[发明专利]人物图像识别方法、装置、电子设备和计算机可读介质

说明书

本公开的实施例公开了人物图像识别方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取人物图像；通过预设的图像识别模型包括的特征提取网络对上述人物图像进行特征提取，得到全局特征图，其中，上述预设的图像识别模型还包括关节识别网络，其中，上述关节识别网络包括反卷积分支网络组，上述反卷积分支网络组用于生成人物关节热力图组；将上述全局特征图输入至上述关节识别网络，得到人物关节热力图组；基于上述人物关节热力图组，生成人物图像识别结果，以及将上述人物图像识别结果发送至显示终端以供显示。该实施方式可以提高生成人物图像识别结果的准确性。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及人物图像识别方法、装置、电子设备和计算机可读介质。

背景技术

人物图像识别方法，是识别人物图像中人物关节点的一项技术。目前，在识别人物图像时，通常采用的方式为：对通用的漏斗网络结构的模型进行训练，得到用于人物图像识别的模型，以此，对人物图像进行识别，得到识别结果。其中，通用的漏斗网络结构的模型在对输入的图像完成提取低分辨率高语义的特征图后，在恢复出高分辨率高语义特征图的过程中采用了联合训练的方式，使得各个关节对应的特征图由同一个网络分支进行提取，共享权重。由此可以简化网络设计，减少一部分计算量，同时由于各关节之间的联系，共享权重可以加速模型的收敛。

然而，当采用上述方式进行人物图像识别时，经常会存在如下技术问题：

第一，由于各个关节存在尺寸和外观上的差异，而且不同关节之间的视域不一定具有相关性，因此共享权重的设置，容易对各个关节最终的精度产生负面的影响，出现负迁移现象，从而，导致降低生成人物图像识别结果的准确性；

第二，通过漏斗网络结构的模型生成的、同目标热力图保持一致的预测热力图存在因量化误差而产生的绝对信息损失，难以在后续的推断过程中确定其在原始图片上的确切位置，从而，导致降低生成人物图像识别结果的准确性。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了人物图像识别方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种人物图像识别方法，该方法包括：获取人物图像；通过预设的图像识别模型包括的特征提取网络对上述人物图像进行特征提取，得到全局特征图，其中，上述预设的图像识别模型还包括关节识别网络，其中，上述关节识别网络包括反卷积分支网络组，上述反卷积分支网络组用于生成人物关节热力图组；将上述全局特征图输入至上述关节识别网络，得到人物关节热力图组；基于上述人物关节热力图组，生成人物图像识别结果，以及将上述人物图像识别结果发送至显示终端以供显示。

第二方面，本公开的一些实施例提供了一种人物图像识别装置，装置包括：获取单元，被配置成获取人物图像；特征提取单元，被配置成通过预设的图像识别模型包括的特征提取网络对上述人物图像进行特征提取，得到全局特征图，其中，上述预设的图像识别模型还包括关节识别网络；输入单元，被配置成将上述全局特征图输入至上述关节识别网络，得到人物关节热力图组，其中，上述关节识别网络包括反卷积分支网络组，上述反卷积分支网络组用于生成人物关节热力图组；生成单元，被配置成基于上述人物关节热力图组，生成人物图像识别结果，以及将上述人物图像识别结果发送至显示终端以供显示。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。