一种信息处理方法及电子设备的制造方法
【技术领域】
[0001]本发明涉及通讯技术，尤其涉及一种信息处理方法及电子设备。
【背景技术】
[0002]本申请发明人在实现本申请实施例技术方案的过程中，至少发现相关技术中存在如下技术问题:
[0003]三维人体跟踪与建模的目标是在摄像机的视角里面实时跟踪人体的三维运动并建立人体的三维模型，有着广泛的应用，包括自然人机交互，远程呈现(tele-presence)，虚拟现实游戏等。
[0004]与一般物体的三维建模相比，对人体跟踪与建模的问题，其难度在于人体具有很多关节(主要关节有颈，肩，肘，腕，腰，胯，膝，踝关节)，每个关节又有多个自由度，因此人体在运动时会表现出形态多样的形变。此外人体在运动中自遮挡的问题非常常见，这又增加了基于视觉传感方式的难度。
[0005]对于上述问题，目前采用的解决方案都是实时的跟踪用户的人体运动形态，并依据实时数据进行建模的方案，存在精确度不高，限于一定的场所等问题，如果想要提高精度，又会带来造价高的问题。总之，相关技术中，对于该问题，目前尚无有效的解决方案。
【发明内容】
[0006]有鉴于此，本发明实施例希望提供一种信息处理方法及电子设备，至少解决了现有技术存在的问题，能提高精度，降低造价，也不受限于具体的场所。
[0007]本发明实施例的技术方案是这样实现的:
[0008]本发明实施例的一种信息处理方法，所述方法包括:
[0009]获取第一数据，所述第一数据用于表征跟踪人体姿态变化所获取的历史离线数据；
[0010]通过至少两个采集单元实时采集第二数据，所述第二数据用于表征当前跟踪人体姿态变化所获取的实时数据；
[0011]获取第一模型；所述第一模型用于表征已知基于三维人体跟踪模式得到的建模结果;
[0012]在所述第一模型中，将所述第一数据按照第一预设规则对所述第二数据进行调整后合成得到合成结果，基于所述合成结果生成第二模型。
[0013]上述方案中，所述第一数据包括所述历史离线数据和/或基于所述历史离线数据按照第二预设规则计算得到的训练数据。
[0014]上述方案中，所述方法还包括:
[0015]获取所述历史离线数据，所述历史离线数据用于表征人体运动的三维数据集，至少包括人体的关节参数，还可以包括与所述关节参数对应的自由度参数；
[0016]根据所述历史离线数据得到至少一个第三模型，所述第三模型用于表征通过所述关节参数分割的人体各个部分，并作为参考标准；
[0017]获取针对至少一个第三模型进行数据采集时得到的对应不同深度的多个第一视频；
[0018]在所述对应不同深度的多个第一视频间运算得到的第一深度信息作为调整量，并用于对所述参考标准进行调整，将调整得到的数据作为人体未来在运动时可能会发生形变的人体姿态预测值，将所述预测值确定为所述训练数据。
[0019]上述方案中，所述在所述对应不同深度的多个第一视频间运算得到的第一深度信息作为调整量，并用于对所述参考标准进行调整，包括:
[0020]将所述调整量分割后得到各个调整子参量，将所述各个调整子参量对应匹配到所述通过所述关节参数分割的人体各个部分，如果匹配成功，则对相应的部分进行调整；
[0021]或者，
[0022]建立所述调整量与所述通过所述关节参数分割的人体各个部分之间的关联，通过所述关联跟踪所述调整量与所述通过所述关节参数分割的人体各个部分之间的动态变化结果，记录所述动态变化结果，根据所述动态变化结果训练得到一个多层的神经元网络，所述神经元网络能表征通过所述调整量关联到的人体运动可能会发生形变的人体姿态。
[0023]上述方案中，所述在所述第一模型中，将所述第一数据按照第一预设规则对所述第二数据进行调整后合成得到合成结果，基于所述合成结果生成第二模型，包括:
[0024]将所述至少一个第三模型按照所述关节参数对齐，以构成完整的人体跟踪模型；
[0025]提取所述训练数据中用于表征人体各个部分的形状模型参数，结合所述人体跟踪模型组装成用于表征人体运动发生形变时的各姿态身体模型参数；
