目标对象的动作识别方法、装置和电子设备
技术领域
本公开涉及目标识别以及图像处理领域,特别是涉及一种目标对象的动作识别方法、装置和电子设备。
背景技术
随着计算机技术的发展,智能终端的应用范围得到了广泛的提高,例如可以通过智能终端听音乐、玩游戏、上网聊天和拍照等。对于智能终端的拍照技术来说,其拍照像素已经达到千万像素以上,具有较高的清晰度和媲美专业相机的拍照效果。
目前在采用智能终端进行拍照时,不仅可以使用出厂时内置的拍照软件实现传统功能的拍照效果,还可以通过从网络端下载应用程序(Application,简称为:APP)来实现具有附加功能的拍照效果或者给视频加上特殊效果。在加入效果之前,有时候还会对用户的动作进行识别。
现有技术中一般可以使用多帧之间目标对象的状态变化来判断目标对象的简单动作,比如手掌的远近等,但是这样仅仅通过简单的状态的变化来判断目标对象的动作的方式无法识别一些比较复杂的动作。
发明内容
根据本公开的一个方面,提供以下技术方案:
一种目标对象的动作识别方法,包括:从图像源获取原始图像,所述原始图像中包括目标对象;从所述原始图像中识别出所述目标对象;检测所述目标对象的多个关键点;通过检测到的关键点判断所述多个关键点的可见性属性,其中所述可见性属性用于表示所述关键点是否被遮挡;根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作。
进一步的,在所述根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作之后,还包括:判断所述目标对象的动作是否为第一动作;如果所述目标对象的动作是第一动作,则使用与所述第一动作对应的第一处理对所述原始图像进行处理。
进一步的,所述从所述原始图像中识别出所述目标对象,包括:获取原始图像的当前图像帧;抽取所述图像帧中的图像特征形成特征图像;在所述特征图像中生成多个矩形框;判断每个矩形框中所包含的目标对象的图像特征的数量;将包含目标对象的图像特征数量最多的矩形框输出作为目标对象的外接框。
进一步的,所述检测所述目标对象的多个关键点,包括:将所述识别出的目标对象输入关键点检测模型;所述关键点检测模型输出每个关键点在所述原始图像上的坐标。
进一步的,所述通过检测到的关键点判断所述多个关键点的可见性属性,其中所述可见性属性用于表示所述关键点是否被遮挡,包括:将检测出多个关键点的目标对象输入可见性判断模型;可见性判断模型输出所述多个关键点中的每一个的可见性概率;将所述可见性概率与第一阈值比较并输出所述可见性属性的值。
进一步的,所述根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作,包括:获取所述多个关键点的可见性属性的组合值的参考值,其中所述参考值与特定动作对应;将所述可见性属性的组合值与所述参考值进行对比;如果所述组合值与所述参考值匹配,输出所述参考值所对应的特定动作为识别出的目标对象的动作。
进一步的,所述根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作,包括:获取所述多个关键点的可见性属性的组合值的变化参考值,其中所述组合值的变化参考值与特定动作对应;获取连续两个图像帧中的所述多个关键点的可见性属性的两个组合值;通过所述两个组合值计算组合值的变化值;将所述组合值的变化值与所述组合值的变化参考值进行对比;如果所述组合值的变化值与所述组合值的变化参考值匹配,输出所述变化参考值所对应的特定动作为识别出的目标对象的动作。
进一步的,所述如果所述目标对象的动作是第一动作,则使用与所述第一动作对应的第一处理对所述原始图像进行处理,包括:响应于所述目标对象的动作时第一动作,获取所述第一动作对应的第一处理及第一处理的参数;使用所述第一处理以及第一处理的参数对原始图像进行处理得到处理后的图像。
进一步的,所述第一处理为降低图像亮度,所述第一处理的参数为亮度降低的百分比,所述使用所述第一处理以及第一处理的参数对原始图像进行处理得到处理后的图像,包括:获取原始图像的每个像素在RGB颜色空间中的三通道的三个颜色分量;将所述每个像素的三个颜色分量分别减去所述百分比的颜色分量值得到处理后的每个像素的三个颜色分量值。
根据本公开的另一个方面,还提供以下技术方案:
一种目标对象的动作识别装置,包括:
