位姿检测方法及装置、电子设备和存储介质与流程

1.本公开涉及计算机技术领域，尤其涉及一种位姿检测方法及装置、电子设备和存储介质。


背景技术：

2.基于图像的目标三维重建已经成为十分流行的研究方向，并且在目标的检测与识别、目标驱动、增强现实等方向得到广泛应用，与之对应的，求解目标对象的三维模型和二维图像间的相对位姿(pose)，也形成了一套比较成熟的逻辑方案。
3.但是，在对目标对象进行三维重建的过程中，当目标对象背对镜头，由于目标对象背面没有明确的语义部位，例如，以人头三维重建为例，当人头后脑勺的区域朝向镜头时，后脑勺上没有例如眼角、嘴角、鼻尖等拥有明确语义的部位，所以，在进行目标对象的三维模型(人头三维模型)相对于背面二维图像(例如后脑勺图像)的位姿检测时会遇到较大的困难。


技术实现要素：

4.本公开提出了一种位姿检测技术方案。
5.根据本公开的一方面，提供了一种位姿检测方法，包括：获取待处理的至少一帧第一图像，所述第一图像包括图像采集设备采集的目标对象背面的二维图像；根据所述至少一帧第一图像，以及预设点云，确定所述第一图像中目标对象的位姿信息，其中，所述预设点云为目标对象正面的三维点云。
6.在一种可能的实现方式中，所述预设点云包括n个预设关键点，n为大于1的整数，在图像采集设备为单相机的情况下，所述至少一帧第一图像包括所述单相机拍摄的单帧第一图像；所述根据所述至少一帧第一图像，以及预设点云，确定所述第一图像中目标对象的位姿信息，包括：在所述单帧第一图像的目标对象区域，生成包含n个第一关键点的标注信息；将所述预设点云投影至所述单帧第一图像，确定n个第一关键点对应的n个第一投影点；对所述n个第一投影点与所述n个预设关键点进行拟合处理，得到所述单帧第一图像中目标对象的位姿信息。
7.在一种可能的实现方式中，在图像采集设备为相机阵列的情况下，所述至少一帧第一图像包括：多帧第一图像以及多帧第二图像，所述第二图像为目标对象正面的二维图像；所述根据所述至少一帧第一图像，以及预设点云，确定所述第一图像中目标对象的位姿信息，包括：对所述多帧第二图像进行三维重建，得到所述预设点云，以及对所述多帧第一图像进行三维重建，得到第一点云；根据所述预设点云和所述第一点云的相对关系，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息。
8.在一种可能的实现方式中，在图像采集设备为相机阵列的情况下，在所述获取待处理的至少一帧第一图像之前，包括：根据所述相机阵列采集的棋盘格图像，标定相机阵列的内参数和外参数，所述内参数包括焦距和/或像素大小，所述外参数包括相机位置和/或
相机旋转角度；所述对所述多帧第二图像进行三维重建，得到所述预设点云，包括：根据所述内参数和所述外参数，对所述多帧第二图像进行三维重建，得到所述预设点云；以及，所述对所述多帧第一图像进行三维重建，得到第一点云，包括：根据所述内参数和所述外参数，对所述多帧第一图像进行三维重建，得到所述第一点云。
9.在一种可能的实现方式中，所述预设点云和所述第一点云的相对关系包括所述预设点云与所述第一点云之间的位姿变换信息，所述根据所述预设点云和所述第一点云的相对关系，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息，包括：根据相机阵列的内参数和外参数、确定所述预设点云与所述第一点云之间的位姿变换信息，确定所述预设点云与每帧第一图像之间的位姿变换信息；根据所述预设点云与每帧第一图像之间的位姿变换信息，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息。
10.在一种可能的实现方式中，所述预设点云和所述第一点云的相对关系包括所述预设点云与所述第一点云之间的位姿变换信息，所述方法还包括：对所述预设点云进行点云注册处理，确定所述预设点云对应的网格数据，以及所述网格数据与所述预设点云之间的位姿变换信息；所述根据所述预设点云和所述第一点云的相对关系，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息，包括：根据所述网格数据与所述预设点云之间的位姿变换信息，以及所述预设点云与所述第一点云之间的位姿变换信息，确定所述网格数据与所述第一点云之间的位姿变换信息；根据相机阵列的内参数和外参数、所述网格数据与所述第一点云之间的位姿变换信息，确定所述网格数据与每帧第一图像之间的位姿变换信息；根据所述网格数据与每帧第一图像之间的位姿变换信息，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息。
11.在一种可能的实现方式中，所述对所述多帧第二图像进行三维重建，得到所述预设点云，以及对所述多帧第一图像进行三维重建，得到第一点云之后，所述方法还包括：对所述预设点云与所述第一点云进行对齐处理，确定所述预设点云与所述第一点云之间的相对关系。
12.在一种可能的实现方式中，所述对所述预设点云与所述第一点云进行对齐处理，确定所述预设点云与所述第一点云之间的相对关系，包括：在所述预设点云的人脸区域中，生成包含n个预设关键点的标注信息；在所述第一点云的人脸区域中，生成包含k个第二关键点的标注信息，k为不大于n的整数；对所述预设点云的n个关键点与所述第一点云的k个第二关键点进行对齐处理，确定预设点云与所述第一点云之间的相对关系。
13.在一种可能的实现方式中，所述目标对象包括人体的身体部位；所述人体的身体部位包括人脸的情况下，所述预设关键点包括人脸器官的关键点；所述人体的身体部位包括肢体的情况下，所述预设关键点包括肢体关键点。
14.根据本公开的一方面，提供了一种位姿检测装置，包括：获取模块，用于获取待处理的至少一帧第一图像，所述第一图像包括图像采集设备采集的目标对象背面的二维图像；确定模块，用于根据所述至少一帧第一图像，以及预设点云，确定所述第一图像中目标对象的位姿信息，其中，所述预设点云为目标对象正面的三维点云。
15.根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
16.根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。
17.在本公开实施例中，能够获取待处理的至少一帧第一图像，该第一图像包括图像采集设备采集的目标对象背面的二维图像，根据至少一帧第一图像，以及预设的目标对象正面的三维点云，确定所述第一图像中目标对象的位姿信息，通过这种方式，不仅能准确实现背对相机拍摄的单帧图像的位姿，还能准确实现背对相机阵列设备拍摄的多帧图像的位姿，有效解决目标对象全方位的位姿检测，不管目标对象的面部朝向与拍摄方向的角度呈现什么角度，均能实现准确地位姿检测。
18.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
19.此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
20.图1示出根据本公开实施例的位姿检测方法的流程图。
21.图2示出根据本公开实施例的预设关键点和第一关键点的示意图。
22.图3示出根据本公开实施例的投影效果的示意图。
23.图4示出根据本公开实施例的标定板的示意图。
24.图5示出根据本公开实施例的预设点云获取方式的示意图。
25.图6示出根据本公开实施例的第一点云获取方式的示意图。
26.图7示出根据本公开实施例的网格数据和第一点云对齐的示意图。
27.图8示出根据本公开实施例的投影效果的示意图。
28.图9示出根据本公开实施例的位姿检测装置的框图。
29.图10示出根据本公开实施例的一种电子设备800的框图。
30.图11示出根据本公开实施例的一种电子设备1900的框图。
具体实施方式
31.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
32.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
33.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
34.另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于
本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
35.对目标对象进行位姿检测可广泛应用于各种场景中，其中，目标对象可以包括人体的身体部位等，正面拥有明确语义部位(例如眼角、嘴角、鼻尖等)而背面缺少明确语义部位的对象。应当理解，本公开实施例的目标对象不限于人体的身体部位(例如人头、肢体等)，任何正面拥有明确语义部位并且背面缺少明确语义部位的物体，可作为目标对象。为了便于说明，后续各公开实施例均以目标对象为人头为例进行说明，目标对象为其他对象的情况可以根据后续各公开实施例进行灵活扩展，本公开对此不作限制。
