姿态估计方法、装置、设备及介质，该方法包括：获取图像样本集；通过图像样本集迭代训练初始姿态估计模型得到目标姿态估计模型；其中，初始姿态估计模型包括：特征提取网络和堆叠沙漏网络；特征提取网络包括：特征提取模块和空间金字塔池化模块；空间金字塔池化模块包括：并联的第一特征提取单元和第二特征提取单元，以及特征融合单元；第一特征提取单元和第二特征提取单元设置不同的特征提取尺度，能够为姿态估计提供提取同一层更高精度的多尺度特征，从而提高基于堆叠沙漏网络的姿态估计模型的姿态估计精度。

技术领域

本发明涉及计算机技术技术领域，尤其涉及一种姿态估计模型的训练与姿态估计方法、装置、设备及介质。

背景技术

人体姿态估计是计算机视觉领域的一个基础且具有挑战的任务,人体姿态估计对于描述人体姿态,人体行为等至关重要。随着深度学习技术的发展，以堆叠沙漏网络为代表的基于多尺度特征融合的人体姿态估计算法表现出了优越的性能，在姿态估计领域具有重要地位。

但是现有的基于堆叠沙漏网络的人体姿态估计模型，具有较大的信息损失，仍存在较大改进空间。

发明内容

本发明提供了一种姿态估计模型的训练与姿态估计方法、装置、设备及介质，在特征提取网络中增加具有多个特征提取尺度的空间金字塔池化模块，为姿态估计提供提取同一层更高精度的多尺度特征，从而提高基于堆叠沙漏网络的姿态估计模型的姿态估计精度。

根据本发明的一方面，提供了一种姿态估计模型的训练方法，包括：

获取图像样本集；

通过所述图像样本集迭代训练初始姿态估计模型得到目标姿态估计模型；

其中，所述初始姿态估计模型包括：特征提取网络和堆叠沙漏网络；所述特征提取网络包括：特征提取模块和空间金字塔池化模块；所述空间金字塔池化模块包括：并联的第一特征提取单元和第二特征提取单元，以及特征融合单元；所述第一特征提取单元和所述第二特征提取单元设置不同的特征提取尺度。

根据本发明的另一方面，提供了一种姿态估计方法,包括：

获取待解析图像；

将所述待解析图像输入采用姿态估计模型的训练方法训练得到的目标姿态估计模型；

获取所述目标姿态估计模型输出的所述待解析图像的目标定位图和目标偏置图；

基于所述目标定位图和所述目标偏置图确定所述待解析图像中目标体的各关键点的估计坐标，根据各所述关键点的估计坐标估计所述目标体的姿态。

根据本发明的另一方面，提供了一种姿态估计模型的训练装置，包括：

获取模块，用于获取图像样本集；

训练模块，用于通过所述图像样本集迭代训练初始姿态估计模型得到目标姿态估计模型；其中，所述初始姿态估计模型包括：特征提取网络和堆叠沙漏网络；所述特征提取网络包括：特征提取模块和空间金字塔池化模块；所述空间金字塔池化模块包括：并联的第一特征提取单元和第二特征提取单元，以及特征融合单元；所述第一特征提取单元和所述第二特征提取单元设置不同的特征提取尺度。

根据本发明的另一方面，提供了一种姿态估计装置，包括：

第一获取模块，用于获取待解析图像；

输入模块，用于将所述待解析图像输入采用姿态估计模型的训练方法训练得到的目标姿态估计模型；

第二获取模块，用于获取所述目标姿态估计模型输出的所述待解析图像的目标定位图和目标偏置图；