CN109902659A - 用于处理人体图像的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于处理人体图像的方法和装置。该方法的一具体实施方式包括：获取目标人体图像；将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像；将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息，其中，人体骨骼关键点信息用于表征目标人体图像中的人体骨骼关键点在目标人体图像中的位置。该实施方式提高生成人体骨骼关键点信息的准确性，有利于提高电子设备检测人体姿态的准确性。

Description

用于处理人体图像的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及用于处理人体图像的方法和装置。

背景技术

人体骨骼关键点检测是计算机视觉的基础性算法之一，在计算机视觉的其他相关领域的研究中都起到了基础性的作用，如行为识别、人物跟踪、步态识别等相关领域。具体应用主要集中在智能视频监控，病人监护系统，人机交互，虚拟现实，人体动画，智能家居，智能安防，运动员辅助训练等等。

由于人体具有相当的柔性，会出现各种姿态和形状，人体任何一个部位的微小变化都会产生一种新的姿态，同时人体骨骼关键点检查的准确性受人的穿着、姿态、视角等影响，而且还会受遮挡、光照、雾等环境的影响。现有的人体骨骼关键点检测方法，通常采用神经网络模型，从输入的人体图像中确定人体骨骼关键点。

发明内容

本公开的实施例提出了用于处理人体图像的方法和装置。

第一方面，本公开的实施例提供了一种用于处理人体图像的方法，该方法包括：获取目标人体图像；将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像；将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息，其中，人体骨骼关键点信息用于表征目标人体图像中的人体骨骼关键点在目标人体图像中的位置。

在一些实施例中，人体骨骼关键点连线图像为单通道的二值化图像；以及将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像，包括：将人体骨骼关键点连线图像包括的通道和目标人体图像包括的通道合并，生成组合后图像。

在一些实施例中，人体骨骼关键点连线模型预先通过如下步骤训练得到：获取第一训练样本集合，其中，第一训练样本包括样本人体图像和预先针对样本人体图像生成的样本人体骨骼关键点连线图像；利用机器学习方法，将第一训练样本集合中的第一训练样本包括的样本人体图像作为第一初始模型的输入，将与输入的样本人体图像对应的人体骨骼关键点连线图像作为第一初始模型的期望输出，训练得到人体骨骼关键点连线模型。

在一些实施例中，其中，人体骨骼关键点检测模型预先通过如下步骤训练得到：获取第二训练样本集合，其中，第二训练样本包括预先生成的样本组合图像和预先针对样本组合图像标注的样本人体骨骼关键点信息；利用机器学习方法，将第二训练样本集合中的第二训练样本包括的样本组合图像作为第二初始模型的输入，将与输入的样本组合图像对应的样本人体骨骼关键点信息作为第二初始模型的期望输出，训练得到人体骨骼关键点检测模型。

在一些实施例中，对于第二训练样本集合包括的训练样本，该训练样本包括的样本组合图像通过如下步骤得到：获取预设的与该训练样本对应的样本人体图像；将所获取的样本人体图像输入人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；将所得到的人体骨骼关键点连线图像与所获取的样本图像组合，得到样本组合图像。

在一些实施例中，该方法还包括：基于人体骨骼关键点信息，生成用于表征目标人体图像指示的人体的姿态的人体姿态信息。

在一些实施例中，该方法还包括：根据人体姿态信息，输出用于控制目标设备进行目标操作的控制信号。

在一些实施例中，人体骨骼关键点连线模型和人体骨骼关键点检测模型分别为利用如下至少一种网络预先训练得到的模型：Hourglass网络、ResNet网络。

第二方面，本公开的实施例提供了一种用于处理人体图像的装置，该装置包括：获取单元，被配置成获取目标人体图像；第一生成单元，被配置成将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；组合单元，被配置成将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像；第二生成单元，被配置成将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息，其中，人体骨骼关键点信息用于表征目标人体图像中的人体骨骼关键点在目标人体图像中的位置。

在一些实施例中，人体骨骼关键点连线图像为单通道的二值化图像；以及组合单元进一步被配置成：将人体骨骼关键点连线图像包括的通道和目标人体图像包括的通道合并，生成组合后图像。

在一些实施例中，人体骨骼关键点连线模型预先通过如下步骤训练得到：获取第一训练样本集合，其中，第一训练样本包括样本人体图像和预先针对样本人体图像生成的样本人体骨骼关键点连线图像；利用机器学习方法，将第一训练样本集合中的第一训练样本包括的样本人体图像作为第一初始模型的输入，将与输入的样本人体图像对应的人体骨骼关键点连线图像作为第一初始模型的期望输出，训练得到人体骨骼关键点连线模型。