36.以人头的位姿检测为例，对于人脸/人头360度重建任务的场景，为了提高人脸/人头360度重建的准确度，需要对360度范围内任意角度的人头图像进行位姿检测，确定人脸/人头相对于正面和背面图片的位姿，以便提供该360度重建任务需要的训练数据。或者，在一些需要以人头朝向作为重要判定依据的场景，也需要对人头图像中的人头进行位姿检测，比如，在安全驾驶的检测场景中，如果车载摄像头设置于驾驶位后方，需要基于采集的驾驶员的后脑勺图像判定驾驶员是否在左顾右盼等。或者，在基于人脸位姿进行增强现实(augmented reality，ar)交互的应用场景，需要对拍摄的人脸图像进行位姿检测，比如，对于应用人脸贴纸特效的场景，用户想加入发卡等装饰品特效时，需要准确定位任意角度的人头，减少在人头背对拍摄镜头时出现贴纸特效丢失的情况。其中，基于人脸位姿进行增强现实ar交互的应用场景，除了人脸贴纸特效，还可以包括虚拟妆容处理、人脸转换动物脸特效等，不公开对此不作限制。
37.对待处理图像中的目标对象进行位姿检测，可估计目标对象相对于某个参考基准的朝向或姿态，其中，参考基准可以是预设的目标对象的三维模型，在实际使用中，可以基于实际需求选取目标对象位姿的参考基准。
38.然而，相关技术中，对待处理图像中的目标对象进行位姿检测，主要集中于目标对象正面面对相机，左右旋转90度之内的位姿检测，即目标对象的面部朝向与拍摄方向(面部与图像采集设备之间的方向)的角度在0～90度，以及270度～360度之间。例如，在对待处理图像中的目标对象进行位姿检测时，可以首先筛选出目标对象的面部朝向与拍摄方向的角度在0～90度，以及270度～360度之间的各角度图像，由于筛选出的目标对象的图像具有明确语义部位(例如眼角、嘴角、鼻尖等)，可以分别从筛选出的目标对象的图像中提取出关键点，基于关键点拟合得到目标对象的三维模型，然后可以以该三维模型作为参考基准，确定图像中的目标对象相对于该三维模型的位姿。
39.其中，三维模型可以是一个标准化的模型，例如三维密集点云，该标准化的模型可以具有拓扑结构，即模型中各点的连接关系是确定的，且模型中各点与目标对象的各个部位也是绑定的。
40.上述位姿检测方法需要提取图像中目标对象的关键点，基于关键点拟合目标对象的三维模型，进而才能确定图像中的目标对象相对于三维模型的位姿。
41.如果目标对象的面部朝向与拍摄方向的角度在0～90度，以及270度～360度之间，拍摄到的是旋转角度较小的目标对象(例如，正脸图像)，图像中的目标对象具有明确语义部位(例如眼角、嘴角、鼻尖等)，关键点较多的情况，可以准确拟合三维模型并估计目标对象相对于三维模型的位姿。
42.但是，如果目标对象的面部朝向与拍摄方向的角度在90度～270度之间，拍摄到的
是旋转角度较大的目标对象(例如，后脑勺图像)，图像中的目标对象区域仅包括很少的明确语义部位(例如眼角、嘴角、鼻尖等)，甚至有些目标对象图像完全没有包括明确语义部位，可提取到的关键点数量很少甚至没有，在此情况下，会无法准确拟合得到三维模型，导致得到的目标对象相对于三维模型的位姿检测结果误差很大。可见，相关技术不能有效解决目标对象在任意拍摄角度下的准确位姿检测，尤其不能有效解决在目标对象的背面处于拍摄角度下的准确位姿检测。
43.应当理解，0～90度，90度～270度，270度～360度仅作为一个参考范围，本公开的实施例并不限于以上给出的数值范围。
44.有鉴于此，本公开提供了一种位姿检测技术方案，能够获取待处理的至少一帧第一图像，该第一图像包括图像采集设备采集的目标对象背面的二维图像，根据至少一帧第一图像，以及预设的目标对象正面的三维点云，确定所述第一图像中目标对象的位姿信息，通过这种方式，不仅能准确实现背对相机拍摄的单帧图像的位姿，还能准确实现背对相机阵列设备拍摄的多帧图像的位姿，有效解决目标对象全方位的位姿检测，不管目标对象的面部朝向与拍摄方向的角度呈现什么角度，均能实现准确地位姿检测。
45.图1示出根据本公开实施例的位姿检测方法的流程图，该位姿检测方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(user equipment，ue)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(personal digital assistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行所述方法。
46.下面以电子设备作为执行主体为例对本公开实施例的位姿检测方法进行说明。
47.如图1所示，所述位姿检测方法包括：
48.在步骤s1中，获取待处理的至少一帧第一图像，所述第一图像包括图像采集设备采集的目标对象背面的二维图像；
49.在一种可能的实现方式中，目标对象，可以包括正面(例如包括面部)拥有明确语义部位(例如包括眼角、嘴角、鼻尖等)，而背面(例如包括后脑勺)缺少明确语义部位的对象。应当理解，本公开实施例的目标对象不限于头部，任何正面拥有明确语义部位并且背面缺少明确语义部位的物体，可作为目标对象。后续各公开实施例均以目标对象为人头为例进行说明，目标对象为其他对象的情况可以根据后续各公开实施例进行灵活扩展，本公开对此不作限制。
50.在一种可能的实现方式中，待处理的第一图像可以是预先获取的包括目标对象的图像，或者是利用图像采集设备对目标对象进行拍摄时获取的图像。例如，在电子设备为手机、电脑等终端设备的场景下，可以由终端设备连接的图像采集设备采集包括目标对象的第一图像，或者从终端设备的相册中选择包括了目标对象的第一图像、或者从终端设备中安装的其他应用程序中接收包括目标对象的第一图像。
51.在一种可能的实现方式中，图像采集设备，可以是单相机，也可以是由处于不同空间位置的多相机构成的相机阵列。
52.基于不同的图像采集设备，一次拍摄可以获取一帧或多帧第一图像。如果图像采集设备为单相机，在单相机与目标对象的相对位置和角度无变化的情况下，可获取一帧待处理的第一图像，该第一图像为对应这一拍摄角度下目标对象的二维图像。
53.或者，如果图像采集设备为相机阵列，例如针对由处于不同空间位置的m个(m为大于1的整数)相机构成的相机阵列，在相机阵列与目标对象的相对位置和角度无变化的情况下，可获取m帧待处理的第一图像，每帧第一图像分别对应各自相机的拍摄角度下的目标对象的二维图像。
54.其中，本公开实施例的图像采集设备除了可以是相机，也可以是摄像头、摄像机、扫描仪、手机、平板电脑等带有拍照功能的设备，本公开对此不作限制。
55.在一种可能的实现方式中，通过调整图像采集设备的角度或位置，图像采集设备可以采集目标对象在各角度下的图像。例如，在目标对象正对图像采集设备的情况下，也即目标对象的面部朝向与拍摄方向的角度在0～90度，以及270度～360度之间，可采集关于目标对象正面的待处理的至少一帧第一图像；或者，在目标对象背对图像采集设备的情况下，也即目标对象的面部朝向与拍摄方向的角度在90度～270度之间，可采集关于目标对象背面的待处理的至少一帧第一图像。
56.应当理解，对比相关技术中仅针对目标对象的正面图像进行准确的位姿检测，本公开实施例的位姿检测方法，不仅可以应用于目标对象正面的图像，还可以应用于目标对象背面的图像，对目标对象背面的二维图像进行位姿检测。在此情况下，本公开实施例侧重介绍在第一图像为目标对象背面的二维图像的情况下，对获取的待处理的至少一帧第一图像中目标对象进行位姿检测的方法。
57.在步骤s2中，根据所述至少一帧第一图像，以及预设点云，确定所述第一图像中目标对象的位姿信息。
58.其中，所述预设点云为目标对象正面的三维点云，所述位姿信息包括以下信息中的至少一种：缩放信息、旋转信息和平移信息。所述缩放信息可表示第一图像中目标对象与三维点云之间放大或缩小比例，所述旋转信息可表示第一图像中目标对象与三维点云之间的旋转角度，所述平移信息可表示第一图像中目标对象与三维点云之间的移动的方向和距离。
59.应当理解，由于第一图像中的目标对象为二维数据，三维点云为三维数据，为了确定第一图像中目标对象的缩放信息、旋转信息和/或平移信息，可计算第一图像中目标对象与三维点云的二维投影之间的缩放信息、旋转信息和/或平移信息，本公开对具体二维数据与三维数据之间确定缩放信息、旋转信息和/或平移信息的具体方式不作限制。
