(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210909215.X (22)申请日 2022.07.29 (71)申请人 澳门大学 地址 中国澳门氹仔大 学大马路 (72)发明人 李昊伦　潘治文　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 戴尧罡 (51)Int.Cl. G06T 7/73(2017.01) G06T 13/40(2011.01) G06V 10/774(2022.01) (54)发明名称 姿态数据生成方法、 装置、 电子设备及存储 介质 (57)摘要 本申请提供一种姿态数据生成方法、 装置、 电子设备及存储介质， 涉及深度学习技术领域。 由于目标三维姿态数据是由原始的三维姿态数 据变化得到的， 而原始的三维姿态数据可以是一 些特殊环 境下的稀缺姿态数据， 从而在对原始的 三维姿态数据进行变化后可生成大量的稀缺三 维姿态数据， 同时还可生 成大量的稀缺二维姿态 数据， 进而使得得到的样本姿态数据集具有更好 的鲁棒性， 可用于提升训练三维姿态估计模型的 训练精度， 从而使得训练得到的三维姿态估计模 型具有更高的预测精度。 权利要求书4页 说明书20页 附图8页 CN 115272469 A 2022.11.01 CN 115272469 A 1.一种姿态数据生成方法， 其特 征在于， 包括： 获取多个原始的三维姿态数据， 所述三维姿态数据包括： 三维姿态中各关节点的坐标、 相机位置、 相机 视角； 将各原始的三维姿态数据输入预先训练得到的姿态生成器中， 对所述原始的三维姿态 数据进行变换， 得到各原 始的三维姿态数据对应的目标三维姿态数据； 根据各原始的三维姿态数据对应的目标三维姿态数据， 生成所述目标三维姿态数据对 应的二维姿态数据； 根据所述各原始的三维姿态数据对应的目标三维姿态数据以及所述目标三维姿态数 据对应的二维姿态数据， 得到样本姿态数据集， 所述样本姿态数据集用于训练获取三维姿 态估计模型， 三维姿态估计模型用于根据输入的二维姿态数据估计出三维姿态数据。 2.根据权利要求1所述的方法， 其特 征在于， 所述姿态生成器采用下述方法训练得到： 从数据集中采集多个初始三维姿态数据； 将所述多个初始三维姿态数据输入初始的生成器中， 生成各初始三维姿态数据对应的 新的三维姿态数据； 根据所述各初始三维姿态数据对应的新的三维姿态数据、 以及所述多个初始三维姿态 数据， 得到姿态样本数据集； 采用所述姿态样本数据集训练获取 所述姿态生成器。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述多个初始三维姿态数据输入初 始的生成器中， 生成各初始三维姿态数据对应的新的三维姿态数据， 包括： 将所述初始三维姿态数据输入初始的生成器中， 由所述初始的生成器根据各初始三维 姿态数据中各关节 点的坐标， 确定各初始 三维姿态中各关节角度、 各关节骨长， 并根据预设 的姿态数据变换函数、 以及预设的关节角度阈值， 对各初始 三维姿态数据中各关节角度、 各 关节骨长、 相 机位置及相 机视角进行参数变化计算， 生成各初始三维姿态数据对应的新的 三维姿态数据。 4.根据权利要求3所述的方法， 其特征在于， 所述根据预设的姿态数据变换函数、 以及 预设的关节角度阈值， 对各初始三 维姿态数据中各关节角度、 各关节骨长、 相机位置及相机 视角进行参数变化计算， 生成各初始三维姿态数据对应的新的三维姿态数据， 包括： 根据预设的姿态数据变换函数对各初始三维姿态数据中各关节角度、 各关节骨长、 相 机位置及相机视角进 行参数变化计算， 得到各初始 三维姿态数据对应的变化后的各关节角 度、 变化后的各关节骨长、 变化后的相机位置及相机 视角； 根据预设的关节角度阈值， 对各初始三维姿态数据对应的变化后的各关节角度进行修 正， 得到各初始三维姿态数据对应的修 正后的各关节角度； 根据各初始三维姿态数据对应的修正后的各关节角度、 变化后的各关节骨长、 变化后 的相机位置及相机 视角， 得到各初始三维姿态数据对应的新的三维姿态数据。 