CN111783626A - 图像识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开实施例提供的图像识别方法、装置、电子设备及存储介质，通过获取的待识别图像的图像数据；将待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域；输出包括图像区域的图像识别结果。本公开不再依赖于对图像像素进行检测以确定图像识别结果，而是通过利用人体关键点的热力图以及手部距离图，确定并输出包括手部包围矩形所在的图像区域的图像识别结果，对于各类图像中的手部的图像识别均有着很好的适应性，且由于利用了卷积神经网络模型进行识别处理，也能够对于识别的准确率进行有效保证。

Description

图像识别方法、装置、电子设备及存储介质

技术领域

本公开实施例涉及图像处理领域，尤其涉及一种图像识别方法、装置、电子设备及存储介质。

背景技术

对图像进行物体类型识别是图像跟踪技术中必不可缺的环节。

相关技术中，对于图像中物体的识别，一般可基于像素检测技术实现。通过对于像素进行聚类，并判断每一聚类像素所归属的物体，进而可确定每个物体在图像中的图像位置。

但是，在利用相似检测技术对于手部进行识别或手部跟踪的过程中，发明人发现其实现方式至少存在以下缺陷：在手部距离图像采集点较远的场景下，手部在图像中所占的像素数较少，这使得在对图像中的像素进行聚类时，手部的像素容易被聚类到其他物体的聚类中，导致在图像中无法确定手部的图像位置的问题，影响其图像位置在后续定位中的使用。

发明内容

针对上述问题，本公开实施例提供了一种图像识别方法、装置、电子设备及存储介质。

第一方面，本公开实施例提供一种图像识别方法，包括：

获取的待识别图像的图像数据；

将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测包围矩形上每一条边到手部预测中心点的距离；

根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域；

输出包括所述图像区域的图像识别结果。

第二方面，本公开实施例提供一种图像识别装置，包括：

获取模块，用于获取的待识别图像的图像数据；

识别模块，用于将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测包围矩形上每一条边到手部预测中心点的距离；

定位模块，用于根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域；

输出模块，用于输出包括所述图像区域的图像识别结果。

第三方面，本公开实施例提供一种电子设备，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的涉及所述的图像识别方法。

第四方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的涉及所述的图像识别方法。

本公开实施例提供的图像识别方法、装置、电子设备及存储介质，通过获取的待识别图像的图像数据；将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测矩形上每一个点到手部预测中心点的距离；根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域；输出包括所述图像区域的图像识别结果。本公开不再依赖于对图像像素进行检测以确定图像识别结果，而是通过利用人体关键点的热力图以及手部距离图，确定并输出包括手部包围矩形所在的图像区域的图像识别结果，对于各类图像中的手部的图像识别均有着很好的适应性，且由于利用了卷积神经网络模型进行识别处理，也能够对于识别的准确率进行有效保证。

附图说明

为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例所基于的一种网络架构的示意图；

图2为本公开实施例提供的一种图像识别方法的流程示意图；

图3为本公开实施例提供的一种图像识别方法中的图像识别结果输出界面示意图；

图4为本公开实施例提供的另一种图像识别方法的流程示意图；

图5为本公开实施例提供的图像识别装置的结构框图；

图6为本公开实施例提供的电子设备的硬件结构示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本公开一部分实施例，而不是全部的实施例。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。

由于科技的发展，图像在生活中的应用频率和规模不断提高，对于图像的处理需求也不断增强。对图像进行物体类型识别是图像跟踪技术中必不可缺的环节。随着机器学习算法的发展，利用神经网络模型对图像中出现的手部进行自动识别成为可能。

现有技术中，对相关技术中，对于图像中物体的识别，一般可基于像素检测技术实现。通过对于像素进行聚类，并判断每一聚类像素所归属的物体，进而可确定每个物体在图像中的图像位置。

但是，在利用相似检测技术对于手部进行识别或手部跟踪的过程中，发明人发现其实现方式至少存在以下缺陷：在手部距离图像采集点较远的场景下，手部在图像中所占的像素数较少，这使得在对图像中的像素进行聚类时，手部的像素容易被聚类到其他物体的聚类中，导致在图像中无法确定手部的图像位置的问题，影响其图像位置在后续定位中的使用。

针对上述问题，本公开提供了一种图像识别方法、装置、电子设备及存储介质。

参考图1，图1为本公开所基于的一种网络架构的示意图，该图1所示网络架构具体可包括图像识别装置2以及终端1。

其中，终端1具体可为用户手机、台式电脑、智能家居设备、平板电脑等可用于采集图像的硬件设备，而图像识别装置2是可与各终端1通过网络进行交互的硬件或软件，其可用于执行下述各示例中所述的图像识别方法，并将从各终端1获得的图像数据进行图像识别，以得到图像识别结果并进行输出，其中，该输出的对象可为各终端1，也可为其他硬件或软件，如下游被控设备、下游智能家电等。