60.在确定了第一图像中目标对象的位姿信息，可以将确定的目标对象的位姿信息应用在影视，游戏，虚拟社交等基于增强现实ar的互娱场景中，目标对象的位姿信息有利于判断现实中目标对象与虚拟信息(例如包括虚拟场景、虚拟物体等)的相对位置，实现目标对象与虚拟信息间的结合或交互，例如，在ar切水果游戏中，利用目标对象的位姿信息，可以实现多个虚拟水果以不同角度飞向目标对象。又例如，在ar换装应用中，可利用目标对象的位姿信息调整虚拟衣物的显示角度和位置，提高换装效果。在例如，在ar特效生成应用中，目标对象的位姿信息有利于虚拟特效和目标对象的结合，比如虚拟妆容处理、人脸转换动物脸特效、人脸贴纸特效等。本公开对目标对象的位姿信息的应用场景不作限制。
61.在一种可能的实现方式中，预设点云为用于描述目标对象正面的三维点云，例如包括在世界坐标系(world coordinate system)下构建的目标对象正面的三维点云，该预设点云可用于作为目标对象位姿评估参考基准。
62.其中，可以从电子设备内存中读取预先储存的预设点云，也可以对目标对象的多帧正面的二维图像进行三维重建，进而得到目标对象的预设点云，还可以对目标对象进行测绘得到预设点云，本公开对确定预设点云的获取方式不做限制。
63.在一种可能的实现方式中，可分析至少一帧第一图像中目标对象的图像坐标点与目标对象正面的三维点云(预设点云)的对应关系，确定至少一帧第一图像中目标对象的位姿信息，该位姿信息可包括第一图像中目标对象相对于预设点云的缩放信息、旋转信息和平移信息中的至少一种。
64.由于该第一图像中的目标对象处于二维空间，预设点云处于三维空间，为了便于分析第一图像中目标对象的图像坐标点与预设点云的对应关系，可以利用投影方式，将三维的预设点云投影至二维的图像空间，分析第一图像与投影后的预设点云的对应关系，进而确定至少一帧第一图像中目标对象的位姿信息；或者，还可以根据至少一帧第一图像，对至少一帧第一图像进行三维重建，以便重构目标对象的三维点云(即第一点云)，再分析重构后的第一点云与预设点云的对应关系，进而确定至少一帧第一图像中目标对象的位姿信息。
65.其中，为了提高位姿评估的效率，可在预设点云拥有明确语义部位处标注多个预设关键点，在至少一帧第一图像上或基于至少一帧第一图像重构的第一点云上标注与预设关键点具有相同点序的关键点。然后，可分析预设点云的关键点，与至少一帧第一图像上或基于至少一帧第一图像重构的第一点云上关键点的对应关系，进而确定至少一帧第一图像中目标对象的位姿信息。
66.例如，对于背对单相机采集的单帧第一图像，可通过分析预设点云的预设关键点与单帧第一图像的第一关键点的对应关系，对预设点云的预设关键点的第一投影点与单帧第一图像的第一关键点进行拟合处理，得到单帧第一图像中目标对象的位姿信息，所述位姿信息包括以下信息中的至少一种：缩放信息、旋转信息和平移信息。所述缩放信息可表示单帧第一图像中目标对象与预设点云的投影之间放大或缩小比例，所述旋转信息可表示单帧第一图像中目标对象与预设点云的投影之间的旋转角度，所述平移信息可表示单帧第一图像中目标对象与预设点云的投影之间的移动的方向和距离。
67.或者，对于背对相机阵列采集的多帧第一图像，可通过三维点云重建技术构建背面目标对象对应的第一点云，可在第一点云上标注第二关键点，可将预设关键点与第二关键点对齐，也即将预设点云与第一点云对齐，以获取预设点云与第一点云之间的位姿变换信息，进而可根据该位姿变换信息，确定多帧第一图像中目标对象的位姿信息。所述位姿信息包括以下信息中的至少一种：缩放信息、旋转信息和平移信息。所述缩放信息可表示每帧第一图像中目标对象与预设点云的投影之间放大或缩小比例，所述旋转信息可表示每帧第一图像中目标对象与预设点云的投影之间的旋转角度，所述平移信息可表示每帧第一图像中目标对象与预设点云的投影之间的移动的方向和距离。
68.通过步骤s1～s2，针对一些无法准确提供明确语义部位的目标对象背面图像，也可以准确地确定出图像中目标对象相对于目标对象的三维模型(预设点云)，不仅能准确实现背对相机拍摄的单帧图像的位姿，还能准确实现背对相机阵列设备拍摄的多帧图像的位姿，有效解决目标对象全方位的位姿检测，不管目标对象的面部朝向与拍摄方向的角度呈现什么角度，均能实现准确地位姿检测。
69.下面以人头作为目标对象为例，针对背对相机(非相机阵列)拍摄的单帧背面人头图像的场景，以及多相机阵列拍摄的多帧背面人头图像的场景，分别对本公开实施例的位姿检测方法进行示例性的说明。
70.在一种可能的实现方式中，在步骤s1中，在图像采集设备为单相机的情况下，可获取待处理的至少一帧第一图像，所述至少一帧第一图像包括所述单相机拍摄的单帧第一图像。
71.其中，单帧第一图像可以是在自然(in the wild)场景下，人头背对单相机时拍摄的二维图像，示例性的，该单帧第一图像可以是人脸朝向与拍摄方向的角度在90度～270度之间任一角度的图像。应当理解，90度～270度仅作为一个参考范围，本公开的实施例并不限于以上给出的数值范围。
72.其中，自然场景即在现实世界(例如工作、学习、生活)中的真实场景，例如可包括在公园、办公室、学校、商场等环境下拍摄的单帧第一图像，自然场景下拍摄的单帧第一图像的背景可以是多种多样的。
73.在步骤s1获取到单相机拍摄的单帧第一图像，可在步骤s2中，根据单帧第一图像的第一关键点，以及预设点云的预设关键点，确定第一图像中人头的位姿信息，步骤s2可包括：
74.在步骤sa1中，在单帧第一图像的目标对象区域，生成包含n个第一关键点的标注信息，所述标注信息可包括所述第一关键点的位置信息；
75.在步骤sa2中，将所述预设点云投影至所述单帧第一图像，确定n个第一关键点对应的n个第一投影点；
76.在步骤sa3中，对所述n个第一投影点与所述n个预设关键点进行拟合处理，得到所述单帧第一图像中目标对象的位姿信息。示例性的，图2示出根据本公开实施例的预设关键点和第一关键点的示意图。如图2所示，左图中的人头三维模型为预设点云(即人头正面的三维点云)，该预设点云包括可包括n个预设关键点，例如，在预设关键点数量为10个(n＝10)的情况下，预设关键点包括人脸器官的关键点，所述关键点包括：左/右外侧眼角点，左/右内侧眼角点，鼻尖点，左/右嘴角点，下巴中心点，左/右侧耳根点，其中，图2左图中数字标号顺序代表预设关键点的点序。
77.应当理解，上述仅以人头为示例，目标对象可包括人体的身体部位，所述人体的身体部位包括人脸的情况下，所述预设关键点包括人脸器官的关键点；所述人体的身体部位包括肢体的情况下，所述预设关键点包括肢体关键点，本公开对预设关键点不作具体限制。
78.如图2所示，右侧的人头背面图像为步骤s1中获取的单相机拍摄的单帧第一图像，可在步骤sa1中，可根据n个预设关键点，可在单帧第一图像的人头区域，生成包含n个第一关键点的标注信息，比如，可在单帧第一图像的人头区域根据接收到的用户操作信息来标注n个第一关键点，生成包含n个第一关键点的标注信息；也可以利用预设的神经网络模型，将单帧第一图像输入该神经网络模型，生成包含n个第一关键点的标注信息，其中，预设的神经网络模型也即神经网络经过大量的样本训练(学习)后，得到的能够基于单帧第一图像的人头区域进行标注第一关键点的神经网络模型。本公开对标注信息的生成方法不作限制。
79.其中，n个第一关键点在人头背面(后脑勺)的标注位置，可对应于n个预设关键点
的标注位置，并且与n个预设关键点具有相同的点序。例如，在第一关键点数量为10个(n＝10)的情况下，第一关键点可分别对应左/右外侧眼角点，左/右内侧眼角点，鼻尖点，左/右嘴角点，下巴中心点，左/右侧耳根点，图2右图中数字标号顺序代表第一关键点的点序。
80.应当理解，由于人头背面图像也可以看到耳朵部分，为了预估脸的大小，提高位姿检测的准确性，在选取待标注的第一关键点和预设关键点时，可至少包括左/右侧耳根点。其中，第一关键点与预设关键点的数量n的取值越大，本公开实施例的位姿检测方法的计算量越大，相应的位姿检测也会越准确。本公开对第一关键点的标注数量n的具体取值，以及标注的位置不作限制。
81.在确定了单帧第一图像中标注的n个第一关键点，以及预设点云的n个预设关键点，可在步骤sa2～sa3中，将如图2左图所示的三维预设点云投影至如图2右图所示的二维单帧第一图像，使预设点云上n个预设关键点的第一投影点与单帧第一图像中n个第一关键点相拟合，得到所述单帧第一图像对应目标对象的位姿信息。
82.例如，假设p3d代表预设点云中的n个预设关键点，即：(x1，y1，z1)～(xn，yn，zn)，p2d代表单帧第一图像中的n个第一关键点，即：(x1′
，y1′
)～(xn′
，yn′
)。
83.基于三维空间的n个预设关键点(x1，y1，z1)～(xn，yn，zn)和n个二维平面的第一关键点(x1′
，y1′
)～(xn′
，yn′
)，可以基于投影构建等式，使预设点云上n个预设关键点p3d的第一投影点与单帧第一图像中n个第一关键点p2d相拟合，即：