原始图像获取模块,用于从图像源获取原始图像,所述原始图像中包括目标对象;目标对象识别模块,用于从所述原始图像中识别出所述目标对象;关键点检测模块,用于检测所述目标对象的多个关键点;可见性判断模块,用于通过检测到的关键点判断所述多个关键点的可见性属性,其中所述可见性属性用于表示所述关键点是否被遮挡;动作识别模块,用于根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作。
进一步的,所述装置,还包括:第一动作判断模块,用于判断所述目标对象的动作是否为第一动作;第一处理模块,用于如果所述目标对象的动作是第一动作,则使用与所述第一动作对应的第一处理对所述原始图像进行处理。
进一步的,所述目标对象识别模块,还包括:图像帧获取模块,用于获取原始图像的当前图像帧;特征抽取模块,用于抽取所述图像帧中的图像特征形成特征图像;矩形框生成模块,用于在所述特征图像中生成多个矩形框;数量判断模块,用于判断每个矩形框中所包含的目标对象的图像特征的数量;外接框输出模块,用于将包含目标对象的图像特征数量最多的矩形框输出作为目标对象的外接框。
进一步的,所述关键点检测模块,还包括:第一输入模块,用于将所述识别出的目标对象输入关键点检测模型;第一输出模块,用于所述关键点检测模型输出每个关键点在所述原始图像上的坐标。
进一步的,所述可见性判断模块,还包括:第二输入模块,用于将检测出多个关键点的目标对象输入可见性判断模型;可见性概率判断模块,用于可见性判断模型输出所述多个关键点中的每一个的可见性概率;第二输出模块,用于将所述可见性概率与第一阈值比较并输出所述可见性属性的值。
进一步的,所述动作识别模块,还包括:参考值获取模块,用于获取所述多个关键点的可见性属性的组合值的参考值,其中所述参考值与特定动作对应;参考值对比模块,用于将所述可见性属性的组合值与所述参考值进行对比;第一识别模块,用于如果所述组合值与所述参考值匹配,输出所述参考值所对应的特定动作为识别出的目标对象的动作。
进一步的,所述动作识别模块,还包括:变化参考值获取模块,用于获取所述多个关键点的可见性属性的组合值的变化参考值,其中所述组合值的变化参考值与特定动作对应;组合值获取模块,用于获取连续两个图像帧中的所述多个关键点的可见性属性的两个组合值;变化值计算模块,用于通过所述两个组合值计算组合值的变化值;变化参考值对比模块,用于将所述组合值的变化值与所述组合值的变化参考值进行对比;第二识别模块,用于如果所述组合值的变化值与所述组合值的变化参考值匹配,输出所述变化参考值所对应的特定动作为识别出的目标对象的动作。
进一步的,所述第一处理模块,还包括:第一处理及参数获取模块,用于响应于所述目标对象的动作时第一动作,获取所述第一动作对应的第一处理及第一处理的参数;第一处理子模块,用于使用所述第一处理以及第一处理的参数对原始图像进行处理得到处理后的图像。
进一步的,所述第一处理为降低图像亮度,所述第一处理的参数为亮度降低的百分比,所述第一处理子模块,包括:颜色获取模块,用于获取原始图像的每个像素在RGB颜色空间中的三通道的三个颜色分量;亮度处理模块,用于将所述每个像素的三个颜色分量分别减去所述百分比的颜色分量值得到处理后的每个像素的三个颜色分量值。
根据本公开的又一个方面,还提供以下技术方案:
一种电子设备,包括:存储器,用于存储非暂时性计算机可读指令;以及处理器,用于运行所述计算机可读指令,使得所述处理器执行时实现上述任一目标对象的动作识别方法所述的步骤。
根据本公开的又一个方面,还提供以下技术方案:
一种计算机可读存储介质,用于存储非暂时性计算机可读指令,当所述非暂时性计算机可读指令由计算机执行时,使得所述计算机执行上述任一方法中所述的步骤。
本公开公开了一种目标对象的动作识别方法、装置和电子设备。其中,所述目标对象的动作识别方法包括:从图像源获取原始图像,所述原始图像中包括目标对象;从所述原始图像中识别出所述目标对象;检测所述目标对象的多个关键点;通过检测到的关键点判断所述多个关键点的可见性属性,其中所述可见性属性用于表示所述关键点是否被遮挡;根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作。本公开通关键点的可见性来判断目标对象的动作,解决了现有技术中的对复杂动作识别不准确的技术问题。
上述说明仅是本公开技术方案的概述,为了能更清楚了解本公开的技术手段,而可依照说明书的内容予以实施,并且为让本公开的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1为根据本公开一个实施例的目标对象的动作识别方法的流程示意图;
