摘要
本发明涉及一种3D姿态实时识别方法、存储介质及设备,用于解决自上而下的姿态估计方法丢弃目标对象的位置信息,使得模型无法准确预测在原始相机坐标系下不同位置而导致深度的细微变化导致检测精度低问题,包括:采集目标对象的姿态图像;从所述目标对象姿态图像中获取所述目标对象的位置信息并对目标对象姿态图像进行裁剪获得所述目标对象的裁剪图;将所述裁剪图和所述位置信息输入到神经网络模型进行处理得到特征向量;对所述特征向量进行关键点检测得到目标对象的关键点坐标信息。本发明通过裁剪图和位置信息为模型提供了全局的信息,使模型可以准确地预测目标对象在原始相机坐标系下不同位置的深度细微变化,提高了3D姿态检测的精度。
技术关键词
神经网络模型
残差模块
识别方法
对象
层级
关键点识别
姿态估计方法
图像处理模块
信息采集模块
坐标系
识别装置
可读存储介质
相机
手势
精度
系统为您推荐了相关专利信息
信息处理装置
物体
控制单元
接口
计算机程序产品
文件命名方法
卷积神经网络模型
代表
门控循环单元
节点特征
光伏组件
缺陷智能
颜色直方图
分析方法
关键点特征
报文协议
神经网络模型
接口
大语言模型
机器可读指令