[发明专利]用于虚拟人物的检测方法及装置

权利要求书

1.一种用于虚拟人物的检测方法，其特征在于，包括：

输入待检测图像；

对所述待检测图像中的虚拟人物执行第一预设检测任务得到虚拟人物图像位置，包括：通过训练完成的深度学习网络模型检测所述待检测图像中的虚拟人物的具体位置；其中，所述位置包括紧贴虚拟人物左上角、右上角、中心点、虚拟人物的长度和宽度；所述深度学习网络模型为去分类的SSD检测网络；所述深度学习网络模型的训练过程包括：使用虚拟动画片或虚拟动画电影中虚拟人物视频截图和标注数据包括图片中虚拟人物的位置信息和类别信息，首先可以先训练一个只用于检测图片中虚拟人物具体位置的深度学习网络模型，该深度学习网络模型中暂不考虑虚拟人物类别，模型结构为去分类的检测算法；在所述深度学习网络模型中，先通过backbone主干提取图片特征，再通过提取backbone中多个不同尺度的特征图，并对每一个特征图各自接两层卷积层，用于做线性回归进而检测图片中的虚拟人物的具体位置；而后基于训练好的去分类SSD用于提取视频图片中虚拟人物的位置信息，并利用提取出的位置信息将所有视频图片中只有虚拟人物的部分分割出来以抠出虚拟人物；

对所述抠出的虚拟人物图像位置对应的虚拟人物执行第二预设检测任务得到虚拟人物图像分类；以及

融合所述虚拟人物图像分类结果，得到虚拟人物图像；

对所述待检测图像中的虚拟人物执行第一预设检测任务得到虚拟人物图像位置包括：采集预设影像信息中的虚拟人物视频截图以及图像标注特征；根据所述虚拟人物视频截图和所述图像标注特征训练用于检测虚拟人物位置的深度学习网络模型；以及通过所述深度学习网络模型执行位置检测任务得到虚拟人物图像位置。

2.根据权利要求1所述的检测方法，其特征在于，对所述虚拟人物图像执行第一预设检测任务得到虚拟人物图像位置之后还包括：

根据所述虚拟人物图像位置从所述待检测图像中分割出虚拟人物且保存分割后的虚拟人物图像。

3.根据权利要求1所述的检测方法，其特征在于，对所述虚拟人物图像位置对应的虚拟人物执行第二预设检测任务得到虚拟人物图像分类包括：

提取待检测的虚拟人物图片中SIFT特征；

根据所述SIFT特征和图像标注特征训练得到分类器；以及

根据所述分类器区分所述虚拟人物的类别。

4.根据权利要求1所述的检测方法，其特征在于，对所述虚拟人物图像位置对应的虚拟人物执行第二预设检测任务得到虚拟人物图像分类包括：

通过所述虚拟人物图像训练深度学习网络分类模型；

根据深度学习网络分类模型提取虚拟人物的高级特征；

检测出虚拟人物类别；以及

对所述虚拟人物图像的类别采用模型融合，得到加权平均后的分类结果。

5.一种用于虚拟人物的检测装置，其特征在于，包括：

输入模块，用于输入待检测图像；

第一执行模块，用于对所述待检测图像中的虚拟人物执行第一预设检测任务得到虚拟人物图像位置，包括：通过训练完成的深度学习网络模型检测所述待检测图像中的虚拟人物的具体位置；其中，所述位置包括紧贴虚拟人物左上角、右上角、中心点、虚拟人物的长度和宽度；所述深度学习网络模型为去分类的SSD检测网络；所述深度学习网络模型的训练过程包括：使用虚拟动画片或虚拟动画电影中虚拟人物视频截图和标注数据包括图片中虚拟人物的位置信息和类别信息，首先可以先训练一个只用于检测图片中虚拟人物具体位置的深度学习网络模型，该深度学习网络模型中暂不考虑虚拟人物类别，模型结构为去分类的检测算法；在所述深度学习网络模型中，先通过backbone主干提取图片特征，再通过提取backbone中多个不同尺度的特征图，并对每一个特征图各自接两层卷积层，用于做线性回归进而检测图片中的虚拟人物的具体位置；而后基于训练好的去分类SSD用于提取视频图片中虚拟人物的位置信息，并利用提取出的位置信息将所有视频图片中只有虚拟人物的部分分割出来以抠出虚拟人物；

第二执行模块，用于对所述抠出的虚拟人物图像位置对应的虚拟人物执行第二预设检测任务得到虚拟人物图像分类；以及

融合模块，用于融合所述虚拟人物图像分类结果，得到虚拟人物图像。