(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 202210531488.5 (22)申请日 2022.05.16 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 卢子鹏　王健　孙昊　 (74)专利代理 机构 北京市汉坤律师事务所 11602 专利代理师 姜浩然　吴丽丽 (51)Int.Cl. G06V 40/20(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01) G06V 10/74(2022.01) (54)发明名称 目标人体姿态样 本的挖掘方法及装置、 设备 和介质 (57)摘要 本公开提供了一种目标人体姿态样本的挖 掘方法及装置、 设备和介质， 涉及人工智能技术 领域， 尤其涉及图像处理、 计算机视觉和深度学 习等技术领域。 实现方案为： 获取多个人体姿态 图像， 其中包括多个样本人体姿态图像和至少一 个标准人体姿态图像； 基于每个人体姿态图像所 包括的多个关键点， 确定其姿态特征向量表示； 基于多个人体姿态 图像的姿态特征向量表示之 间的相似度， 对多个人体姿态图像进行聚类以获 得多个聚类簇； 基于相似度准则， 从多个聚类簇 中选择至少一个聚类簇， 所述至少一个聚类簇中 的人体姿态 图像比起其他聚类簇中的人体姿态 图像更不相似于所述标准人体姿态图像； 确定所 述至少一个聚类簇所包括的每个样本人体姿态 图像为目标人体姿态样本 。 权利要求书3页 说明书12页 附图4页 CN 114792445 A 2022.07.26 CN 114792445 A 1.一种目标 人体姿态样本的挖掘方法， 包括： 获取多个人体姿态图像， 所述多个人体姿态图像包括多个样本人体姿态图像和至少一 个标准人体姿态图像， 每 个人体姿态图像包括多个关键点； 基于所述每个人体姿态图像所包括的多个关键点， 确定所述每个人体姿态图像的姿态 特征向量表示； 基于所述多个人体姿态图像的姿态特征向量表示之间的相似度， 对所述多个人体姿态 图像进行聚类， 以获得多个聚类簇； 基于相似度准则， 从所述多个聚类簇 中选择至少一个聚类簇， 其中， 根据 所述相似度准 则， 所述至少一个聚类簇中的人体姿态图像比起所述多个聚类簇中其他聚类簇中的人体姿 态图像更不相似于所述至少一个标准人体姿态图像； 以及 确定所述至少一个聚类簇所包括的每 个样本人体姿态图像为所述目标 人体姿态样本 。 2.如权利要求1所述的方法， 其中， 所述基于相似度准则， 从所述多个聚类簇中选择至 少一个聚类簇包括： 针对所述多个聚类簇中的每个聚类簇的簇中心， 计算该簇 中心相应的人体姿态图像的 姿态特征向量表示与所述至少一个标准人体姿态图像的姿态特征向量表示之间的相似度； 以及 响应于该簇中心相应的人体姿态图像的姿态特征向量表示与所述至少一个标准人体 姿态图像的姿态特征向量表示之间的相似度均小于预设阈值， 选择该簇中心相应的聚类 簇。 3.如权利要求1或2所述的方法， 其中， 所述基于所述每个人体姿态图像所包括的多个 关键点， 确定所述每 个人体姿态图像的姿态特 征向量表示包括： 确定该人体姿态图像所包括的多个关键点对应的多条骨骼线； 确定所述多条骨骼线中每两条相邻骨骼线之间的夹角， 以得到多个骨骼线夹角； 以及 基于所述多个骨骼线夹角， 确定该 人体姿态图像的姿态特 征向量表示。 4.如权利要求3所述的方法， 其中， 所述至少一个标准人体姿态图像具有相同的尺寸基 准值， 所述尺寸基准值指示人体姿态图像的骨骼线的尺寸信息， 所述确定所述多条骨骼线 中每两条相邻骨骼线之间的夹角， 以得到多个骨骼线夹角包括： 基于所述尺寸基准值对所述多条骨骼线进行缩放处理， 以得到多条归一化骨骼线； 以 及 确定所述多条归一化骨骼线中每两条相邻归一化骨骼线之间的夹角， 以得到所述多个 骨骼线夹角。 