84.p2d＝project(scale*rotation*p3d translation)
ꢀꢀꢀꢀꢀ
(1)
85.在公式(1)中，proiect代表投影函数，可用于对目标对象进行降维处理，能够将三维空间的目标对象投影至二维平面，具体的投影方式可包括正交投影、透视投影等方式，本公开对投影方式的种类不做限制。
86.在公式(1)中，为了使预设点云上n个预设关键点p3d的第一投影点与单帧第一图像中n个第一关键点p2d相拟合，也即使投影后的n个预设关键点p3d与n个第一关键点p2d相重合或无限接近，在投影过程中，可以对预设点云的n个关键点p3d进行位姿变换，例如可包括缩放变换scale、旋转变换rotation和平移变换translation，并将使公式(1)中等式成立的位姿变换的取值，作为单帧第一图像中目标对象的位姿信息，该位姿信息可包括求解公式(1)得到的缩放信息scale、旋转信息rotation、以及平移信息translation。
87.示例性的，缩放变换scale可以是一个大于0的参数，旋转变换rotation可以是一个3*3的矩阵，平移变换可以是一个2*1的矩阵。具体实施中，有关旋转变换和平移变化的矩阵参数并不限制于上述示例说明。
88.其中，在将预设点云投影至所述单帧第一图像，确定n个第一关键点对应的n个第一投影点；可基于最小二乘法等拟合处理方法，使所述n个第一投影点与所述n个预设关键点相拟合，得到所述单帧第一图像中目标对象的位姿信息。
89.举例来说，可以将预设点云投影至所述单帧第一图像，确定n个第一关键点p3d：(x1，y1，z1)～(xn,yn，zn)所对应的n个第一投影点为：project(scale*rotation*p3d translation)，也即：(px1，py1)～(pxn，pyn)；
90.为了提高计算效率可利用线性优化的方法，例如最小二乘法(least sqaure method)，对公式(1)进行求解，得到单帧第一图像中目标对象的位姿信息，即：
[0091][0092]
在公式(2)，(xi′
，yi′
)代表第一关键点，(pxi,pyi)代表第一投影点，将使公式(2)取值最小的缩放信息scale、旋转信息rotation、以及平移信息translation，确定为单帧第一图像中目标对象的位姿信息。
[0093]
通过这种方式，假设以目标对象是人头为例，对于单张后脑勺图像，可在后脑勺生成包含n个第一关键点的标注信息，使n个第一关键点和正面人脸模型(预设点云)的n个第一投影点具有相同的点序，然后直接根据成对的这n组点的拟合处理(例如利用最小二乘法)，求解单帧第一图像的位姿信息，可以更简便更高效地得到单帧第一图像的位姿信息。
[0094]
可见，通过步骤sa1～sa3，针对背对相机拍摄的单帧第一图像，也可以准确地得到单帧第一图像中目标对象的位姿信息。
[0095]
应当理解，步骤sa1～sa3的方法也可以适用于目标对象的正面图像，例如，针对人脸正面图像，可以得到人脸正面图像的位姿信息，其中，第一关键点，可以通过交互的方式手动标注，也可以对人脸正面图像进行特征点检测(例如包括基于深度学习方法等)，得到第一关键点。
[0096]
图3示出根据本公开实施例的投影效果的示意图，图3以人头为目标对象，分别示出了两个不同拍摄角度下单帧第一图像的投影效果。如图3所示，三角形的10个点代表在单帧第一图像中标注的10个第一关键点，圆形的10个点代表三维的预设关键点(如图2左图10个点)投影到单帧第一图像的第一投影点。根据图3可知，单帧第一图像中标注的第一关键点与第一投影点可以重合或相逼近，说明本公开实施例的位姿检测方法，可以校准确的求解关于后脑勺图像的位姿信息。
[0097]
上文介绍了针对单相机拍摄的单帧背面人头图像的场景的位姿检测，下面针对实验场景下相机阵列拍摄的多帧背面人头图像的场景，对本公开实施例的位姿检测方法进行说明。
[0098]
其中，实验场景为人工布置的场景，可包括经过人工布置的实验室，使该场景下拍摄的图像的背景是人为设定的，例如背景是纯白色。
[0099]
在一种可能的实现方式中，在步骤s1中，在图像采集设备为相机阵列的情况下，可获取待处理的至少一帧第一图像，所述至少一帧第一图像可包括：多帧第一图像以及多帧第二图像，所述第二图像为目标对象正面的二维图像。
[0100]
在步骤s1确定了多帧第一图像以及多帧第二图像，可在步骤s2中根据多帧第一图像，以及由多帧第二图像三维重建的预设点云，确定每帧第一图像的目标对象的位姿信息，步骤s2可包括：
[0101]
在步骤sb2中，对所述多帧第二图像进行三维重建，得到所述预设点云，以及对所述多帧第一图像进行三维重建，得到第一点云；
[0102]
在步骤sb3中，根据所述预设点云和所述第一点云的相对关系，确定多帧第一图像中每帧第一图像中目标对象的位姿信息。
[0103]
举例来说，相机阵列(camera arrays)可利用不同空间位置的多个相机来采集不同视角的图像。当每个相机之间的距离都比较大时，整个相机阵列可以看成是一个多中心投影相机(multiple-center-of-projection camera)，可以得到目标对象的多视角信息。
[0104]
例如，假设相机阵列包括了m个相机，对目标对象的一次拍摄可以采集m帧不同视角的图像，本公开对相机阵列包括的相机数量m不做限制。
[0105]
应当理解，在步骤s1中，可以使用相同的相机阵列拍摄多帧第一图像以及多帧第二图像，也可以使用不同的相机阵列分别拍摄多帧第一图像和多帧第二图像，获取的第一图像的帧数与获取的第二图像的帧数可以相同，也可以不同，本公开对第一图像帧数、以及第二图像帧数的数量不作限制。为了便于下文的说明，可以使用一个包括了m个(例如30)相机阵列获取m帧第一图像和m帧第二图像。
[0106]
在一种可能的实现方式中，在图像采集设备为相机阵列的情况下，通过相机阵列获取m帧第一图像以及m帧第二图像之前(即在步骤s1之前)，可以在步骤sb1中，根据所述相机阵列采集的棋盘格图像，标定相机阵列的内参数和外参数，所述内参数包括焦距和/或像素大小，所述外参数包括相机位置和/或相机旋转角度。
[0107]
其中，所述棋盘格图像表示具有棋盘格图案的图像，棋盘格图案也即由两种颜色(例如黑白)相间的方格构成的图像。例如，棋盘格图像可以由2行
×
3列方格构成，第1行第1列、第1行第3列和第2行第2列为黑色方格，第1行第2列、第2行第1列和第2行第3列为白色方格，本公开对棋盘格的行数、列数、颜色、以及每个方格的边长不做限制。
[0108]
对相机阵列进行标定，可确定三维空间中目标对象表面某点的三维几何位置与其在图像中对应点之间的相互关系，也即世界坐标到像素坐标的映射。对相机阵列的标定，可以对相机阵列包括的m个相机同时求解标定参数，获取相机阵列的标定参数trans_camera。
[0109]
标定参数trans_camera可包括内参数和外参数，外参数用于确定现实世界三维空间中目标对象表面某点的几何位置与其在摄像机坐标中对应点的相互关系，也即世界坐标到摄像机坐标的映射，可包括相机位置，相机旋转角度等；内参数用于确定摄像机坐标下目标对象表面某点是如何继续经过摄像机的镜头、并通过针孔成像和电子转化而成为图像中的像素点，也即摄像机坐标到图像坐标的映射，可包括与相机自身特性相关的参数，比如焦距、像素大小等。
[0110]
对相机阵列进行标定所采用的标定方法可包括：传统相机标定法、主动视觉相机标定方法、相机自标定法、零失真相机标定法等，本公开对标定方法不做限制。
[0111]
为了更便捷地对相机阵列进行高精度标定，本公开的实施例例如可以使用单平面棋盘格相机标定方法，该方法可以减少或克服传统相机标定法需要的高精度标定物的缺点，仅使用一个打印出来的棋盘格就可以实现相机的标定，同时单平面棋盘格相机标定方法相对于相机自标定法而言，可以提高精度，并且更便于操作。
[0112]
单平面棋盘格相机标定方法可基于单平面棋盘格进行相机标定，用于标定的棋盘格是三维场景(世界坐标)中的一个平面，对其拍摄的二维图像(图像坐标)是另一个平面，根据两个平面的对应点的坐标，可以求解相机的标定参数trans_camera。
[0113]
例如，假设相机阵列由相机1～相机m构成，相机1～相机m对应的标定参数为trans_camera[1]～trans_camera[m]，针对相机阵列中的任一相机i(i＝1～m)，其标定参数trans_camera[i]可包括由矩阵a构成的内参数，以及由矩阵[r t]构成的外参数，假设三维的世界坐标系下的齐次坐标二维的图像坐标系下的齐次坐标标定用的棋盘格平面到图像平面的单应性可以表示为：
[0114]
其中，
[0115]
