(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 202210467070.2 (22)申请日 2022.04.29 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 徐稀侠　高英国　潘兴甲　鄢科　 (74)专利代理 机构 深圳市深佳知识产权代理事 务所(普通 合伙) 44285 专利代理师 聂秀娜 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/44(2022.01) G06V 10/771(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种多人姿态估计方法、 装置、 设备及存储 介质 (57)摘要 本申请实施例公开了一种多人姿态估计方 法、 装置、 设备及存储介质， 相关实施例可应用于 人工智能或智能交通等各种场景， 用于提高定位 准确率和减少结构错误率。 本申请实施例方法包 括： 对关节 点特征集合中的每个关节 点特征进行 位置损失计算， 得到预测损失值， 对关节点特征 集合进行类别关节对划分， 得到关节对关系特征 集合， 基于采样策略， 对关节对关系特征集合进 行采样， 得到参考关节对特征、 参考关节对正样 本特征以及参考关节对负样本特征， 基于参考关 节对特征、 参考关节对正样本特征以及参考关节 对负样本特征进行一致性损失计算， 得到成对一 致性损失值， 基于成对一致性损失值以及预测损 失值对姿态估计模型进行参数调整， 得到目标姿 态估计模型。 权利要求书3页 说明书20页 附图13页 CN 115131817 A 2022.09.30 CN 115131817 A 1.一种多人姿态估计方法， 其特 征在于， 包括： 基于姿态估计模型， 从每个样本图像中提取多个目标对象中每个目标对象对应的关节 点特征集合； 基于数据标注， 对所述关节点特征集合中的每个关节点特征进行位置损 失计算， 得到 每个所述关节点特 征对应的预测损失值； 基于人体关节关联关系， 对所述关节点特征集合进行类别关节对划分， 得到每个关节 对类别对应的关节对关系特 征集合； 基于采样策略， 对所述关节对关系特征集合进行采样， 得到参考关节对特征、 参考关节 对正样本特 征以及参 考关节对负 样本特征； 基于所述参考关节对特征、 所述参考关节对正样本特征以及所述参考关节对负样本特 征进行一 致性损失计算， 得到每 个所述关节对类别对应的成对一 致性损失值； 基于所述成对一致性损失值以及所述预测损失值对所述姿态估计模型进行参数调 整， 得到目标姿态估计模型。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述成对一致性损失值以及所述 预测损失值对所述姿态估计模型进行参数调整， 得到所述 目标姿态估计模型之前， 所述方 法还包括： 基于关节类别标签， 对所述关节点特征集合进行关节类别划分， 得到每个关节类别对 应的类别关节特 征集合； 基于所述采样策略， 对所述类别关节特征集合进行采样， 得到参考关节点特征、 参考关 节点正样本特 征以及参 考关节点负 样本特征； 基于所述参考关节点特征、 所述参考关节点正样本特征以及所述参考关节点负样本特 征进行一 致性损失计算， 得到每 个所述关节类别对应的单关节一 致性损失值； 所述基于所述成对一致性损失值以及所述预测损失值对所述姿态估计模型进行参数 调整， 得到所述目标姿态估计模型， 包括： 基于所述单关节一致性损失值、 所述成对一致性损失值以及所述预测损失值对所述姿 态估计模型进行参数调整， 得到所述目标姿态估计模型。 3.根据权利要求2所述的方法， 其特征在于， 所述基于人体关节关联关系， 对所述关节 点特征集合进行类别 关节对划分， 得到每个关节对类别对应的关节对关系 特征集合之前， 所述方法还 包括： 将所有的所述关节点特 征集合中的每 个关节点特 征映射至目标空间； 对所述目标空间中的每个关节点特征分别进行降维处理， 得到目标维度关节特征集 合； 所述基于人体关节关联关系， 对所述关节点特征集合进行类别关节对划分， 得到每个 关节对类别对应的关节对关系特 征集合， 包括： 基于人体关节关联关系， 对所述目标维度关节特征集合进行类别关节对划分， 得到每 个关节对类别对应的关节对关系特 征集合； 所述基于关节类别标签， 对所述关节点特征集合进行关节类别划分， 得到每个关节类 别对应的类别关节特 征集合， 包括： 基于关节类别标签， 对所述目标维度关节特征集合进行关节类别划分， 得到每个关节权　利　要　求　书 1/3 页 2 CN 115131817 A 2类别对应的类别关节特 征集合。 4.根据权利要求3所述的方法， 其特征在于， 所述基于人体关节关联关系， 对所述目标 维度关节特征集合进行类别关节对划分， 得到每个关节对类别对应的关节对关系特征集 合， 包括： 从所述目标维度关节特征集合中， 确定满足所述人体关节关联关系的两两邻 接的关节 点特征， 其中， 每 个两两邻接的关节点特 征对应一个所述关节对类别； 根据所述两两邻 接的关节点特征计算关节对关系特征， 以获取到所述每个关节对类别 对应的关节对关系特 征集合。 5.根据权利要求1所述的方法， 其特征在于， 所述基于采样策略， 对所述关节对关系特 征集合进行采样， 得到参考关节对特征、 参考关节对正样本特征以及参考关节对负样本特 征， 包括： 将所述关节对关系特征集合中的任意一个关节对关系特征， 作为所述参考关节对特 征； 将所述关节对关系特征集合中除所述参考关节对特征以外的关节对关系特征， 作为所 述参考关节对正样本特 征； 从其他所述关节对关系特征集合中， 确定与所述参考关节对特征相对应的所述参考关 节对负样本特征。 6.根据权利要求5所述的方法， 其特征在于， 所述从其他所述关节对关系特征集合中， 确定与所述 参考关节对特 征相对应的所述 参考关节对负 样本特征， 包括： 计算所述参考关节对特征与其他所述关节对关系特征集中的关节对关系特征之间的 第一特征相似度； 根据所述第一特 征相似度， 确定所述 参考关节对负 样本特征。 7.根据权利要求2所述的方法， 其特征在于， 所述基于所述采样策略， 对所述类别关节 特征集合进行采样， 得到参考关节点特征、 参考关节点正样本特征以及参考关节点负样本 特征， 包括： 从所述类别关节特征集合中， 确定所述预测损失值满足筛选条件的所述参考关节点特 征； 将所述类别关节特征集合中除所述参考关节点特征以外的关节点特征， 作为所述参考 关节点正样本特 征； 从其他所述类别关节特征集合中， 确定与 所述参考关节点特征相对应的所述参考关节 点负样本特征。 8.根据权利要求7所述的方法， 其特征在于， 所述从其他类别关节特征集合中， 确定与 所述参考关节点特 征相对应的所述 参考关节点负 样本特征， 包括： 计算所述参考关节点特征与其他所述类别关节特征集合中的关节点特征之间的第二 特征相似度； 根据所述第二特 征相似度， 确定所述 参考关节点负 样本特征。 9.根据权利要求1所述的方法， 其特征在于， 所述基于数据标注， 对所述关节点特征集 合中的每个关节点特征进行位置损失计算， 得到每个所述关节点特征对应的预测损失值， 包括：权　利　要　求　书 2/3 页 3 CN 115131817 A 3