在上述图1所示的网络架构中，当图像识别装置1为硬件时，其可包括具备运算功能的云端服务器；当图像识别装置1为软件时，其可以安装在具备运算功能的电子设备中，其中的电子设备包括但不限于膝上型便携计算机和台式计算机等等。

也就是说，本公开所基于的图像识别方法具体可基于如图1所示的实施例中，适用于多种应用场景，该应用场景包括但不限于：基于人手的目标追踪场景、基于手势的设备控制场景、基于手势的人机游戏互动场景等。

在人手的目标追踪场景中，终端1可为包括有摄像头、图像雷达采集设备等硬件的追踪设备，在图像识别装置获得图像识别结果之后，将图像识别结果返回至追踪设备，以供追踪设备将图像以及图像识别结果一并呈现给用户。

在基于手势的设备控制场景中，为了准确采集到用户的手势，首先需要对用户手部进行图像定位，即通过图像识别装置对采集的图像数据进行处理，获得图像识别结果，随后，控制设备将基于图像识别结果对其中的手部的图像进行进一步分析，得到手势呈现的控制指令，以基于控制指令控制被控设备。

类似的，在基于手势的人机游戏互动场景中，为了准确采集到用户的手势，首先需要对用户手部进行图像定位，即通过图像识别装置对采集的图像数据进行处理，获得图像识别结果，随后，游戏设备将基于图像识别结果对其中的手部的图像进行进一步分析，得到手势呈现的交互指令，以根据交互指令与游戏进程进行相应交互，向用户呈现交互结果。

第一方面，参考图2，图2为本公开实施例提供的一种图像识别方法的流程示意图。本公开实施例提供的图像识别方法，包括：

步骤101、获取待识别图像的图像数据。

需要说明的是，本示例的提供的处理方法的执行主体为前述的图像识别装置，其可通过与终端进行交互，以得到终端在执行自身任务时采集得到图像。这些图像将被预处理，以成为可用于进行图像识别的待识别图像的图像数据。其中，该预处理包括但不限于对图像进行分割、去噪、矩阵化等处理。

步骤102、将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测包围矩形上每一条边到手部预测中心点的距离。

具体来说，识别装置将利用训练完毕的卷积神经网络模型对图像数据进行处理，以输出人体关键点的热力图和手部距离图。

其中的人体关键点是指构成关键部分，其一般可用于构成人体的头、五官、颈部、四肢等，其可表示为眼睛关键点、鼻子关键点、嘴关键点、颈椎关键点、头轮廓关键点、肘关键点、肩关键点、腕关键点、手部关键点、膝盖关键点、髋关键点等等。

而人体关键点的热力图则可理解为待识别图像中每一人体关键点在图像中的位置分布概率；可理解的是，卷积神经网络模型可对图像数据进行处理，以分析获得各人体关键点在图像中的位置分布概率，并基于该位置分布概率得到人体关键点的热力图。

而手部距离图用于表示手部预测包围矩形上每一条边到手部预测中心点的距离。其中，手部包围矩形是指图像中能够将手部包围起来的最小矩形框。而手部预测包围矩形是指由卷积神经网络模型对图像进行预测得到的能够将手部包围起来的最小矩形框。

具体来说，通过卷积神经网络模型还可对手部在图像中的覆盖范围进行预测，而预测的手部覆盖范围可作为该步骤中的手部预测包围矩形，而该矩形边缘上的每一条边到其矩形中心点的距离将构成手部距离图。换句话说，手部距离图是预测的手部预测包围矩形上的每一条边到预测的手部预测中心点之间的距离集合。

步骤103、根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域。

步骤104、输出包括所述图像区域的图像识别结果。

在本公开提供的实施例中通过利用人体关键点的热力图和手部距离图可确定得到待识别图像中手部包围矩阵所在的图像区域。

具体来说，识别装置可先根据所述人体关键点的热力图，确定手部中心关键点在待识别图像中的图像坐标。然后，根据手部中心关键点的图像坐标以及手部距离图，确定所述手部包围矩形在所述待识别图像中的图像坐标，得到所述手部包围矩形所在的图像区域。

如前所述的，人体关键点的热力图表示了待识别图像中每一人体关键点在图像中的位置分布概率。针对每一人体关键点来说，其对应的热力图中的位置分布概率一般呈现高斯概率分布。概率值较大的位置则位于高斯概率分布的中心位置，也就是说，高斯概率分布的中心点为人体关键点的概率是最大的。因此，可利用该特性，根据人体关键点热力图，确定热力图中的手部中心关键点的高斯概率分布中概率值最大的点的图像坐标，以作为手部中心关键点的图像坐标。