在公式(3)中，s代表世界坐标系到图像坐标系的尺度因子，在内参数a表示的矩阵中，为α和β代表图像坐标系下每个像素在x轴方向和y轴方向上的物理尺寸，c代表图像物理坐标的畸变参数，u0和v0代表图像原点；在外参数[r t]中，r代表世界坐标系转换到相机坐标系的旋转变换，t代表世界坐标系转换到相机坐标系的平移变换。
[0116]
根据公式(3)，通过从不同角度拍摄的多张标定板图像，可以求解出相机的内参数和外参数。图4示出根据本公开实施例的标定板的示意图，如图4所示，可采用单平面棋盘格相机标定方法，使用棋盘格计算得到相机的标定参数trans_camera，其中，标定板可以是12
×
9的棋盘格，每个棋盘格的大小可以是边长10mm的正方形。应当理解，图4所示的棋盘格标定板仅做示例，本公开对标定板具有棋盘格的行数、列数、以及每个棋盘格的大小不做限制。
[0117]
因此，通过步骤sb1对相机阵列的标定，可以得到相机阵列的标定参数(内参数 外参数)，可用于确定相机阵列中每个相机的图像坐标系与世界坐标系的关系。
[0118]
在步骤sb1对相机阵列标定之后，可以在步骤s1使用该相机阵列对目标对象进行图像采集。假设该相机阵列包括了m个设置在不同角度的相机，可以在目标对象的正面(例如人脸)背对相机阵列的情况下，获取m帧第一图像，以及在目标对象的正面(例如人脸)朝向相机阵列的情况下，获取m帧第二图像。应当理解，此处仅以m帧第一图像和m帧第二图像作为示例，第一图像的帧数与第二图像的帧数也可以不同，本公开对此不作限制。
[0119]
在步骤sb2中，可以对m帧第二图像进行三维重建，得到预设点云，以及对所述m帧第一图像进行三维重建，得到第一点云。其中，预设点云为目标对象正面的三维点云，可以作为位姿检测的参考基准，第一点云为目标对象背面的三维点云。
[0120]
应当理解，针对相机阵列采集的多帧图像对目标对象进行三维重建的方法，可以包括：基于传统方法比如双目视觉的重建方法、基于模型比如三维形变模型(3d morphable model)的重建方法、基于卷积神经网络的重建方法、基于三维建模软件的重建方法等，本公开的实施例对具体的三维重建方法不做限制。
[0121]
在一种可能的实现方式中，步骤sb2可包括：根据所述内参数和所述外参数，对所述多帧第二图像进行三维重建，得到所述预设点云，以及根据所述内参数和所述外参数，对所述多帧第一图像进行三维重建，得到所述第一点云。
[0122]
例如，可以利用预设的三维重建网络，将所述内参数和所述外参数、所述m帧第二图像输输入该三维重建网络，生成预设点云，以及，将所述内参数和所述外参数、所述m帧第一图像输入该三维重建网络，生成预设点云。
[0123]
其中，预设的三维重建网络也即训练好的神经网络，该三维重建网络经过大量的样本训练(学习)后，能够基于输入的内参数、外参数、多帧图像生成三维点云，本公开对三维重建网络的网络结构和网络训练方法不作限制。
[0124]
或者，将所述内参数和所述外参数、所述m帧第二图像输入三维建模软件，得到所述预设点云，以及将所述内参数和所述外参数、所述m帧第一图像输入三维建模软件，得到所述第一点云。其中，三维建模软件可以通过相关技术实现，本公开对三维建模软件不做限制。
[0125]
图5示出根据本公开实施例的预设点云获取方式的示意图，如图5所示，可以将步骤sb1得到的相机阵列的标定参数(内参数 外参数)，以及步骤sb1得到的m帧(例如m＝30)第二图像输入三维建模软件，得到如图5右侧所示的人头正面三维密集点云，即预设点云whole_scan。
[0126]
相应的，图6示出根据本公开实施例的第一点云获取方式的示意图。如图6所示，可以将步骤sb1得到的相机阵列的标定参数(内参数 外参数)，以及步骤sb1得到的m帧(例如m＝30)第一图像输入三维建模软件，得到如图6右侧所示的背面三维密集点云，即第一点云part_scan。
[0127]
其中，由于图6左侧的30帧第一图像是背面和侧面的人头图像，再加上头发的干扰，重建的第一点云part_scan容易出现残缺。
[0128]
在步骤sb2得到预设点云whole_scan和第一点云part_scan，可在步骤sb3中，根据预设点云whole_scan和第一点云part_scan的相对关系，确定每帧第一图像中目标对象的位姿信息。
[0129]
示例性的，所述预设点云和所述第一点云的相对关系包括所述预设点云与所述第一点云之间的位姿变换信息。
[0130]
举例来说，可对所述预设点云whole_scan与所述第一点云part_scan进行对齐处理，确定所述预设点云与所述第一点云之间的相对关系。
[0131]
举例来说，可根据标注的预设关键点确定预设点云whole_scan的初始位姿，可根据第二关键点确定第一点云part_scan的初始位姿。
[0132]
可基于预设点云whole_scan的初始位姿和第一点云part_scan的初始位姿对预设点云whole_scan与所述第一点云part_scan进行对齐处理，例如，可以在保持预设点云whole_scan的初始位姿不变的情况下，改变(例如旋转、缩放、平移中的至少一种)第一点云part_scan的位姿，使预设点云whole_scan与第一点云part_scan对齐；或者，也可以在保持第一点云part_scan的初始位姿不变的情况下，改变预设点云whole_scan的位姿，使预设点云whole_scan的位姿与第一点云part_scan的初始位姿对齐；或者，还可以同时改变预设点云whole_scan的初始位姿和第一点云part_scan的初始位姿，以使两者对齐。本公开对此不作限制。
[0133]
可对预设点云whole_scan与所述第一点云part_scan进行对齐处理，可使用迭达最近点(iteration closest points，icp)方法，确定预设点云whole_scan与第一点云part_scan的位姿变换信息trans_scan。
[0134]
例如，假设预设点云whole_scan的位姿变换信息trans_scan(例如包括缩放变换信息scale_2、旋转变换信息rotation_2、以及平移变换信息translation_2中的至少一种)，可表示为：trans_scan＝scale_2*rotation_2*whole_scan translation_2。
[0135]
在预设点云whole_scan的位姿变换信息trans_scan与第一点云part_scan两者的差值最小(预设点云whole_scan的位姿变换信息trans_scan无限逼近第一点云part_scan，也即预设点云whole_scan与第一点云part_scan对齐，如图7中间位置处的图所示)情况下，记录预设点云whole_scan与第一点云part_scan的位姿变换信息trans_scan。
[0136]
通过这样方式，有利于准确地获取所述预设点云与所述第一点云之间的相对关系。
[0137]
在确定了预设点云whole_scan与第一点云part_scan之间的相对关系，可在步骤sb3中，根据预设点云whole_scan和第一点云part_scan的相对关系，确定每帧第一图像中目标对象的位姿信息。
[0138]
在一种可能的实现方式中，步骤sb3，可包括：
[0139]
在步骤sb31’中，根据相机阵列的内参数和外参数、确定所述预设点云与所述第一点云之间的位姿变换信息，确定所述预设点云与每帧第一图像之间的位姿变换信息；
[0140]
在步骤sb32’中，根据所述预设点云与每帧第一图像之间的位姿变换信息，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息。
[0141]
举例来说，在步骤sb31’中，根据步骤sb1获取的相机阵列的标定参数trans_camera，包括相机阵列的内参数和外参数、以及预设点云whole_scan与第一点云part_scan的位姿变换信息trans_scan，可确定预设点云whole_scan相对于m帧第一图像的位姿变换信息。
[0142]
在步骤sb32’中，可分别根据预设点云whole_scan相对于m帧第一图像的位姿变换信息，将预设点云whole_scan分别投影至各第一图像，确定每帧第一图像对应目标对象的位姿信息，该位姿信息可包括缩放信息，旋转信息和平移信息中的至少一种。
[0143]
通过这种方式，可确定多帧第一图像中每帧第一图像中目标对象的位姿信息，该方法简单便捷。
[0144]
然而在上述过程中，预设点云whole_scan是杂乱点序(没有规则拓扑)，且拥有噪声，直接根据预设点云whole_scan确定多帧第一图像中每帧第一图像中目标对象的位姿信息，容易降低位姿检测的准确性。
[0145]
