[发明专利]姿态识别方法、装置、处理器及电子设备

说明书

本申请公开了一种姿态识别方法、装置、处理器及电子设备。涉及人工智能领域，方法包括：采集目标图像；检测目标图像中所包括的目标对象的姿态参数；根据姿态参数确定目标图像中的目标对象的姿态。通过本申请，解决了相关技术中封闭式柜台的柜员异常行为监控主要是通过摄像头采集数据，后期随机抽取检查，在柜员出现异常时，难以及时有效的发现，导致监控的时效性差的问题。

技术领域

本申请涉及人工智能领域，具体而言，涉及一种姿态识别方法、装置、处理器及电子设备。

背景技术

科技飞速发展，线上交易已经成为许多客户的最优抉择，但是，在银行进行金融交易的客户仍然不少，尤其是年长、需要柜员协助的客户。在特殊群体出现异常特征，包括身体不适、心脏病而晕厥摔倒等情况，或者是身体突然出现异样情况的客户或者是柜员，可能由于无法得到及时的帮助，导致病情加重或者错过最佳的救援时机。同时，目前的封闭式柜台的柜员异常行为监控主要是通过摄像头采集数据，后期随机抽取检查。

对于出现异常情况的预防在大多网点是采取柜员培训、EAD等硬件的配备，但是在异常情况的出现仍无法提前预知，反应较慢，无法把握住最佳的救援时机。同时，对柜员的异常行为的监控也存在着费时费力、成本高效率低，存在遗漏等缺点。

针对相关技术中封闭式柜台的柜员异常行为监控主要是通过摄像头采集数据，后期随机抽取检查，在柜员出现异常时，难以及时有效的发现，导致监控的时效性差的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种姿态识别方法、装置、处理器及电子设备，以解决相关技术中封闭式柜台的柜员异常行为监控主要是通过摄像头采集数据，后期随机抽取检查，在柜员出现异常时，难以及时有效的发现，导致监控的时效性差的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种姿态识别方法，包括：采集目标图像；检测所述目标图像中所包括的目标对象的姿态参数；根据所述姿态参数确定所述目标图像中的所述目标对象的姿态。

可选的，在检测所述目标图像中所包括的目标对象的姿态参数之前，所述方法还包括：获取第一训练样本，其中，所述第一训练样本包括样本对象的第一图像，以及所述样本对象的标准姿态参数；采用所述第一训练样本进行机器训练，得到检测模型，其中，所述检测模型为掩码区域卷积神经网络模型Mask RCNN。

可选的，获取第一训练样本包括：采集样本对象在目标环境的多个图像；对采集的图像进行扩增处理，得到多个测试图像；对所述多个测试图像的样本对象按照所述标准姿态参数进行标注，得到所述第一训练样本。

可选的，检测所述目标图像中所包括的目标对象的姿态参数包括：将所述目标图像输入所述检测模型；通过所述检测模型，确定所述目标图像的感兴趣区域，所述感兴趣区域的类别，所述目标图像中目标对象区域的掩码，以及所述目标对象的关键点的坐标。

可选的，通过所述检测模型的特征提取网络和区域建议网络，确定所述目标图像的感兴趣区域包括：对所述目标图像进行特征提取，得到对应的特征图；对所述特征图进行处理，得到多个候选区域；从多个所述候选区域中选取得分最高的一个候选区域作为所述感兴趣区域。

可选的，采用所述第一训练样本进行机器训练，得到检测模型包括：将所述第一训练样本输入所述检测模型，得到所述第一训练样本的感兴趣区域，感兴趣区域的类别，样本对象区域的掩码和关键点坐标；根据所述感兴趣区域，所述类别，所述掩码和所述关键点坐标与所述标准姿态参数，确定所述检测模型的损失值；在所述损失值不超过预设值的情况下，确定所述检测模型训练成功。