然后，识别装置将根据所述手部中心关键点的图像坐标以及手部距离图，确定所述手部包围矩形在所述待识别图像中的图像坐标。具体来说，如前所述的手部距离图是指手部预测包围矩形上每一条边到手部预测中心点的距离，其可理解为距离集合。因此，在处理时，识别装置可根据手部距离图中的手部包围矩形上每一条边到手部中心关键点的各距离，确定手部中心关键点到手部包围矩形的每条矩形四条边的距离。然后，根据手部中心关键点的图像坐标,以及所述手部中心关键点到手部包围矩形的每条矩形四条边的各距离，确定所述手部包围矩形在所述待识别图像中的图像坐标，即以手部中心关键点的图像坐标为手部包围矩形的中心，距离图中的各距离作为手部中心关键点到手部包围矩形的每条矩形四条边的距离，构建手部包围矩形，并确定其在待识别图像中的图像坐标。

该手部包围矩形的图像坐标所形成的图像区域，则可作为图像识别结果进行输出。

图3为本公开实施例提供的一种图像识别方法中的图像识别结果输出界面示意图，如图3所示的，当得到手部包围矩形的图像坐标之后，将手部包围矩形的图像坐标所形成的图像区域，则可作为图像识别结果进行输出。

本公开实施例提供的图像识别方法，通过获取的待识别图像的图像数据；将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测矩形上每一个点到手部预测中心点的距离；根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域；输出包括所述图像区域的图像识别结果。本公开不再依赖于对图像像素进行检测以确定图像识别结果，而是通过利用人体关键点的热力图以及手部距离图，确定并输出包括手部包围矩形所在的图像区域的图像识别结果，对于各类图像中的手部的图像识别均有着很好的适应性，且由于利用了卷积神经网络模型进行识别处理，也能够对于识别的准确率进行有效保证。

在上述实施例的基础上，图4为本公开实施例提供的另一种图像识别方法的流程示意图，如图4所示的，该方法还包括：

步骤201、建立待训练的卷积神经网络模型，获得训练样本图像，其中，所训练样本图像包括样本图像数据，对所述训练样本图像进行标注获得的人体关键点和手部包围矩形。

步骤202、将所述训练样本图像中的样本图像数据作为待训练的卷积神经网络模型的输入，将标注获得的人体关键点所形成的人体关键点的热力图以及标注获得的手部包围矩形作为训练目标，对所述待训练的卷积神经网络模型进行训练，获得所述训练完毕的卷积神经网络模型。

步骤203、获取的待识别图像的图像数据。

步骤204、将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测包围矩形上每一条边到手部预测中心点的距离。

步骤205、根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域。

步骤206、输出包括所述图像区域的图像识别结果。

与前述实施例不同的是，在本实施例中，还包括有对于卷积神经网络模型进行训练的过程。

具体来说，首先，可建立待训练的卷积神经网络模型，其中卷积神经网络模型具体可基于机器学习算法，其具体架构可由本领域技术人员自行设置。

此外，还需要获取一定数量的训练样本图像，该训练样本图像包括：样本图像数据，以及对样本图像数据进行的标注信息。其中，标注信息具体可由技术人员标定得到，也可采用现有的自动标定技术对图像数据进行标定处理获得。标注信息具体可为样本图像数据对应的人体关键点和手部包围矩形。

随后，将所述训练样本图像中的样本图像数据作为待训练的卷积神经网络模型的输入，将标注获得的人体关键点所形成的人体关键点的热力图以及标注获得的手部包围矩形作为训练目标，对所述待训练的卷积神经网络模型进行训练。其具体训练过程所采用的训练算法包括但不限于基于MSE损失的算法或基于IOU的损失算法。

需要说明的是，对于训练过程来说，还需要对于标注获得的人体关键点进行进一步处理，以得到可用于作为训练目标的人体关键点的热力图。其中，在标注时，可获得人体关键点的具体的点位置，而在确定其相应的热力图时，可根据点位置生成位置和概率的矩阵，并将该标注的点位置对应的概率置为1，其他位置的概率置为0，从而得到仅有标注的点位置的概率为1，而其他位置概率为0的热力图。该热力图将用于作为待训练的卷积神经网络的训练目标。

通过上述的训练可获得训练完毕的卷积神经网络模型。

然后，可执行步骤203-206，以实现利用人训练完毕的卷积神经网络模型对待识别图像的图像数据进行识别处理，得到图像识别结果，其具体可参见前述的步骤101-步骤104，本实施例在此不进行赘述。