图2为根据本公开一个实施例的目标对象的动作识别方法的步骤S102进一步的流程示意图;
图3为根据本公开一个实施例的目标对象的动作识别方法的步骤S103进一步的流程示意图;
图4为根据本公开一个实施例的目标对象的动作识别方法的步骤S104进一步的流程示意图;
图5为根据本公开一个实施例的目标对象的动作识别方法的步骤S105进一步的流程示意图;
图6为根据本公开一个实施例的目标对象的动作识别方法的步骤S105进一步的流程示意图;
图7为根据本公开一个实施例的目标对象的动作识别装置的结构示意图;
图8为根据本公开实施例提供的电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种目标对象的动作识别方法。本实施例提供的所述目标对象的动作识别方法可以由一计算装置来执行,所述计算装置可以实现为软件,或者实现为软件和硬件的组合,所述计算装置可以集成设置在服务器、终端设备等中。如图1所示,所述目标对象的动作识别方法主要包括如下步骤S101至步骤S105。其中:
步骤S101:从图像源获取原始图像,所述原始图像中包括目标对象;
在本公开中,所述图像源为本地存储空间或者网络存储空间,所述从图像源获取原始图像,包括从本地存储空间中获取原始图像或者从网络存储空间中获取原始图像,无论从哪里获取原始图像,首选需要获取原始图像的存储地址,之后从该存储地址获取原始图像,所述原始图像包括多帧图像,所述原始图像可以是视频也可以是带有动态效果的图片,只要是带有多帧的图像均可以是本公开中的原始图像。
在本公开中,所述图像源可以是图像传感器,所述从图像源获取原始图像,包括从图像传感器中采集原始图像。所述图像传感器指可以采集图像的各种设备,典型的图像传感器为摄像机、摄像头、相机等。在该实施例中,所述图像传感器可以是移动终端上的摄像头,比如智能手机上的前置或者后置摄像头,摄像头采集的原始图像可以直接显示在手机的显示屏上,在该步骤中,获取图像传感器所拍摄的视频,用于在下一步进一步识别图像中的目标对象。
在本公开中,所述原始图像中包括目标对象,所述目标对象可以是一个或者多个特定的对象,比如人手、人脸、人体、各种动物等等。
在一个典型的应用中,用户使用移动终端的摄像头拍摄自己的人体图像,移动终端将拍摄到的图像显示在移动终端的显示装置上,此时用户可以在摄像头前做出各种动作,移动终端通过摄像头采集到的人体图像中的人手姿态进行检测。对目标对象的识别和检测将在下边的几个步骤中描述,在此不再赘述。
步骤S102:从所述原始图像中识别出所述目标对象;
如图2所示,在本公开中,所述从所述原始图像中识别出所述目标对象,可以包括以下步骤:
步骤S201:获取原始图像的当前图像帧;
步骤S202:抽取所述图像帧中的图像特征形成特征图像;
步骤S203:在所述特征图像中生成多个矩形框;
步骤S204:判断每个矩形框中所包含的目标对象的图像特征的数量;
步骤S205:将包含目标对象的图像特征数量最多的矩形框输出作为目标对象的外接框。
其中在步骤S201中,获取原始图像的当前图像帧,图像帧实质上就是一张图片,如在一般的视频图像中,一秒钟的视频图像可以包括30帧,也就是每33ms获取一张图片,所述的当前图像帧就是当前时刻视频图像播放时间点上的图片。
在步骤S202中,从所述图像帧中抽取出图像特征形成特征图像,其中抽取图像特征可以使用卷积的方式,使用实现设置好的卷积核对图像帧上的像素进行提取和计算,形成特征图像,如一个10*10的视频帧通过3*3的卷积核以步长为1进行特征提取,可以生成一个8*8的特征图像。可以理解的,可以对图像帧进行多层卷积核进行卷积,以生成更小的特征图像,也可以使用多个卷积核生成不同的特征图像,也可以将两种方式结合起来生生更小更多的特征图像,最终可以将这些特征图像融合在一起,生成一张特征图像。可以理解的是,特征图像的生成方法可以使用上述任一种或多种的组合,在此不做限制。
在步骤S203中,在所述特征图像中生成多个矩形框,用来框取所述目标对象的特征。具体的,可以将特征图像划分为多个矩形区域,每个矩形区域包括一个中心点,生成多个预设大小的矩形框来围绕所述中心点,其中所述矩形框的中心点与所述矩形区域的中心点重合,由此可以生成多个围绕所述矩形区域或者被所述矩形区域围绕的矩形。