为了进一步提高位姿检测的准确性，可以将预设点云whole_scan统一为具有规则拓扑的网格数据(mesh数据)，以提高位姿检测的准确性。下面介绍基于网格数据(mesh数据)，确定多帧第一图像中每帧第一图像中目标对象的位姿信息。
[0146]
在一种可能的实现方式中，对所述预设点云进行点云注册处理，确定所述预设点云对应的网格数据，以及所述网格数据与所述预设点云之间的位姿变换信息。
[0147]
可基于点云注册方法，例如非刚性最近点迭达法(nonrigid iteration closest points)，点云注册方法用于将没有规则拓扑的预设点云whole_scan(如图5右图)统一为具有规则拓扑的网格数据mesh(如图2左图所示的光滑平面表示)。例如，可对初始状态的网格数据mesh和预设点云whole_scan进行非刚性配准，找到初始状态的网格数据mesh和预设点云whole_scan之间的映射，将初始状态的网格数据mesh进行变形以拟合预设点云whole_scan，同时保持网格数据mesh自身的拓扑结构。
[0148]
在得到了网格数据mesh，可以求解预设点云whole_scan与网格数据mesh的位姿变换信息trans_mesh。
[0149]
例如，假设网格数据mesh的位姿变换信息trans_mesh(例如包括缩放变换信息scale_1、旋转变换信息rotation_1、以及平移变换信息translation_1)，可表示为：trans_mesh＝scale_1*rotation_1*mesh translation_1。
[0150]
在网络数据mesh的位姿变换信息trans_mesh与预设点云whole_scan两者的差值最小(网络数据mesh的位姿变换信息trans_mesh无限逼近预设点云whole_scan，也即预设点云whole_scan与网格数据mesh对齐，如图7左图所示)的情况下，记录网格数据mesh与预
设点云whole_scan的位姿变换信息trans_mesh。
[0151]
在确定了网格数据与预设点云的位姿变换信息的过程中，还可以同步获取所述预设点云和所述第一点云的相对关系，所述相对关系包括所述预设点云与所述第一点云之间的位姿变换信息。具体预设点云和第一点云相对关系的确定方式可参考上文，此处不再赘叙。
[0152]
在获取到网格数据与预设点云的位姿变换信息，以及所述预设点云与所述第一点云之间的相对关系，可在步骤sb3确定每帧第一图像中目标对象的位姿信息。
[0153]
在一种可能的实现方式中，步骤sb3，可包括：
[0154]
在步骤sb31中，根据所述网格数据与所述预设点云之间的位姿变换信息，所述预设点云与所述第一点云之间的位姿变换信息，得到所述网格数据与所述第一点云之间的位姿变换信息；
[0155]
在步骤sb32中，根据相机阵列的内参数和外参数、所述网格数据与所述第一点云之间的位姿变换信息，确定所述网格数据与每帧第一图像之间的位姿变换信息；
[0156]
在步骤sb33中，根据所述网格数据与每帧第一图像之间的位姿变换信息，确定多帧第一图像中每帧第一图像中目标对象的位姿信息。
[0157]
举例来说，图7示出根据本公开实施例的网格数据和第一点云对齐的示意图。步骤sb31～sb33介绍了网格数据和第一点云对齐的方法，具体如下：
[0158]
在步骤sb31中，根据步骤网格数据mesh与预设点云whole_scan的位姿变换信息trans_mesh，以及预设点云whole_scan与第一点云part_scan的位姿变换信息trans_scan，得到网格数据mesh到第一点云part_scan的位姿变换信息trans_part；
[0159]
例如，网格数据mesh与第一点云part_scan的位姿变换信息trans_part为：scale_2*rotation_2*(scale_1*rotation_1*mesh translation_1) translation_2，可以使网格数据mesh与第一点云part_scan对齐，如图7右图所示。
[0160]
在步骤sb32中，根据步骤sb1获取的相机阵列的标定参数trans_camera，包括相机阵列的内参数和外参数、以及网格数据mesh与第一点云part_scan的位姿变换信息trans_part，可确定网格数据mesh相对于m帧第一图像的位姿变换信息trans_end；
[0161]
在步骤sb33中，可分别根据所述网格数据mesh相对于m帧第一图像的位姿变换信息trans_end，将网格数据mesh分别投影至各第一图像，确定每帧第一图像对应目标对象的位姿信息，该位姿信息可包括缩放信息，旋转信息和平移信息。图8示出根据本公开实施例的投影效果的示意图。如图8所示，网格数据mesh可渲染到每帧人头背面图像，根据本公开实施例可以准确地得到人头背面图像的位姿信息。
[0162]
应当理解，在上述过程中，由于在预设点云whole_scan和第一点云part_scan均包括了大量的点，直接分析这两个点云，需要进行大规模的计算，会消耗大量的计算资源。为了提高计算效率，可以在预设点云whole_scan和第一点云part_scan上分别标注关键点，可根据关键点的对齐方式，实现点云的对齐，进而基于关键点确定每帧第一图像中目标对象的位姿信息。
[0163]
在一种可能的实现方式中，所述对所述预设点云与所述第一点云进行对齐处理，确定所述预设点云与所述第一点云之间的相对关系，可包括：在所述预设点云的人脸区域中，生成包含n个预设关键点的标注信息；在所述第一点云的人脸区域中，生成包含k个第二
关键点的标注信息，k为不大于n的整数；对所述预设点云的n个关键点与所述第一点云的k个第二关键点进行对齐处理，确定预设点云与所述第一点云之间的相对关系。
[0164]
举例来说，如图5右侧的人头正面的三维密集点云(即预设点云whole_scan)所示，可以在人脸区域标注n个预设关键点，图5示出了预设关键点为10个的情况，可分别对应左/右外侧眼角点，左/右内侧眼角点，鼻尖点，左/右嘴角点，下巴中心点，左/右侧耳根点。
[0165]
如图6右侧人头的三维密集点云(即第一点云part_scan)所示，可以在人脸区域标注k个第二关键点，图6示出了预设关键点的情况，由于图6重建的第一点云part_scan，部分人脸区域是缺失的，可以忽略缺失区域的关键点(例如可以忽略右外侧眼角点，右眼内侧眼角点，右嘴角点，右侧耳根点这4个关键点)，在非缺失区域标注6个(k＝6)第二关键点，可分别对应左眼外侧眼角点，左眼内侧眼角点，鼻尖点，左嘴角点，下巴中心点，左侧耳根点。
[0166]
其中，在人脸区域获取n个预设关键点和/或k个第二关键点，可以通过接收的用户标注操作进行标注，也可以对人脸进行特征点检测(例如包括基于深度学习方法等)，得到标注点，本公开对生成标注信息的方法不作限制。
[0167]
应当理解，图5和图6仅做示意，可在与预设关键点对应部位处生成第二关键点的标注信息，其对应部位处的关键点拥有相同的点序，本公开对预设关键点和第二关键点的数量，以及预设关键点和第二关键点的具体标注位置不做限制。
[0168]
在生成了关键点的标注信息之后，可以先从预设点云的n个预设关键点中，选择与k个第二关键对应的预设关键点，再根据选中的k个预设关键点和k个第二关键点进行对齐处理，确定预设点云与所述第一点云之间的相对关系。具体的对齐处理可参考上文对齐方式，此处不再赘叙。
[0169]
通过这种方式，可以提高计算效率，节约计算资源。
[0170]
通过步骤sb1～sb3，针对实验室环境下多相机阵列拍摄的多帧背面人头图像的场景，能够准确的确定各帧第一图像中目标对象的位姿信息。
[0171]
因此，根据本公开的实施例，针对一些无法准确提供明确语义部位的目标对象背面图像，也可以准确地确定出图像中目标对象相对于目标对象的三维模型(预设点云)，不仅能准确实现背对相机拍摄的单帧图像的位姿(步骤sa1～sa3)，还能准确实现背对相机阵列设备拍摄的多帧图像的位姿(步骤sb1～sb3)，有效解决目标对象全方位的位姿检测，不管目标对象的面部朝向与拍摄方向的角度呈现什么角度，均能实现准确地位姿检测。
[0172]
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
[0173]
此外，本公开还提供了位姿检测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种位姿检测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
[0174]
图9示出根据本公开实施例的位姿检测装置的框图，如图9所示，所述装置包括：
[0175]
获取模块91，用于获取待处理的至少一帧第一图像，所述第一图像包括图像采集设备采集的目标对象背面的二维图像；
[0176]