5.根据权利要求2所述的方法， 其特征在于， 所述根据所述各初始三维姿态数据对应的 新的三维姿态数据、 以及所述多个初始三维姿态数据， 得到姿态样本数据集， 包括： 对各初始三维姿态数据对应的新的三维姿态数据进行投影， 得到各新的三维姿态数据 对应的二维姿态数据； 根据各初始三维姿态数据对应的新的三维姿态数据、 以及所述多个初始三维姿态数权　利　要　求　书 1/4 页 2 CN 115272469 A 2据， 得到第一姿态样本数据集； 根据各新的三维姿态数据对应的二维姿态数据、 以及采集的多个目标二维姿态数据， 得到第二姿态样本数据集， 其中， 各新的三维姿态数据对应的二维姿态数据的标签信息包 括： 第一标识， 第一标识用于表征新的三 维姿态数据对应的二维姿态数据为假数据； 各目标 二维姿态数据的标签信息包括： 第二标识， 第二标识用于目标二维姿态数据为真实数据； 根据所述第一姿态样本数据集和所述第二姿态样本数据集， 得到所述姿态样本数据 集。 6.根据权利要求5所述的方法， 其特征在于， 所述根据各初始三维姿态数据对应的新的 三维姿态数据、 以及所述多个初始三维姿态数据， 得到第一姿态样本数据集， 包括： 将各初始三维姿态数据对应的新的三维姿态数据输入所述初始的生成器中， 生成各新 的三维姿态数据对应的扩展三维姿态数据； 根据各新的三维姿态数据、 各新的三维姿态数据对应的扩展三维姿态数据、 以及所述 多个初始 三维姿态数据， 得到所述第一姿态样 本数据集， 其中， 各新的三 维姿态数据以及各 新的三维姿态数据对应的扩展三维姿态数据的标签信息包括： 所述第一标识； 各初始三维 姿态数据的标签信息包括： 所述第二标识。 7.根据权利要求5所述的方法， 其特征在于， 所述采用所述姿态样本数据集训练获取所 述姿态生成器， 包括： 将所述姿态样本数据集输入姿态判别器中， 得到判定结果， 并根据 所述判定结果， 分别 对所述初始的生成器、 以及所述姿态判别器的网络参数进行修正， 得到修正后的生成器以 及修正后的姿态判别器； 将所述姿态样本数据集输入所述修正后的生成器， 生成多个修正后的姿态数据， 并将 多个修正后的姿态数据输入修正后的姿态判别器中， 得到新的判定结果， 循环执行， 直至所 述新的判定结果满足预设条件， 停止修 正， 得到所述姿态生成器以及目标姿态判别器。 8.根据权利要求7所述的方法， 其特征在于， 所述姿态判别器包括： 第一姿态判别器以 及第二姿态判别器； 所述将所述姿态样本数据集输入姿态判别器 中， 得到判定结果， 并根据 所述判定结果， 分别对所述初始的生成器、 以及所述姿态判别器的网络参数进行修正， 得到修正后的生成 器以及修 正后的姿态判别器， 包括： 将所述第一姿态样本数据集输入第一姿态判别器中， 得到当前的第一判定结果， 所述 第一判定结果包括： 第一姿态样本数据集中各三维姿态数据为真实数据的概 率； 将所述第二姿态样本数据集输入第二姿态判别器中， 得到当前的第二判定结果， 所述 第二判定结果包括： 第二姿态样本数据集中各二维姿态数据为真实数据的概 率； 根据所述当前的第 一判定结果以及所述当前的第 二判定结果， 修正所述初始的生成器 的网络参数， 得到修 正后的生成器； 根据所述当前的第一判定结果， 修正所述第一姿态判别器的网络参数， 得到修正后的 第一姿态判别器； 根据所述当前的第二判定结果， 修正所述第二姿态判别器的网络参数， 得到修正后的 第二姿态判别器。 9.根据权利要求7所述的方法， 其特征在于， 所述将所述姿态样本数据集输入所述修正权　利　要　求　书 2/4 页 3 CN 115272469 A 3