在一些实施例中，人体骨骼关键点检测模型预先通过如下步骤训练得到：获取第二训练样本集合，其中，第二训练样本包括预先生成的样本组合图像和预先针对样本组合图像标注的样本人体骨骼关键点信息；利用机器学习方法，将第二训练样本集合中的第二训练样本包括的样本组合图像作为第二初始模型的输入，将与输入的样本组合图像对应的样本人体骨骼关键点信息作为第二初始模型的期望输出，训练得到人体骨骼关键点检测模型。

在一些实施例中，对于第二训练样本集合包括的训练样本，该训练样本包括的样本组合图像通过如下步骤得到：获取预设的与该训练样本对应的样本人体图像；将所获取的样本人体图像输入人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；将所得到的人体骨骼关键点连线图像与所获取的样本图像组合，得到样本组合图像。

在一些实施例中，该装置还包括：第三生成单元，被配置成基于人体骨骼关键点信息，生成用于表征目标人体图像指示的人体的姿态的人体姿态信息。

在一些实施例中，该装置还包括：输出单元，被配置成根据人体姿态信息，输出用于控制目标设备进行目标操作的控制信号。

在一些实施例中，人体骨骼关键点连线模型和人体骨骼关键点检测模型分别为利用如下至少一种网络预先训练得到的模型：Hourglass网络、ResNet网络。

第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：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如第一方面中任一实现方式描述的方法。

第四方面，本公开的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，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的用于处理人体图像的方法和装置，通过将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像，再将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像，然后将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息。从而利用得到的人体骨骼关键点连线图像，使得人体骨骼关键点检测模型可以根据人体骨骼关键点之间的连线，确定各个人体骨骼关键点之间的位置关系，根据该位置关系提高生成人体骨骼关键点信息的准确性，有利于提高电子设备检测人体姿态的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的实施例的用于处理人体图像的方法的一个实施例的流程图；

图3是根据本公开的实施例的用于处理人体图像的方法的人体骨骼关键点连线图像的示例性示意图；

图4是根据本公开的实施例的用于处理人体图像的方法的一个应用场景的示意图；

图5是根据本公开的实施例的用于处理人体图像的方法的又一个实施例的流程图；

图6是根据本公开的实施例的用于处理人体图像的装置的一个实施例的结构示意图；

图7是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关公开，而非对该公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关公开相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的实施例的用于处理人体图像的方法或用于处理人体图像的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如图像处理应用、视频播放应用、网页浏览器应用、搜索类应用、即时通信工具、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的人体图像进行处理的后台图像服务器。后台图像服务器可以对获取到的人体图像进行处理，并生成将处理结果(例如人体骨骼关键点信息)。

需要说明的是，本公开的实施例所提供的用于处理人体图像的方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，用于处理人体图像的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在用于确定人体骨骼关键点信息的图像不需从远程获取的情况下，上述系统架构可以不包括网络，只包括服务器或终端设备。

继续参考图2，示出了根据本公开的用于处理人体图像的方法的一个实施例的流程200。该用于处理人体图像的方法，包括以下步骤：

步骤201，获取目标人体图像。

在本实施例中，用于处理人体图像的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从远程或从本地获取目标人体图像。其中，目标人体图像是待确定其对应的人体骨骼关键点信息的人体图像。作为示例，目标人体图像可以是上述执行主体包括的摄像头对目标人体(即处于该摄像头的拍摄范围内的人体)进行拍摄得到的图像。或者，目标人体图像可以是从预设的人体图像集合中获取(例如随机获取或按照预设的图像编号顺序获取)的人体图像。

步骤202，将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像。

在本实施例中，上述执行主体可以将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像。其中，人体骨骼关键点连线模型用于表征人体图像和人体骨骼关键点连线图像的对应关系。

人体骨骼关键点连线图像可以是包括人体骨骼关键点和用于连接人体骨骼关键点的连线的图像。其中，人体骨骼关键点是人体图像中、用于表征人体的某个特定部位(例如头顶、手腕、膝盖等)的点。通常，人体骨骼关键点可以具有对应的编号，上述执行主体根据预设的、用于连线的人体骨骼关键点的编号，对各个人体骨骼关键点进行连线，从而生成人体骨骼关键点连线图像。示例性的，如图3所示，人体骨骼关键点连线图像301包括人体骨骼关键点A-N。上述执行主体可以根据预设的、用于连线的人体骨骼关键点的编号(即A连接B，B连接C，等等)，将各个人体骨骼关键点连接。通常，人体骨骼关键点连线图像与目标人体图像的尺寸相同。

