[发明专利]一种人体姿态识别方法、装置、设备及存储介质

说明书

本发明实施例提供了一种人体姿态识别方法、装置、设备及存储介质；该方法包括：获取待识别图像；待识别图像中包含人体的成像信息；对待识别图像进行人体检测，得到至少一个人体信息；对待识别图像中的人体姿态关键点进行多尺度识别，得到多尺度关键点；对多尺度关键点进行多尺度融合，得到目标关键点；将目标关键点分配至每个人体信息中，得到人体姿态信息，完成人体姿态识别；人体姿态信息为每个人体信息的姿态所构成的集合。通过本发明实施例，能够提升人体姿态识别的准确度。

技术领域

本发明涉及人工智能领域中的计算机视觉技术，尤其涉及一种人体姿态识别方法、装置、设备及存储介质。

背景技术

人工智能(Artificial Intelligence，AI)，是研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的科学技术。近年来，随着人工智能的发展，基于人工智能的计算机视觉技术也得到了快速发展，人体姿态识别作为其中的一个重要方法，在智慧商超、安防和监控等多个领域都有较大的应用前景。

一般来说，进行人体姿态识别时，通常先检测出待识别图像中的关键点，然后将关键点分配给每个人，进而得到每个人的姿态信息。然而，上述人体姿态识别过程中，由于关键点的获取是从网络模型的最后一层输出的信息获得，而网络模型的第一层到最后一层的处理过程中，需要依次对待识别图像进行下采样操作，存在像素损失；因此，关键点的精度低，从而根据关键点实现人体姿态识别时，识别结果的准确度低。

发明内容

本发明实施例提供一种人体姿态识别方法、装置及存储介质，能够提升人体姿态识别的准确度。

本发明实施例的技术方案是这样实现的：

本发明实施例提供一种人体姿态识别方法，包括：

获取待识别图像；所述待识别图像中包含人体的成像信息；

对所述待识别图像进行人体检测，得到至少一个人体信息；

对所述待识别图像中的人体姿态关键点进行多尺度识别，得到多尺度关键点；

对所述多尺度关键点进行多尺度融合，得到目标关键点；

将所述目标关键点分配至每个人体信息中，得到人体姿态信息，完成人体姿态识别；所述人体姿态信息为所述每个人体信息的姿态所构成的集合。

在上述方案中，所述利用所述目标样本图像，对所述原始关键点识别模型进行训练，得到所述预设关键点识别模型之后，所述方法还包括：

获取新的目标样本图像；

利用所述新的目标样本图像，优化所述预设关键点识别模型；

相应地，所述利用预设关键点识别模型，对所述待识别图像中的所述人体姿态关键点进行多尺度识别，得到所述多尺度关键点，包括：

利用优化后的预设关键点识别模型，对所述待识别图像中的所述人体姿态关键点进行多尺度识别，得到所述多尺度关键点。

本发明实施例提供一种人体姿态识别装置，包括：

图像获取模块，用于获取待识别图像；所述待识别图像中包含人体的成像信息；

人体检测模块，用于对所述待识别图像进行人体检测，得到至少一个人体信息；

关键点识别模块，用于对所述待识别图像中的人体姿态关键点进行多尺度识别，得到多尺度关键点；

关键点融合模块，用于对所述多尺度关键点进行多尺度融合，得到目标关键点；

关键点分配模块，用于将所述目标关键点分配至每个人体信息中，得到人体姿态信息，完成人体姿态识别；所述人体姿态信息为所述每个人体信息的姿态所构成的集合。