在步骤S204中,判断在步骤S203中所生成的矩形中,包含目标对象的图像特征的数量。具体的,该数量可以使用该矩形中包括所目标对象的置信度来表示,置信度越高,该矩形中包括目标对象的图像特征的数量越多。
在步骤S205中,输出包括目标对象的图像特征的数量最多的矩形框作为目标对象的外接框。在步骤S204中,有可能包含很多置信度类似的矩形框,在步骤S205中可以以置信度排序,如置信度从1到0.5的矩形框,按置信度从大到小排序,舍弃置信度低于0.5的矩形框。之后按照顺序依次判断矩形框的重合程度,将重合程度大的矩形框去重,最终得到唯一的置信度最大的矩形框输出为目标对象的外接框。
可以理解的是,识别目标对象的方法有很多,对于不同的目标对象还可以进行进一步的优化,这不在本公开的讨论范围内,不再赘述,只要是可以从原始图像中识别出目标对象的方法,均可以应用于本公开中。
步骤S103:检测所述目标对象的多个关键点;
如图3所示,在本公开中,所述检测所述目标对象的多个关键点,可以包括:
步骤S301:将所述识别出的目标对象输入关键点检测模型;
步骤S302:所述关键点检测模型输出每个关键点在所述原始图像上的坐标。
在上述步骤中,所述关键点检测模型为预选训练的用于检测关键点的模型,训练所述关键点检测模型需要使用多个标注了关键点的目标对象的图像作为训练图集,典型的,所述目标对象为人手,所述关键点为编号0-21的22个关键点,此时将图片中的人手上的22个关键点标注出来作为训练图集并输入模型中,将模型的预测关键点的坐标与训练图集上关键点的坐标进行对比,并将这两者的误差反馈给关键点检测模型,关键点检测模型根据误差调整模型参数之后继续使用训练图集中图片进行预测,直至对训练图集中的每个图片都能准确预测出与标注的关键点相同的坐标为止。将步骤S102中所识别出来的目标对象输入上述训练好的关键点检测模型,所述关键点检测模型输出每个编号的关键点在原始图像上的坐标。为了加快检测的速度,此处输入的目标对象可以是步骤S102中的外接框内的目标对象图像,这样图像较小,识别的速度较快,由于外接框的大小和中心点在输出时为已知的数值,这样可以根据外接框的位置和大小计算出关键点相对于原始图像的坐标,计算方法在此不再赘述。
步骤S104:通过检测到的关键点判断所述多个关键点的可见性属性,其中所述可见性属性用于表示所述关键点是否被遮挡;
如图4所示,在本公开中,所述通过检测到的关键点判断所述多个关键点的可见性属性,可以包括以下步骤:
步骤S401:将检测出多个关键点的目标对象输入可见性判断模型;
步骤S402:可见性判断模型输出所述多个关键点中的每一个的可见性概率;
步骤S403:将所述可见性概率与第一阈值比较并输出所述可见性属性的值。
在上述步骤中,需要使用可见性判断模型,所述模型使用标注训练集合来训练,所述标注训练集合中包括了所述目标对象在各种角度、各种姿态下的图片,并且标注了目标对象中的每个关键点是否可见,即是否被遮挡。将所述标注训练集合中的图片输入所述可见性判断模型中,并将模型的输出与图片的标注进行比较,所述模型的输出为关键点可见的概率,如果概率高于一个阈值可以确定与标注相符,如果不同,则计算损失函数并将误差反馈给模型用以调整模型参数之后再次将训练集合输入并输出结果,反复调整参数直至输出结果与标注相符,模型训练完成。
使用上述可见性判断模型时,将检测出多个关键点的目标对象输入可见性判断模型,之后可见性判断模型输出所述多个关键点中的每一个的可见性概率,将该可见性概率与一预设的第一阈值进行比较,该阈值可以为0.8,即当输出的概率大于0.8时,认为该关键点可见,当输出的概率低于0.8时,认为该关键点不可见。之后将该概率通过激活函数输出,将关键点可见的值输出为1,将关键点不可见的值输出为0,这样得到一个可见性属性的值的向量,该向量为一个1*N的向量,其中N为关键点的个数,该向量中的元素的值为0或1,分别表示对应的关键点不可见和可见。
步骤S105:根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作。
如图5所示,所述根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作,可以包括如下步骤:
步骤S501:获取所述多个关键点的可见性属性的组合值的参考值,其中所述参考值与特定动作对应;
步骤S502:将所述可见性属性的组合值与所述参考值进行对比;
步骤S503:如果所述组合值与所述参考值匹配,输出所述参考值所对应的特定动作为识别出的目标对象的动作。