[0026]获取所述第二数据，所述第二数据为进行数据采集时得到的对应不同深度的多个第二视频，对所述多个第二视频进行预处理得到表征完整人体的第二深度信息；
[0027]将所述第二深度信息按照所述关节参数分割后，得到多个第三数据，将所述表征人体各个部分的形状模型参数用于匹配到相应的第三数据并进行调整和合成，得到第一合成结果；将所述表征人体运动发生形变时的各姿态身体模型参数用于匹配到相应的第三数据并进行调整和合成，得到第二合成结果；
[0028]根据所述第一合成结果和所述第二合成结果生成第二模型。
[0029]本发明实施例的一种电子设备，所述电子设备包括:用于数据存储的存储器和用于数据处理的处理器；
[0030]所述存储器，用于存储第一数据；
[0031]所述处理器，用于:
[0032]获取第一数据，所述第一数据用于表征跟踪人体姿态变化所获取的历史离线数据；
[0033]通过至少两个采集单元实时采集第二数据，所述第二数据用于表征当前跟踪人体姿态变化所获取的实时数据；
[0034]获取第一模型；所述第一模型用于表征已知基于三维人体跟踪模式得到的建模结果;
[0035]在所述第一模型中，将所述第一数据按照第一预设规则对所述第二数据进行调整后合成得到合成结果，基于所述合成结果生成第二模型。
[0036]上述方案中，所述第一数据包括所述历史离线数据和/或基于所述历史离线数据按照第二预设规则计算得到的训练数据。
[0037]上述方案中，所述处理器，进一步用于:
[0038]获取所述历史离线数据，所述历史离线数据用于表征人体运动的三维数据集，至少包括人体的关节参数，还可以包括与所述关节参数对应的自由度参数；
[0039]根据所述历史离线数据得到至少一个第三模型，所述第三模型用于表征通过所述关节参数分割的人体各个部分，并作为参考标准；
[0040]获取针对至少一个第三模型进行数据采集时得到的对应不同深度的多个第一视频；
[0041]在所述对应不同深度的多个第一视频间运算得到的第一深度信息作为调整量，并用于对所述参考标准进行调整，将调整得到的数据作为人体未来在运动时可能会发生形变的人体姿态预测值，将所述预测值确定为所述训练数据。
[0042]上述方案中，所述处理器，进一步用于:
[0043]将所述调整量分割后得到各个调整子参量，将所述各个调整子参量对应匹配到所述通过所述关节参数分割的人体各个部分，如果匹配成功，则对相应的部分进行调整；
[0044]或者，
[0045]建立所述调整量与所述通过所述关节参数分割的人体各个部分之间的关联，通过所述关联跟踪所述调整量与所述通过所述关节参数分割的人体各个部分之间的动态变化结果，记录所述动态变化结果，根据所述动态变化结果训练得到一个多层的神经元网络，所述神经元网络能表征通过所述调整量关联到的人体运动可能会发生形变的人体姿态。
[0046]上述方案中，所述处理器，进一步用于:
[0047]将所述至少一个第三模型按照所述关节参数对齐，以构成完整的人体跟踪模型；
[0048]提取所述训练数据中用于表征人体各个部分的形状模型参数，结合所述人体跟踪模型组装成用于表征人体运动发生形变时的各姿态身体模型参数；
[0049]获取所述第二数据，所述第二数据为进行数据采集时得到的对应不同深度的多个第二视频，对所述多个第二视频进行预处理得到表征完整人体的第二深度信息；
[0050]将所述第二深度信息按照所述关节参数分割后，得到多个第三数据，将所述表征人体各个部分的形状模型参数用于匹配到相应的第三数据并进行调整和合成，得到第一合成结果；将所述表征人体运动发生形变时的各姿态身体模型参数用于匹配到相应的第三数据并进行调整和合成，得到第二合成结果；
[0051 ] 根据所述第一合成结果和所述第二合成结果生成第二模型。
[0052]本发明实施例的信息处理方法包括:获取第一数据，所述第一数据用于表征跟踪人体姿态变化所获取的历史离线数据；通过至少两个采集单元实时采集第二数据，所述第二数据用于表征