上述人体骨骼关键点连线模型可以是各种类型的模型。作为示例，人体骨骼关键点连线模型可以包括存储有大量人体图像和与人体图像对应的人体骨骼关键点连线图像的对应关系表。上述执行主体可以从该对应关系表中，确定与目标人体图像的相似度最高的人体图像，将该人体图像对应的人体骨骼关键点连线图像确定为所得到的人体骨骼关键点连线图像。

在本实施例的一些可选的实现方式中，人体骨骼关键点连线模型可以预先由上述执行主体或其他电子设备通过如下步骤训练得到：

首先，获取第一训练样本集合。其中，第一训练样本包括样本人体图像和预先针对样本人体图像生成的样本人体骨骼关键点连线图像。作为示例，样本人体骨骼关键点连线图像可以是标注人员对样本人体图像中的人体骨骼关键点进行标注，再由用于生成样本人体骨骼关键点连线图像的执行主体根据预设的、人体骨骼关键点与连线的对应关系生成样本人体骨骼关键点连线图像。或者，样本人体骨骼关键点连线图像可以是由生成样本人体骨骼关键点连线图像的执行主体利用现有的提取人体骨骼关键点的方法，从样本人体图像中提取的人体骨骼关键点，再由标注人员对提取的人体骨骼关键点连线所生成的图像。

然后，利用机器学习方法，将第一训练样本集合中的第一训练样本包括的样本人体图像作为第一初始模型的输入，将与输入的样本人体图像对应的人体骨骼关键点连线图像作为第一初始模型的期望输出，训练得到人体骨骼关键点连线模型。

具体地，用于训练人体骨骼关键点连线模型的执行主体可以利用机器学习方法，将第一训练样本集合中的训练样本包括的样本人体图像作为输入，将与输入的样本人体图像对应的样本人体骨骼关键点连线图像作为期望输出，对初始模型(例如包括卷积神经网络，循环神经网络等)进行训练，针对每次训练输入的样本人体图像，可以得到实际输出。其中，实际输出是初始模型实际输出的人体骨骼关键点连线图像。然后，用于训练人体骨骼关键点连线模型的执行主体可以采用梯度下降法和反向传播法，基于实际输出和期望输出，调整初始模型的参数，将每次调整参数后得到的模型作为下次训练的初始模型，并在满足预设的训练结束条件的情况下，结束训练，从而训练得到人体骨骼关键点连线模型。其中，训练结束条件可以包括但不限于以下至少一项：训练时间超过预设时长；训练次数超过预设次数；利用预设的损失函数(例如L1范数损失函数、L2范数损失函数)计算所得的损失值小于预设损失值阈值。

步骤203，将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像。

在本实施例中，上述执行主体可以将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像。

具体地，作为示例，上述执行主体可以将人体骨骼关键点连线图像中的人体骨骼关键点和连线所在的像素点的颜色值，赋值给目标人体图像中的对应位置的像素点，从而将更改颜色值后的目标人体图像确定为组合后图像。

步骤204，将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息。

在本实施例中，上述执行主体可以将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息。其中，人体骨骼关键点检测模型用于表征组合后图像与人体骨骼关键点信息的对应关系，人体骨骼关键点信息用于表征目标人体图像中的人体骨骼关键点在目标人体图像中的位置。通常，人体骨骼关键点信息可以包括多个坐标值，每个坐标值用于指示人体骨骼关键点在目标人体图像中的位置。

这里，人体骨骼关键点信息表征的人体骨骼关键点的数量通常多于上述人体骨骼关键点连线图像包括的人体骨骼关键点的数量。由于组合后图像是基于人体骨骼关键点连线图像生成的，上述人体骨骼关键点检测模型，可以从组合后图像中，提取人体骨骼关键点连线图像包括的各个人体骨骼关键点的位置关系特征。人体骨骼关键点检测模型可以根据位置关系特征，确定出更多的人体骨骼关键点，从而丰富了提取目标人体图像的人体骨骼关键点的数量，以及提高了提取人体骨骼关键点的准确性。

上述人体骨骼关键点检测模型可以是各种类型的模型。作为示例，人体骨骼关键点检测模型可以是基于现有的模版匹配算法构建的软件模块，模版匹配算法的核心在于用模版表示人体图像指示的人体结构，包括关键点的表示，肢体结构的表示以及不同肢体结构之间的关系的表示。

在本实施例的一些可选的实现方式中，人体骨骼关键点检测模型可以由上述执行主体或其他电子设备预先通过如下步骤训练得到：

步骤一，获取第二训练样本集合。其中，第二训练样本包括预先生成的样本组合图像和预先针对样本组合图像标注的样本人体骨骼关键点信息。作为示例，样本组合图像可以是用于生成第二训练样本集合的执行主体将预设的样本人体图像和技术人员针对样本人体图像绘制的样本人体骨骼关键点连线图像进行组合后得到的图像。