在上述步骤中,可以判断一个目标对象的静态动作,如一个姿势,具体的,当目标对象为人手时,可以识别出人手的一个手势。在步骤S104中,输出的可见性属性的值可以是可见性属性的组合值,也就是一个向量值。可以在配置文件中预设一个或多个目标对象的动作的可见性属性的组合值的参考值,其也可以是一个向量,如1*N的向量,在得到可见性属性的组合值之后从所述配置文件中获取所述一个或多个可见性属性的组合值的参考值,之后比较所述可见性属性的组合值与所述参考值,在本公开中,所述比较可以是比较两个向量的相似度,常用的方法可以使用皮尔逊相关系数、欧几里得距离、余弦相似度、曼哈顿距离等等判断两个向量的相似度,如果相似度高于一个预设的第二阈值,则判断所述组合值与所述参考值匹配,则输出所述参考值所对应的特定动作为识别出的目标对象的动作。至此,所述目标对象的动作就被识别出来。
如图6所示,所述根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作,还可以包括如下步骤:
步骤S601:获取所述多个关键点的可见性属性的组合值的变化参考值,其中所述组合值的变化参考值与特定动作对应;
步骤S602:获取连续两个图像帧中的所述多个关键点的可见性属性的两个组合值;
步骤S603:通过所述两个组合值计算组合值的变化值;
步骤S604:将所述组合值的变化值与所述组合值的变化参考值进行对比;
步骤S605:如果所述组合值的变化值与所述组合值的变化参考值匹配,输出所述变化参考值所对应的特定动作为识别出的目标对象的动作。
在上述步骤中,可以判断一个目标对象的动态的动作,如一个变化的动作,具体的,当目标对象为人手时,可以识别出人手的一个打响指的动作,其中打响指的动作至少需要两个手的状态才能识别。在步骤S104中,输出的可见性属性的值可以是可见性属性的组合值,也就是一个向量值。可以在配置文件中预设一个或多个目标对象的动作的可见性属性的组合值的变化参考值,其也可以是两个向量,如两个1*N的向量,分别表示目标对象在两个状态下的可见性属性的组合值的参考值。在上述步骤中,需要获取连续两个图像帧中的关键点的可见性属性的组合值,并将两个可见性属性的组合值组合成一个变化值,所述变化值可以是两个组合值首尾相连组成的一个新的向量,如两个1*N的向量组合成的1*2N的向量。此时,获取到的可见性属性的组合值的变化参考值也可以是两个1*N向量的组合向量。之后,比较组合值的变化值与所述组合值的变化参考值的相似度判断两者是否匹配,计算相似度的方法与上边相同。如果相似度高于一个预设的第三阈值,则判断所述组合值的变化值与所述变化参考值匹配,则输出所述变化参考值所对应的特定动作为识别出的目标对象的动作。至此,所述目标对象的动作就被识别出来。
可以理解的是,计算两个向量的相似度的方法有很多,本公开并不局限于上述方法,实际上根据实际需要还可以设置每个关键点在计算相似度时的权重等等,可以使用任何其他算法计算两个向量的相似度,甚至可以使用严格匹配的方式,本公开对此不做任何限制,在此也不再赘述。
进一步的,在步骤S105之后,还可以包括步骤:
判断所述目标对象的动作是否为第一动作;
如果所述目标对象的动作是第一动作,则使用与所述第一动作对应的第一处理对所述原始图像进行处理。
具体的,所述第一处理为降低图像亮度,所述第一处理的参数为亮度降低的百分比,所述使用所述第一处理以及第一处理的参数对原始图像进行处理得到处理后的图像,包括:
获取原始图像的每个像素在RGB颜色空间中的三通道的三个颜色分量;
将所述每个像素的三个颜色分量分别减去所述百分比的颜色分量值得到处理后的每个像素的三个颜色分量值。
上述步骤是对本公开目标对象的动作识别的一个具体的应用,其使用识别出的目标对象的动作触发一个图像处理操作,其图像处理操作的结果是将图像变暗。具体的,所述目标对象可以为人手,所述动作可以是打响指,第一处理为降低图像亮度,所述第一处理参数为50%,则当用于使用移动终端的摄像头拍摄视频,当视频中出现人手,并且人手被识别出做了打响指的动作,则移动终端中的屏幕中的视频的亮度被下降50%,以实现一种打响指关灯的效果。
可以理解的,基于本公开的目标对象的动作的识别方法可以实现任何特效的触发,上述打响指关灯的效果仅仅是举例,触发其他效果的方案不再赘述。