确定模块92，用于根据所述至少一帧第一图像，以及预设点云，确定所述第一图像
中目标对象的位姿信息，其中，所述预设点云为目标对象正面的三维点云。
[0177]
在一种可能的实现方式中，所述预设点云包括n个预设关键点，n为大于1的整数，在图像采集设备为单相机的情况下，所述至少一帧第一图像包括所述单相机拍摄的单帧第一图像；所述确定模块92用于：在所述单帧第一图像的目标对象区域，生成包含n个第一关键点的标注信息；将所述预设点云投影至所述单帧第一图像，确定n个第一关键点对应的n个第一投影点；对所述n个第一投影点与所述n个预设关键点进行拟合处理，得到所述单帧第一图像中目标对象的位姿信息。
[0178]
在一种可能的实现方式中，在图像采集设备为相机阵列的情况下，所述至少一帧第一图像包括：多帧第一图像以及多帧第二图像，所述第二图像为目标对象正面的二维图像；所述确定模块92用于：对所述多帧第二图像进行三维重建，得到所述预设点云，以及对所述多帧第一图像进行三维重建，得到第一点云；根据所述预设点云和所述第一点云的相对关系，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息。
[0179]
在一种可能的实现方式中，所述获取模块91，用于在图像采集设备为相机阵列的情况下，在所述获取待处理的至少一帧第一图像之前，根据所述相机阵列采集的棋盘格图像，标定相机阵列的内参数和外参数，所述内参数包括焦距和/或像素大小，所述外参数包括相机位置和/或相机旋转角度；所述确定模块92用于：根据所述内参数和所述外参数，对所述多帧第二图像进行三维重建，得到所述预设点云；以及，根据所述内参数和所述外参数，对所述多帧第一图像进行三维重建，得到所述第一点云。
[0180]
在一种可能的实现方式中，所述预设点云和所述第一点云的相对关系包括所述预设点云与所述第一点云之间的位姿变换信息，所述根据所述预设点云和所述第一点云的相对关系，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息，包括：根据相机阵列的内参数和外参数、确定所述预设点云与所述第一点云之间的位姿变换信息，确定所述预设点云与每帧第一图像之间的位姿变换信息；根据所述预设点云与每帧第一图像之间的位姿变换信息，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息。
[0181]
在一种可能的实现方式中，所述预设点云和所述第一点云的相对关系包括所述预设点云与所述第一点云之间的位姿变换信息，所述确定模块92还用于：对所述预设点云进行点云注册处理，确定所述预设点云对应的网格数据，以及所述网格数据与所述预设点云之间的位姿变换信息；所述根据所述预设点云和所述第一点云的相对关系，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息，包括：根据所述网格数据与所述预设点云之间的位姿变换信息，以及所述预设点云与所述第一点云之间的位姿变换信息，确定所述网格数据与所述第一点云之间的位姿变换信息；根据相机阵列的内参数和外参数、所述网格数据与所述第一点云之间的位姿变换信息，确定所述网格数据与每帧第一图像之间的位姿变换信息；根据所述网格数据与每帧第一图像之间的位姿变换信息，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息。
[0182]
在一种可能的实现方式中，所述确定模块92还用于：在所述对所述多帧第二图像进行三维重建，得到所述预设点云，以及对所述多帧第一图像进行三维重建，得到第一点云之后，对所述预设点云与所述第一点云进行对齐处理，确定所述预设点云与所述第一点云之间的相对关系。
[0183]
在一种可能的实现方式中，所述对所述预设点云与所述第一点云进行对齐处理，
确定所述预设点云与所述第一点云之间的相对关系，包括：在所述预设点云的人脸区域中，生成包含n个预设关键点的标注信息；在所述第一点云的人脸区域中，生成包含k个第二关键点的标注信息，k为不大于n的整数；对所述预设点云的n个关键点与所述第一点云的k个第二关键点进行对齐处理，确定预设点云与所述第一点云之间的相对关系。
[0184]
在一种可能的实现方式中，所述目标对象包括人体的身体部位；所述人体的身体部位包括人脸的情况下，所述预设关键点包括人脸器官的关键点；所述人体的身体部位包括肢体的情况下，所述预设关键点包括肢体关键点。
[0185]
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
[0186]
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
[0187]
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。
[0188]
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
[0189]
电子设备可以被提供为终端、服务器或其它形态的设备。
[0190]
图10示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
[0191]
参照图10，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
[0192]
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
[0193]
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
[0194]
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
[0195]
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。
在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0196]
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
[0197]
i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
[0198]
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(cmos)或电荷耦合装置(ccd)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0199]
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如无线网络(wi-fi)、第二代移动通信技术(2g)、第三代移动通信技术(3g)、第四代移动通信技术(4g)、通用移动通信技术的长期演进(lte)、第五代移动通信技术(5g)或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
[0200]
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0201]
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
[0202]
本公开涉及增强现实领域，通过获取现实环境中的目标对象的图像信息，进而借助各类视觉相关算法实现对目标对象的相关特征、状态及属性进行检测或识别处理，从而
得到与具体应用匹配的虚拟与现实相结合的ar效果。示例性的，目标对象可涉及与人体相关的脸部、肢体、手势、动作等，或者与物体相关的标识物、标志物，或者与场馆或场所相关的沙盘、展示区域或展示物品等。视觉相关算法可涉及视觉定位、slam、三维重建、图像注册、背景分割、对象的关键点提取及跟踪、对象的位姿或深度检测等。具体应用不仅可以涉及跟真实场景或物品相关的导览、导航、讲解、重建、虚拟效果叠加展示等交互场景，还可以涉及与人相关的特效处理，比如妆容美化、肢体美化、特效展示、虚拟模型展示等交互场景。可通过卷积神经网络，实现对目标对象的相关特征、状态及属性进行检测或识别处理。上述卷积神经网络是基于深度学习框架进行模型训练而得到的网络模型。
[0203]
图11示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图11，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
[0204]