在本实施例的一些可选的实现方式中，对于第二训练样本集合包括的训练样本，该训练样本包括的样本组合图像通过如下步骤得到：

首先，获取预设的与该训练样本对应的样本人体图像。其中，本可选的实现方式中的样本人体图像可以与上述第一训练样本包括的样本人体图像相同或不同。

然后，将所获取的样本人体图像输入人体骨骼关键点连线模型，得到人体骨骼关键点连线图像。

最后，将所得到的人体骨骼关键点连线图像与所获取的样本图像组合，得到样本组合图像。其中，组合图像的方式可以参考步骤203中可选的实现方式中描述的方法，这里不再赘述。本可选的实现方式，由于使用了上述人体骨骼关键点连线模型，可以使样本组合后图像与步骤204所使用的样本组合后图像的生成方式相同，从而使训练人体骨骼关键点检测模型时，可以充分利用人体骨骼关键点连线模型的输出，从而提高生成人体骨骼关键点信息的准确性。

步骤二，利用机器学习方法，将第二训练样本集合中的第二训练样本包括的样本组合图像作为第二初始模型的输入，将与输入的样本组合图像对应的样本人体骨骼关键点信息作为第二初始模型的期望输出，训练得到人体骨骼关键点检测模型。

具体地，用于训练人体骨骼关键点检测模型的执行主体可以利用机器学习方法，将第二训练样本集合中的训练样本包括的样本组合图像作为输入，将与输入的样本组合图像对应的样本人体骨骼关键点信息作为期望输出，对初始模型(例如包括卷积神经网络，循环神经网络等)进行训练，针对每次训练输入的样本组合图像，可以得到实际输出。其中，实际输出是初始模型实际输出的人体骨骼关键点信息。然后，用于训练人体骨骼关键点检测模型的执行主体可以采用梯度下降法和反向传播法，基于实际输出和期望输出，调整初始模型的参数，将每次调整参数后得到的模型作为下次训练的初始模型，并在满足预设的训练结束条件的情况下，结束训练，从而训练得到人体骨骼关键点检测模型。其中，训练结束条件可以包括但不限于以下至少一项：训练时间超过预设时长；训练次数超过预设次数；利用预设的损失函数(例如L1范数损失函数、L2范数损失函数)计算所得的损失值小于预设损失值阈值。

在本实施例的一些可选的实现方式中，人体骨骼关键点连线模型和人体骨骼关键点检测模型分别为利用如下至少一种网络预先训练得到的模型：Hourglass网络、ResNet网络。其中，Hourglass网络是一种卷积神经网络，主要利用多尺度特征来识别人体骨骼关键点。即可以将多个卷积层分别得到的特征图关联起来进行识别，而非将各个特征图单独识别(例如胳膊在第3层的特征图上识别，而头部在第5层的特征图上识别)。从而可以提高识别人体骨骼关键点的准确性。

传统的卷积神经网络，在信息传递的时候或多或少会存在信息丢失，损耗等问题，同时还有导致梯度消失或者梯度爆炸，导致很深的网络无法训练。ResNet网络在一定程度上解决了这个问题，它通过直接将输入信息绕道传到输出，保护信息的完整性，整个网络只需要学习输入、输出差别的那一部分，简化学习目标和难度。

继续参见图4，图4是根据本实施例的用于处理人体图像的方法的应用场景的一个示意图。在图4的应用场景中，电子设备401首先获取其包括的摄像头拍摄的目标人体图像402。然后，电子设备401将目标人体图像402输入预先训练的人体骨骼关键点连线模型403，得到人体骨骼关键点连线图像404。再然后，电子设备301将人体骨骼关键点连线图像404和目标人体图像402组合，得到组合后图像405。最后，电子设备401将组合后图像405输入预先训练的人体骨骼关键点检测模型406，得到人体骨骼关键点信息407。其中，人体骨骼关键点信息407包括多个人体骨骼关键点的坐标。

本公开的上述实施例提供的方法，通过将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像，再将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像，然后将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息。从而利用得到的人体骨骼关键点连线图像，使得人体骨骼关键点检测模型可以根据人体骨骼关键点之间的连线，确定各个人体骨骼关键点之间的位置关系，根据该位置关系提高生成人体骨骼关键点信息的准确性，有利于提高人体姿态检测的准确性。

