宠物姿态识别模型的训练方法以及宠物姿态识别方法与流程

本申请涉及计算机视觉，具体涉及一种宠物姿态识别模型的训练方法以及宠物姿态识别方法。

背景技术：

1、随着计算机视觉技术的不断发展，姿态识别技术不断出现在人们的生活中。其中，宠物姿态识别技术得到越来越多的关注。宠物姿态识别是指通过技术手段自动识别宠物的骨骼点，是对运动姿态识别或者说是运动意图的预测。宠物的姿态识别技术可应用于虚拟图像合成、增强现实、游戏、动画等领域。

2、现有技术中对运动的识别一般利用惯性传感器、光学传感器等，识别成本较高。同时，宠物具有形体小、移动速度快、不受控制、宠物图像及姿态数据获取不易等问题。因此，传统的姿态识别方法无法直接用于宠物场景。

技术实现思路

1、本申请实施例针对上述情况，提出了一种宠物姿态识别模型的训练方法以及宠物姿态识别方法，提高了宠物姿态识别模型的准确率，且宠物姿态识别模型可直接用于宠物场景。

2、第一方面，本申请实施例提供了一种宠物姿态识别模型的训练方法，所述方法包括：

3、获取训练样品集，所述训练样品集包括多组一一对应的原始图和标注图，所述标注图是通过对所述原始图中目标宠物的骨骼关键点和姿态类型进行标注得到的；

4、获取宠物姿态识别初始模型，所述宠物姿态识别初始模型包括姿态初步处理网络和姿态优化处理网络，其中，所述姿态优化处理网络由多层所述姿态初步处理网络构成；所述姿态初步处理网络作为所述宠物姿态识别初始模型的输入端，所述姿态初步处理网络的输出端连接所述姿态优化处理网络的输入端，所述姿态优化处理网络的输出端作为所述宠物姿态识别初始模型的输出端；

5、将所述训练样品集输入所述宠物姿态识别初始模型进行训练，得到所述宠物姿态识别模型。

6、第二方面，本申请实施例还提供了一种宠物姿态识别方法，其特征在于，包括：

7、获取待预测图像；

8、利用采用第一方面所述的训练方法得到的宠物姿态识别模型，对所述待预测图像进行预测，得到所述待预测图像对应的宠物姿态识别结果，所述宠物姿态识别结果包括姿态识别结果图像和预测结果。

9、第三方面，本申请实施例还提供了一种宠物姿态识别模型的训练装置，包括：

10、第一获取模块，用于获取训练样品集，所述训练样品集包括多组一一对应的原始图和标注图，所述标注图是通过对所述原始图中目标宠物的骨骼关键点和姿态类型进行标注得到的；

11、第二获取模块，用于获取宠物姿态识别初始模型，所述宠物姿态识别初始模型包括姿态初步处理网络和姿态优化处理网络，其中，所述姿态优化处理网络由多层所述姿态初步处理网络构成；所述姿态初步处理网络作为所述宠物姿态识别初始模型的输入端，所述姿态初步处理网络的输出端连接所述姿态优化处理网络的输入端，所述姿态优化处理网络的输出端作为所述所述宠物姿态识别初始模型的输出端；

12、训练模块，用于将所述训练样品集输入所述宠物姿态识别初始模型进行训练，得到所述宠物姿态识别模型。

13、第四方面，本申请实施例还提供了一种宠物姿态识别装置，还包括：

14、获取模块，用于获取待预测图像；

15、预测模块，用于利用上述任一的宠物姿态识别模型的训练方法得到的宠物姿态识别模型，对所述待预测图像进行预测，得到所述待预测图像对应的宠物姿态识别结果，所述宠物姿态识别结果包括姿态识别结果图像和预测结果。

16、第五方面，本申请实施例还提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述任一的方法。

17、第六方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述任一的方法。

18、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

19、本申请实施例提供的宠物姿态识别模型的训练方法以及宠物姿态识别方法，由于训练样品集中的标注图标注出了目标宠物的骨骼关键点和姿态类型，同时，宠物姿态识别初始模型包括宠物姿态初步处理网络、和宠物姿态优化处理网络两部分，宠物姿态初步处理网络可以得到输入的原始图中目标宠物的大致姿态轮廓，宠物姿态优化处理网络可以对该姿态轮廓进行进一步优化。故通过对训练样品集的学习，宠物姿态识别模型可以快速、准确地检测到图像中是否包含宠物，以及宠物的尾巴、头、五官、四肢等的二维空间位置。且该宠物姿态识别模型可不依赖服务器端，无需占用大量带宽资源，故可以直接用于宠物场景；弥补现有技术中宠物姿态识别的空白，显著提高用户使用感受。

技术特征：

1.一种宠物姿态识别模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的宠物姿态识别模型的训练方法，其特征在于，所述将所述训练样品集输入所述宠物姿态识别初始模型进行训练，得到所述宠物姿态识别模型，包括：

3.根据权利要求2所述的宠物姿态识别模型的训练方法，其特征在于，所述姿态优化处理网络包括s层所述姿态初步处理网络；所述利用所述姿态优化处理网络，对所述中间骨骼关键点数据进行处理，生成所述当前输入图像对应的目标骨骼关键点数据，包括：

4.根据权利要求3所述的宠物姿态识别模型的训练方法，其特征在于，在所述基于所述姿态优化处理网络中的、第i个姿态初步处理网络中的卷积层模块，对第i-1个特征数据进行处理，生成所述姿态优化处理网络中的、第i个姿态初步处理网络对应的第i个中间特征数据之前，还包括；

5.一种宠物姿态识别方法，其特征在于，包括：

6.根据权利要求5所述的宠物姿态识别方法，其特征在于，还包括：

7.一种宠物姿态识别模型的训练装置，其特征在于，包括：

8.一种宠物姿态识别装置，其特征在于，还包括：

9.一种电子设备，包括：

10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1-4或5-6任一所述的方法的步骤。

技术总结
本申请公开了一种宠物姿态识别模型的训练方法以及宠物姿态识别方法，该方法包括：获取训练样品集，训练样品集包括多组一一对应的原始图和标注图；获取宠物姿态识别初始模型，宠物姿态识别初始模型包括姿态初步处理网络和姿态优化处理网络，姿态优化处理网络由多层姿态初步处理网络构成；将训练样品集输入宠物姿态识别初始模型进行训练，得到宠物姿态识别模型。本申请利用标注出目标宠物的骨骼关键点和姿态类型的训练样品集对具有优化效果的宠物姿态识别初始模型进行训练，得到的宠物姿态识别模型可以快速、准确地检测到图像中是否包含宠物，以及宠物各个部位的二维空间位置。

技术研发人员：李天宝,邓前,黄小虎
受保护的技术使用者：上海盟宠信息技术有限公司
技术研发日：
技术公布日：2024/1/13