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(i/o)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如微软服务器操作系统(windows server
tm
)，苹果公司推出的基于图形用户界面操作系统(mac os x
tm
)，多用户多进程的计算机操作系统(unix
tm
),自由和开放原代码的类unix操作系统(linux
tm
)，开放原代码的类unix操作系统(freebsd
tm
)或类似。
[0205]
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
[0206]
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
[0207]
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是(但不限于)电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
[0208]
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计
算机可读存储介质中。
[0209]
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c 等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
[0210]
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
[0211]
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
[0212]
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
[0213]
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0214]
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(software development kit，sdk)等等。
[0215]
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也
不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

技术特征：
1.一种位姿检测方法，其特征在于，包括：获取待处理的至少一帧第一图像，所述第一图像包括图像采集设备采集的目标对象背面的二维图像；根据所述至少一帧第一图像，以及预设点云，确定所述第一图像中目标对象的位姿信息，其中，所述预设点云为目标对象正面的三维点云。2.根据权利要求1所述的方法，其特征在于，所述预设点云包括n个预设关键点，n为大于1的整数，在图像采集设备为单相机的情况下，所述至少一帧第一图像包括所述单相机拍摄的单帧第一图像；所述根据所述至少一帧第一图像，以及预设点云，确定所述第一图像中目标对象的位姿信息，包括：在所述单帧第一图像的目标对象区域，生成包含n个第一关键点的标注信息；将所述预设点云投影至所述单帧第一图像，确定n个第一关键点对应的n个第一投影点；对所述n个第一投影点与所述n个预设关键点进行拟合处理，得到所述单帧第一图像中目标对象的位姿信息。3.根据权利要求1所述的方法，其特征在于，在图像采集设备为相机阵列的情况下，所述至少一帧第一图像包括：多帧第一图像以及多帧第二图像，所述第二图像为目标对象正面的二维图像；所述根据所述至少一帧第一图像，以及预设点云，确定所述第一图像中目标对象的位姿信息，包括：对所述多帧第二图像进行三维重建，得到所述预设点云，以及对所述多帧第一图像进行三维重建，得到第一点云；根据所述预设点云和所述第一点云的相对关系，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息。4.根据权利要求3所述的方法，其特征在于，在图像采集设备为相机阵列的情况下，在所述获取待处理的至少一帧第一图像之前，包括：根据所述相机阵列采集的棋盘格图像，标定相机阵列的内参数和外参数，所述内参数包括焦距和/或像素大小，所述外参数包括相机位置和/或相机旋转角度；所述对所述多帧第二图像进行三维重建，得到所述预设点云，包括：根据所述内参数和所述外参数，对所述多帧第二图像进行三维重建，得到所述预设点云；以及，所述对所述多帧第一图像进行三维重建，得到第一点云，包括：根据所述内参数和所述外参数，对所述多帧第一图像进行三维重建，得到所述第一点云。5.根据权利要求3或4所述的方法，其特征在于，所述预设点云和所述第一点云的相对关系包括所述预设点云与所述第一点云之间的位姿变换信息，所述根据所述预设点云和所述第一点云的相对关系，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息，包括：根据相机阵列的内参数和外参数、确定所述预设点云与所述第一点云之间的位姿变换信息，确定所述预设点云与每帧第一图像之间的位姿变换信息；根据所述预设点云与每帧第一图像之间的位姿变换信息，确定所述多帧第一图像中每
帧第一图像中目标对象的位姿信息。6.根据权利要求3或4所述的方法，其特征在于，所述预设点云和所述第一点云的相对关系包括所述预设点云与所述第一点云之间的位姿变换信息，所述方法还包括：对所述预设点云进行点云注册处理，确定所述预设点云对应的网格数据，以及所述网格数据与所述预设点云之间的位姿变换信息；所述根据所述预设点云和所述第一点云的相对关系，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息，包括：根据所述网格数据与所述预设点云之间的位姿变换信息，以及所述预设点云与所述第一点云之间的位姿变换信息，确定所述网格数据与所述第一点云之间的位姿变换信息；根据相机阵列的内参数和外参数、所述网格数据与所述第一点云之间的位姿变换信息，确定所述网格数据与每帧第一图像之间的位姿变换信息；根据所述网格数据与每帧第一图像之间的位姿变换信息，确定所述多帧第一图像中每帧第一图像中目标对象的位姿信息。7.根据权利要求3或4所述的方法，其特征在于，所述对所述多帧第二图像进行三维重建，得到所述预设点云，以及对所述多帧第一图像进行三维重建，得到第一点云之后，所述方法还包括：对所述预设点云与所述第一点云进行对齐处理，确定所述预设点云与所述第一点云之间的相对关系。8.根据权利要求7所述的方法，其特征在于，所述对所述预设点云与所述第一点云进行对齐处理，确定所述预设点云与所述第一点云之间的相对关系，包括：在所述预设点云的人脸区域中，生成包含n个预设关键点的标注信息；在所述第一点云的人脸区域中，生成包含k个第二关键点的标注信息，k为不大于n的整数；对所述预设点云的n个关键点与所述第一点云的k个第二关键点进行对齐处理，确定预设点云与所述第一点云之间的相对关系。9.根据权利要求2或8所述的方法，所述目标对象包括人体的身体部位；所述人体的身体部位包括人脸的情况下，所述预设关键点包括人脸器官的关键点；所述人体的身体部位包括肢体的情况下，所述预设关键点包括肢体关键点。10.一种位姿检测装置，其特征在于，包括：获取模块，用于获取待处理的至少一帧第一图像，所述第一图像包括图像采集设备采集的目标对象背面的二维图像；确定模块，用于根据所述至少一帧第一图像，以及预设点云，确定所述第一图像中目标对象的位姿信息，其中，所述预设点云为目标对象正面的三维点云。11.一种电子设备，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至9中任意一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至9中任意一项所述的方法。

技术总结
本公开涉及一种位姿检测方法及装置、电子设备和存储介质，所述方法包括：获取待处理的至少一帧第一图像，该第一图像包括图像采集设备采集的目标对象背面的二维图像，根据至少一帧第一图像，以及预设的目标对象正面的三维点云，确定所述第一图像中目标对象的位姿信息。本公开实施例不仅能准确实现背对相机拍摄的单帧图像的位姿，还能准确实现背对相机阵列设备拍摄的多帧图像的位姿，有效解决目标对象全方位的位姿检测，不管目标对象的面部朝向与拍摄方向的角度呈现什么角度，均能实现准确地位姿检测。姿检测。姿检测。


技术研发人员：王坤 林纯泽 王权 钱晨
受保护的技术使用者：北京大甜绵白糖科技有限公司
技术研发日：2022.02.17
技术公布日：2022/5/25