进一步参考图5，其示出了用于处理人体图像的方法的又一个实施例的流程500。该用于处理人体图像的方法的流程500，包括以下步骤：

步骤501，获取目标人体图像。

在本实施例中，步骤501与图2对应实施例中的步骤201基本一致，这里不再赘述。

步骤502，将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像。

在本实施例中，步骤502与图2对应实施例中的步骤202基本一致，这里不再赘述。

步骤503，将人体骨骼关键点连线图像包括的通道和目标人体图像包括的通道合并，生成组合后图像。

在本实施例中，用于处理人体图像的方法的执行主体(例如图1所示的服务器和终端设备)可以将人体骨骼关键点连线图像包括的通道和目标人体图像包括的通道合并，生成组合后图像。其中，人体骨骼关键点连线图像为单通道的二值化图像。二值化图像是包括两种不同颜色值的像素点的图像。例如，人体骨骼关键点连线图像为包括表征黑白两种颜色的颜色值的像素点的图像，其中，黑色像素点对应于人体骨骼关键点和人体骨骼关键点之间的连线。这里，黑色像素点可以用数字1表征，白色像素点可以用数字0表征，从而人体骨骼关键点连线图像可以用一个特征矩阵表征。该特征矩阵中的每个元素对应于人体骨骼关键点连线图像的一个像素点，该特征矩阵可以确定为人体骨骼关键点连线图像的通道。

具体地，本步骤中，目标人体图像可以包括R(红色，Red)、G(绿色，Green)、B(蓝色，Blue)三个通道，每个通道对应于一个特征矩阵，特征矩阵中的元素为上述RGB三种颜色值的其中一种。上述执行主体可以将目标人体图像包括的三个通道与人体骨骼关键点连线图像包括的一个通道合并为四个通道，从而得到四通道的组合后图像。

需要说明的是，上述目标人体图像包括的通道仅仅是示例性的，目标人体图像包括的通道可以不限于上述RGB通道，还可以包括用于表征其他特征的通道(例如用于表征像素点灰度的通道)。通过将目标人体图像与人体骨骼关键点连线图像组合，可以使得人体骨骼关键点检测模型从组合后图像中提取用于表征人体骨骼关键点之间的位置关系的特征数据。从而有助于在目标人体图像中的人体骨骼关键点不足的情况下(例如人体被遮挡、人体扭曲等情况)，使得人体骨骼关键点检测模型根据人体骨骼关键点之间的连线，更准确地从目标人体图像中确定完整的人体骨骼关键点信息。

步骤504，将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息。

在本实施例中，步骤504与图2对应实施例中的步骤204基本一致，这里不再赘述。

步骤505，基于人体骨骼关键点信息，生成用于表征目标人体图像指示的人体的姿态的人体姿态信息。

在本实施例中，上述执行主体可以基于人体骨骼关键点信息，生成用于表征目标人体图像指示的人体的姿态的人体姿态信息。其中，人体姿态信息可以包括但不限于以下至少一种形式的信息：数字、文字、符合。作为示例，人体姿态信息可以是数字1，用于表征人体的姿态为跑步，人体姿态信息可以是数字2，用于表征人体的姿态为抬手。相比于现有技术，在本实施例中，由于生成的人体骨骼关键点信息的准确性进一步得到提高，因此，根据人体骨骼关键点信息生成的人体姿态信息的准确性也得到了提高。

上述执行主体可以按照各种方式生成用于表征目标人体图像指示的人体的姿态的人体姿态信息。具体地，作为示例，上述执行主体可以利用预设的、表征人体骨骼关键点信息与人体姿态信息的对应关系的对应关系表，生成人体姿态信息。该对应关系表中可以存储有大量的预先根据人体骨骼关键点信息生成的人体骨骼关键点图像(即包括人体骨骼关键点的图像)。上述执行主体可以根据步骤504生成的人体骨骼关键点信息，生成对应的人体骨骼关键点图像，再将该人体骨骼关键点图像与上述对应关系表征中包括的人体骨骼关键点图像进行匹配，确定与该人体骨骼关键点图像之间的相似度最大的人体骨骼关键点图像对应的人体姿态信息作为最终生成的人体姿态信息。

作为另一示例，上述执行主体可以将人体骨骼关键点信息输入预先训练的人体姿态检测模型，得到人体姿态信息。其中，人体姿态检测模型用于表征人体骨骼关键点信息与人体姿态信息的对应关系。例如，人体姿态检测模型可以包括分类器(例如支持向量机、softmax分类函数等)，分类器可以确定输入的人体骨骼关键点信息所属的类别，输出与该类别对应于预设的人体姿态信息。