本公开公开了一种目标对象的动作识别方法、装置和电子设备。其中,所述目标对象的动作识别方法包括:从图像源获取原始图像,所述原始图像中包括目标对象;从所述原始图像中识别出所述目标对象;检测所述目标对象的多个关键点;通过检测到的关键点判断所述多个关键点的可见性属性,其中所述可见性属性用于表示所述关键点是否被遮挡;根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作。本公开通关键点的可见性来判断目标对象的动作,解决了现有技术中的对复杂动作识别不准确的技术问题。
在上文中,虽然按照上述的顺序描述了上述方法实施例中的各个步骤,本领域技术人员应清楚,本公开实施例中的步骤并不必然按照上述顺序执行,其也可以倒序、并行、交叉等其他顺序执行,而且,在上述步骤的基础上,本领域技术人员也可以再加入其他步骤,这些明显变型或等同替换的方式也应包含在本公开的保护范围之内,在此不再赘述。
下面为本公开装置实施例,本公开装置实施例可用于执行本公开方法实施例实现的步骤,为了便于说明,仅示出了与本公开实施例相关的部分,具体技术细节未揭示的,请参照本公开方法实施例。
本公开实施例提供一种图像的处理装置。所述装置可以执行上述目标对象的动作识别方法实施例中所述的步骤。如图7所示,所述装置700主要包括:原始图像获取模块701、目标对象识别模块702、关键点检测模块703、可见性判断模块704和动作识别模块705。其中,
原始图像获取模块701,用于从图像源获取原始图像,所述原始图像中包括目标对象;
目标对象识别模块702,用于从所述原始图像中识别出所述目标对象;
关键点检测模块703,用于检测所述目标对象的多个关键点;
可见性判断模块704,用于通过检测到的关键点判断所述多个关键点的可见性属性,其中所述可见性属性用于表示所述关键点是否被遮挡;
动作识别模块705,用于根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作。
进一步的,所述装置700,还包括:
第一动作判断模块,用于判断所述目标对象的动作是否为第一动作;
第一处理模块,用于如果所述目标对象的动作是第一动作,则使用与所述第一动作对应的第一处理对所述原始图像进行处理。
进一步的,所述目标对象识别模块702,还包括:
图像帧获取模块,用于获取原始图像的当前图像帧;
特征抽取模块,用于抽取所述图像帧中的图像特征形成特征图像;
矩形框生成模块,用于在所述特征图像中生成多个矩形框;
数量判断模块,用于判断每个矩形框中所包含的目标对象的图像特征的数量;
外接框输出模块,用于将包含目标对象的图像特征数量最多的矩形框输出作为目标对象的外接框。
进一步的,所述关键点检测模块703,还包括:
第一输入模块,用于将所述识别出的目标对象输入关键点检测模型;
第一输出模块,用于所述关键点检测模型输出每个关键点在所述原始图像上的坐标。
进一步的,所述可见性判断模块704,还包括:
第二输入模块,用于将检测出多个关键点的目标对象输入可见性判断模型;
可见性概率判断模块,用于可见性判断模型输出所述多个关键点中的每一个的可见性概率;
第二输出模块,用于将所述可见性概率与第一阈值比较并输出所述可见性属性的值。
进一步的,所述动作识别模块705,还包括:
参考值获取模块,用于获取所述多个关键点的可见性属性的组合值的参考值,其中所述参考值与特定动作对应;
参考值对比模块,用于将所述可见性属性的组合值与所述参考值进行对比;
第一识别模块,用于如果所述组合值与所述参考值匹配,输出所述参考值所对应的特定动作为识别出的目标对象的动作。
进一步的,所述动作识别模块705,还包括:
变化参考值获取模块,用于获取所述多个关键点的可见性属性的组合值的变化参考值,其中所述组合值的变化参考值与特定动作对应;
组合值获取模块,用于获取连续两个图像帧中的所述多个关键点的可见性属性的两个组合值;
变化值计算模块,用于通过所述两个组合值计算组合值的变化值;
变化参考值对比模块,用于将所述组合值的变化值与所述组合值的变化参考值进行对比;
第二识别模块,用于如果所述组合值的变化值与所述组合值的变化参考值匹配,输出所述变化参考值所对应的特定动作为识别出的目标对象的动作。
进一步的,所述第一处理模块,还包括:
第一处理及参数获取模块,用于响应于所述目标对象的动作时第一动作,获取所述第一动作对应的第一处理及第一处理的参数;
第一处理子模块,用于使用所述第一处理以及第一处理的参数对原始图像进行处理得到处理后的图像。
进一步的,所述第一处理为降低图像亮度,所述第一处理的参数为亮度降低的百分比,所述第一处理子模块,包括:
颜色获取模块,用于获取原始图像的每个像素在RGB颜色空间中的三通道的三个颜色分量;
亮度处理模块,用于将所述每个像素的三个颜色分量分别减去所述百分比的颜色分量值得到处理后的每个像素的三个颜色分量值。
图7所示装置可以执行图1-图6所示实施例的方法,本实施例未详细描述的部分,可参考对图1-图6所示实施例的相关说明。所述技术方案的执行过程和技术效果参见图1-图6所示实施例中的描述,在此不再赘述。
下面参考图8,其示出了适于用来实现本公开实施例的电子设备800的结构示意图。本公开实施例中的电子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8示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中,还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
通常,以下装置可以连接至I/O接口805:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置806;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807;包括例如磁带、硬盘等的存储装置808;以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800,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。
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,所述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,所述计算机程序可以通过通信装置809从网络上被下载和安装,或者从存储装置808被安装,或者从ROM 802被安装。在所述计算机程序被处理装置801执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上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存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储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。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,所述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存储介质以外的任何计算机可读介质,所述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,而未装配入所述电子设备中。
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所述电子设备执行时,使得所述电子设备:从图像源获取原始图像,所述原始图像中包括目标对象;从所述原始图像中识别出所述目标对象;检测所述目标对象的多个关键点;通过检测到的关键点判断所述多个关键点的可见性属性,其中所述可见性属性用于表示所述关键点是否被遮挡;根据所述多个关键点的可见性属性的组合值识别所述目标对象的动作。
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操作的计算机程序代码,上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,所述模块、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。其中,单元的名称在某种情况下并不构成对所述单元本身的限定。
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,本公开中所涉及的公开范围,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公开构思的情况下,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。