5.如权利要求1 ‑4中任一项所述的方法， 其中， 所述基于所述多个人体姿态图像的姿态 特征向量表示之间的相似度， 对所述多个人体姿态图像进行聚类包括： 基于所述多个人体姿态图像的姿态特征向量表示， 利用K均值聚类算法对所述多个人 体姿态图像进行聚类。 6.一种人体姿态 识别模型的训练方法， 包括： 获取初始人体姿态 识别模型； 以及 利用目标人体姿态样本对所述初始人体姿态识别模型进行训练， 所述目标人体姿态样 本是利用权利要求1 ‑5中任一项所述的方法挖掘得到的。权　利　要　求　书 1/3 页 2 CN 114792445 A 27.一种人体姿态 识别方法， 包括： 将待检测人体姿态图像输入人体姿态识别模型， 以得到所述人体姿态识别模型输出的 所述待检测人体姿态图像所表示的人体姿态， 其中， 所述人体姿态识别模型是利用权利要 求6所述的方法训练得到的。 8.一种目标 人体姿态样本的挖掘装置， 包括： 第一获取单元， 被配置用于获取多个人体姿态图像， 所述多个人体姿态图像包括多个 样本人体姿态图像和至少一个标准人体姿态图像， 每 个人体姿态图像包括多个关键点； 第一确定单元， 被配置用于基于所述每个人体姿态图像所包括的多个关键点， 确定所 述每个人体姿态图像的姿态特 征向量表示； 聚类单元， 被配置用于基于所述多个人体姿态图像的姿态特征向量表示之间的相似 度， 对所述多个人体姿态图像进行聚类， 以获得多个聚类簇； 选择单元， 被配置用于基于相似度准则， 从所述多个聚类簇 中选择至少一个聚类簇， 其 中， 根据所述相似度准则， 所述至少一个聚类簇中的人体姿态图像比起所述多个聚类簇中 其他聚类簇中的人体姿态图像更不相似于所述至少一个标准人体姿态图像； 以及 第二确定单元， 被配置用于确定所述至少一个聚类簇所包括的每个样本人体姿态图像 为所述目标 人体姿态样本 。 9.如权利要求8所述的装置， 其中， 所述选择 单元包括： 计算子单元， 被配置用于针对所述多个聚类簇中的每个聚类簇的簇中心， 计算该簇中 心相应的人体姿态图像的姿态特征向量表示与所述至少一个标准人体姿态图像的姿态特 征向量表示之间的相似度； 以及 第一确定子单元， 被配置用于响应于所述簇 中心相应的人体姿态图像的姿态特征向量 表示与所述至少一个标准人体姿态图像的姿态特征向量表示之间的相似度均小于预设阈 值， 选择该簇中心相应的聚类簇 。 10.如权利要求8或9所述的装置， 其中， 所述第一确定单 元包括： 第二确定子单元， 被配置用于确定该人体姿态图像所包括的多个关键点对应的多条骨 骼线； 第三确定子单元， 被配置用于确定所述多条骨骼线中每两条相邻骨骼线之间的夹角， 以得到多个骨骼线夹角； 以及 第四确定子单元， 被配置用于基于所述多个骨骼线夹角， 确定所述人体姿态图像的姿 态特征向量表示。 11.如权利要求10所述的装置， 其中， 所述至少一个标准人体姿态图像具有相同的尺寸 基准值， 所述尺寸基准值能够指示人体姿态图像的骨骼线的尺寸信息， 所述第三确定子单 元包括： 缩放子模块， 被配置用于基于所述尺寸基准值对所述多条骨骼线进行缩放处理， 以得 到多条归一 化骨骼线； 以及 确定子模块， 被配置用于针对所述多条归一化骨骼线中每两条相邻归一化骨骼线， 确 定所述相邻归一 化骨骼线的夹角， 以得到多个骨骼线夹角。 12.如权利要求8 ‑11中任一项所述的装置， 其中， 所述聚类单元被配置用于基于所述多 个人体姿态图像的姿态特征向量表示之间的相似度， 利用K均值聚类算法对所述多个人体权　利　要　求　书 2/3 页 3 CN 114792445 A 3