可选的，上述执行主体可以根据生成的人体姿态信息，输出用于控制目标设备进行目标操作的控制信号。其中，目标设备可以是与上述执行主体通信连接的设备，目标操作可以是预先与人体姿态信息建立对应关系的操作。例如，目标设备可以是与上述执行主体连接的摄像头，当上述执行主体检测到人体姿态信息用于表征人的抬手动作时，生成用于控制摄像头进行拍照(即目标操作)的控制信号。再例如，目标设备可以是与上述执行主体连接的报警器，当上述执行主体检测到人体姿态信息用于表征人摔倒时，生成用于控制报警器发出报警声(即目标操作)的控制信号。本实现方式可以在提高生成人体姿态信息的准确性的基础上，进一步利用人体姿态信息，提高输出控制信号的准确性。从而可以使目标设备更准确地根据人体姿态信息执行进一步的操作。本实现方式可以应用于诸如智能视频监控、病人监护系统、人机交互、虚拟现实、智能家居等各种领域，从而有利于在上述各种领域中，使用户通过各种人体姿态准确地控制各种电子设备。

从图5中可以看出，与图2对应的实施例相比，本实施例中的用于处理人体图像的方法的流程500突出了生成组合图像和生成人体姿态信息的步骤。从而通过将人体骨骼关键点连线图像包括的通道和目标人体图像包括的通道合并的方式，将人体骨骼关键点连线图像表征的人体骨骼关键点之间的位置关系特征加入到组合后图像，有利于提高生成人体骨骼关键点信息的准确性，从而进一步提高了生成人体姿态信息的准确性，有利于根据人体姿态信息准确地进行进一步的控制操作。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种用于处理人体图像的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的用于处理人体图像的装置600包括：获取单元601，被配置成获取目标人体图像；第一生成单元602，被配置成将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；组合单元603，被配置成将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像；第二生成单元604，被配置成将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息，其中，人体骨骼关键点信息用于表征目标人体图像中的人体骨骼关键点在目标人体图像中的位置。

在本实施例中，获取单元601可以通过有线连接方式或者无线连接方式从远程或从本地获取目标人体图像。其中，目标人体图像是待确定其对应的人体骨骼关键点信息的人体图像。作为示例，目标人体图像可以是上述装置600包括的摄像头对目标人体(即处于该摄像头的拍摄范围内的人体)进行拍摄得到的图像。或者，目标人体图像可以是从预设的人体图像集合中获取(例如随机获取或按照预设的图像编号顺序获取)的人体图像。

在本实施例中，第一生成单元602可以将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像。其中，人体骨骼关键点连线模型用于表征人体图像和人体骨骼关键点连线图像的对应关系。

人体骨骼关键点连线图像可以是包括人体骨骼关键点和连接人体骨骼关键点的连线的图像。其中，人体骨骼关键点是人体图像中，用于表征人体的某个特定部位(例如头顶、手腕、膝盖等)的点。通常，人体骨骼关键点可以具有对应的编号，上述第一生成单元602根据预设的、用于连线的人体骨骼关键点的编号，对各个人体骨骼关键点进行连线，从而生成人体骨骼关键点连线图像。

上述人体骨骼关键点连线模型可以是各种类型的模型。作为示例，人体骨骼关键点连线模型可以包括存储有大量人体图像和与人体图像对应的人体骨骼关键点连线图像的对应关系表。上述第一生成单元602可以从该对应关系表中，确定与目标人体图像的相似度最高的人体图像，将该人体图像对应的人体骨骼关键点连线图像确定为所得到的人体骨骼关键点连线图像。

在本实施例中，组合单元603可以将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像。

具体地，作为示例，上述组合单元603可以将人体骨骼关键点连线图像中的人体骨骼关键点和连线所在的像素点的颜色值，赋值给目标人体图像中的对应位置的像素点，从而将更改颜色值后的目标人体图像确定为组合后图像。

在本实施例中，第二生成单元604可以将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息。其中，人体骨骼关键点检测模型用于表征组合后图像与人体骨骼关键点信息的对应关系，人体骨骼关键点信息用于表征目标人体图像中的人体骨骼关键点在目标人体图像中的位置。通常，人体骨骼关键点信息可以包括多个坐标值，每个坐标值用于指示人体骨骼关键点在目标人体图像中的位置。

这里，人体骨骼关键点信息表征的人体骨骼关键点的数量通常多于上述人体骨骼关键点连线图像包括的人体骨骼关键点的数量。由于组合后图像是基于人体骨骼关键点连线图像生成的，上述人体骨骼关键点检测模型，可以从组合后图像中，提取人体骨骼关键点连线图像包括的各个人体骨骼关键点的位置关系特征。人体骨骼关键点检测模型可以根据位置关系特征，确定出更多的人体骨骼关键点，从而丰富了提取目标人体图像的人体骨骼关键点的数量，以及提高了提取人体骨骼关键点的准确性。

上述人体骨骼关键点检测模型可以是各种类型的模型。作为示例，人体骨骼关键点检测模型可以是基于现有的模版匹配算法构建的软件模块，模版匹配算法的核心在于用模版表示人体图像指示的人体结构，包括关键点的表示，肢体结构的表示以及不同肢体结构之间的关系的表示。

在本实施例的一些可选的实现方式中，人体骨骼关键点连线图像为单通道的二值化图像；以及组合单元603可以进一步被配置成：将人体骨骼关键点连线图像包括的通道和目标人体图像包括的通道合并，生成组合后图像。

在本实施例的一些可选的实现方式中，人体骨骼关键点连线模型预先通过如下步骤训练得到：获取第一训练样本集合，其中，第一训练样本包括样本人体图像和预先针对样本人体图像生成的样本人体骨骼关键点连线图像；利用机器学习方法，将第一训练样本集合中的第一训练样本包括的样本人体图像作为第一初始模型的输入，将与输入的样本人体图像对应的人体骨骼关键点连线图像作为第一初始模型的期望输出，训练得到人体骨骼关键点连线模型。

在本实施例的一些可选的实现方式中，人体骨骼关键点检测模型预先通过如下步骤训练得到：获取第二训练样本集合，其中，第二训练样本包括预先生成的样本组合图像和预先针对样本组合图像标注的样本人体骨骼关键点信息；利用机器学习方法，将第二训练样本集合中的第二训练样本包括的样本组合图像作为第二初始模型的输入，将与输入的样本组合图像对应的样本人体骨骼关键点信息作为第二初始模型的期望输出，训练得到人体骨骼关键点检测模型。

在本实施例的一些可选的实现方式中，对于第二训练样本集合包括的训练样本，该训练样本包括的样本组合图像通过如下步骤得到：获取预设的与该训练样本对应的样本人体图像；将所获取的样本人体图像输入人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；将所得到的人体骨骼关键点连线图像与所获取的样本图像组合，得到样本组合图像。

在本实施例的一些可选的实现方式中，该装置600还可以包括：第三生成单元(图中未示出)，被配置成基于人体骨骼关键点信息，生成用于表征目标人体图像指示的人体的姿态的人体姿态信息。

在本实施例的一些可选的实现方式中，该装置600还可以包括：输出单元(图中未示出)，被配置成根据人体姿态信息，输出用于控制目标设备进行目标操作的控制信号。

在本实施例的一些可选的实现方式中，人体骨骼关键点连线模型和人体骨骼关键点检测模型分别为利用如下至少一种网络预先训练得到的模型：Hourglass网络、ResNet网络。

本公开的上述实施例提供的装置，通过将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像，再将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像，然后将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息。从而利用得到的人体骨骼关键点连线图像，使得人体骨骼关键点检测模型可以根据人体骨骼关键点之间的连线，确定各个人体骨骼关键点之间的位置关系，根据该位置关系提高生成人体骨骼关键点信息的准确性，有利于提高电子设备检测人体姿态的准确性。

下面参考图7，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)700的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如存储芯片、磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开的实施例中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标人体图像；将目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；将人体骨骼关键点连线图像和目标人体图像组合，得到组合后图像；将组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息，其中，人体骨骼关键点信息用于表征目标人体图像中的人体骨骼关键点在目标人体图像中的位置。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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、或代码的一部分，该模块、程序段、或代码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。也应当注意，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，两个接连地表示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操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。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一生成单元、组合单元和第二生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标人体图像的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (18)

1.一种用于处理人体图像的方法，包括：

获取目标人体图像；

将所述目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；

将所述人体骨骼关键点连线图像和所述目标人体图像组合，得到组合后图像；

将所述组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息，其中，所述人体骨骼关键点信息用于表征所述目标人体图像中的人体骨骼关键点在所述目标人体图像中的位置。

2.根据权利要求1所述的方法，其中，所述人体骨骼关键点连线图像为单通道的二值化图像；以及

所述将所述人体骨骼关键点连线图像和所述目标人体图像组合，得到组合后图像，包括：

将所述人体骨骼关键点连线图像包括的通道和目标人体图像包括的通道合并，生成组合后图像。

3.根据权利要求1所述的方法，其中，所述人体骨骼关键点连线模型预先通过如下步骤训练得到：

获取第一训练样本集合，其中，第一训练样本包括样本人体图像和预先针对样本人体图像生成的样本人体骨骼关键点连线图像；

利用机器学习方法，将所述第一训练样本集合中的第一训练样本包括的样本人体图像作为第一初始模型的输入，将与输入的样本人体图像对应的人体骨骼关键点连线图像作为第一初始模型的期望输出，训练得到人体骨骼关键点连线模型。

4.根据权利要求1所述的方法，其中，所述人体骨骼关键点检测模型预先通过如下步骤训练得到：

获取第二训练样本集合，其中，第二训练样本包括预先生成的样本组合图像和预先针对样本组合图像标注的样本人体骨骼关键点信息；

利用机器学习方法，将所述第二训练样本集合中的第二训练样本包括的样本组合图像作为第二初始模型的输入，将与输入的样本组合图像对应的样本人体骨骼关键点信息作为第二初始模型的期望输出，训练得到人体骨骼关键点检测模型。

5.根据权利要求4所述的方法，其中，对于所述第二训练样本集合包括的训练样本，该训练样本包括的样本组合图像通过如下步骤得到：

获取预设的与该训练样本对应的样本人体图像；

将所获取的样本人体图像输入所述人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；

将所得到的人体骨骼关键点连线图像与所获取的样本图像组合，得到样本组合图像。

6.根据权利要求1-5之一所述的方法，其中，所述方法还包括：

基于所述人体骨骼关键点信息，生成用于表征所述目标人体图像指示的人体的姿态的人体姿态信息。

7.根据权利要求6所述的方法，其中，所述方法还包括：

根据所述人体姿态信息，输出用于控制目标设备进行目标操作的控制信号。

8.根据权利要求1-5之一所述的方法，其中，所述人体骨骼关键点连线模型和所述人体骨骼关键点检测模型分别为利用如下至少一种网络预先训练得到的模型：Hourglass网络、ResNet网络。

9.一种用于处理人体图像的装置，包括：

获取单元，被配置成获取目标人体图像；

第一生成单元，被配置成将所述目标人体图像输入预先训练的人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；

组合单元，被配置成将所述人体骨骼关键点连线图像和所述目标人体图像组合，得到组合后图像；

第二生成单元，被配置成将所述组合后图像输入预先训练的人体骨骼关键点检测模型，得到人体骨骼关键点信息，其中，所述人体骨骼关键点信息用于表征所述目标人体图像中的人体骨骼关键点在所述目标人体图像中的位置。

10.根据权利要求9所述的装置，其中，所述人体骨骼关键点连线图像为单通道的二值化图像；以及

所述组合单元进一步被配置成：

将所述人体骨骼关键点连线图像包括的通道和目标人体图像包括的通道合并，生成组合后图像。

11.根据权利要求9所述的装置，其中，所述人体骨骼关键点连线模型预先通过如下步骤训练得到：

获取第一训练样本集合，其中，第一训练样本包括样本人体图像和预先针对样本人体图像生成的样本人体骨骼关键点连线图像；

利用机器学习方法，将所述第一训练样本集合中的第一训练样本包括的样本人体图像作为第一初始模型的输入，将与输入的样本人体图像对应的人体骨骼关键点连线图像作为第一初始模型的期望输出，训练得到人体骨骼关键点连线模型。

12.根据权利要求9所述的装置，其中，所述人体骨骼关键点检测模型预先通过如下步骤训练得到：

获取第二训练样本集合，其中，第二训练样本包括预先生成的样本组合图像和预先针对样本组合图像标注的样本人体骨骼关键点信息；

利用机器学习方法，将所述第二训练样本集合中的第二训练样本包括的样本组合图像作为第二初始模型的输入，将与输入的样本组合图像对应的样本人体骨骼关键点信息作为第二初始模型的期望输出，训练得到人体骨骼关键点检测模型。

13.根据权利要求12所述的装置，其中，对于所述第二训练样本集合包括的训练样本，该训练样本包括的样本组合图像通过如下步骤得到：

获取预设的与该训练样本对应的样本人体图像；

将所获取的样本人体图像输入所述人体骨骼关键点连线模型，得到人体骨骼关键点连线图像；

将所得到的人体骨骼关键点连线图像与所获取的样本图像组合，得到样本组合图像。

14.根据权利要求9-13之一所述的装置，其中，所述装置还包括：

第三生成单元，被配置成基于所述人体骨骼关键点信息，生成用于表征所述目标人体图像指示的人体的姿态的人体姿态信息。

15.根据权利要求14所述的装置，其中，所述装置还包括：

输出单元，被配置成根据所述人体姿态信息，输出用于控制目标设备进行目标操作的控制信号。

16.根据权利要求9-13之一所述的装置，其中，所述人体骨骼关键点连线模型和所述人体骨骼关键点检测模型分别为利用如下至少一种网络预先训练得到的模型：Hourglass网络、ResNet网络。

17.一种电子设备，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，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

18.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。