在前述实施例的基础上，本实施例还包括有建立和训练卷积神经网络模型的过程，通过对于卷积神经网络进行有效训练，能够使得其输出较为准确的结果，进一步提高基于其输出结果而确定得到的图像识别结果的准确性。

对应于上文实施例的图像识别方法，图5为本公开实施例提供的图像识别装置的结构框图。为了便于说明，仅示出了与本公开实施例相关的部分。参照图5，所述图像识别装置包括：获取模块10、识别模块20、定位模块30和输出模块40。

其中，获取模块，用于获取的待识别图像的图像数据；

识别模块10，用于将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测包围矩形上每一条边到手部预测中心点的距离；

定位模块20，用于根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域；

输出模块30，用于输出包括所述图像区域的图像识别结果。

可选实施例中，所述定位模块20，具体用于：

根据所述人体关键点的热力图，确定手部中心关键点在待识别图像中的图像坐标；根据所述手部中心关键点的图像坐标以及手部距离图，确定所述手部包围矩形在所述待识别图像中的图像坐标，得到所述手部包围矩形所在的图像区域。

可选实施例中，所述定位模块20，具体用于：

根据所述人体关键点热力图中手部中心关键点的高斯概率分布中概率值最大的点的图像坐标，作为手部中心关键点的图像坐标。

可选实施例中，所述定位模块20，具体用于：

根据所述手部距离图中的手部包围矩形上每一条边到手部中心关键点的各距离，确定所述手部中心关键点到手部包围矩形的每条矩形四条边的距离；

根据所述手部中心关键点的图像坐标,以及所述手部中心关键点到手部包围矩形的每条矩形四条边的各距离，确定所述手部包围矩形在所述待识别图像中的图像坐标。

可选实施例中，所述识别模块30，还用于：

建立待训练的卷积神经网络模型，获得训练样本图像，其中，所训练样本图像包括样本图像数据，对所述训练样本图像进行标注获得的人体关键点和手部包围矩形；

将所述训练样本图像中的样本图像数据作为待训练的卷积神经网络模型的输入，将标注获得的人体关键点所形成的人体关键点的热力图以及标注获得的手部包围矩形作为训练目标，对所述待训练的卷积神经网络模型进行训练，获得所述训练完毕的卷积神经网络模型。

本公开实施例提供的图像识别装置，通过获取的待识别图像的图像数据；将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测矩形上每一个点到手部预测中心点的距离；根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域；输出包括所述图像区域的图像识别结果。本公开不再依赖于对图像像素进行检测以确定图像识别结果，而是通过利用人体关键点的热力图以及手部距离图，确定并输出包括手部包围矩形所在的图像区域的图像识别结果，对于各类图像中的手部的图像识别均有着很好的适应性，且由于利用了卷积神经网络模型进行识别处理，也能够对于识别的准确率进行有效保证。

本实施例提供的电子设备，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。

参考图6，其示出了适于用来实现本公开实施例的电子设备900的结构示意图，该电子设备900可以为终端设备或服务器。其中，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、个人数字助理(Personal Digital Assistant，简称PDA)、平板电脑(Portable Android Device，简称PAD)、便携式多媒体播放器(Portable MediaPlayer，简称PMP)、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6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6所示，电子设备900可以包括图像识别装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(Read Only Memory，简称ROM)902中的程序或者从存储装置908加载到随机访问存储器(Random Access Memory，简称RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有电子设备900操作所需的各种程序和数据。图像识别装置901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

通常，以下装置可以连接至I/O接口905：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906；包括例如液晶显示器(Liquid CrystalDisplay，简称LCD)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备900，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，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909从网络上被下载和安装，或者从存储装置908被安装，或者从ROM902被安装。在该计算机程序被图像识别装置901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，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，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，使得该电子设备执行上述实施例所示的方法。

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(LocalArea Network，简称LAN)或广域网(Wide Area Network，简称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该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

以下是本公开的一些实施例。

第一方面，根据本公开的一个或多个实施例，一种图像识别方法，包括：

获取的待识别图像的图像数据；

将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测包围矩形上每一条边到手部预测中心点的距离；

根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域；

输出包括所述图像区域的图像识别结果。

在本公开提供的可选实施例中，所述根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域，包括：

根据所述人体关键点的热力图，确定手部中心关键点在待识别图像中的图像坐标；

根据所述手部中心关键点的图像坐标以及手部距离图，确定所述手部包围矩形在所述待识别图像中的图像坐标，得到所述手部包围矩形所在的图像区域。

在本公开提供的可选实施例中，所述根据所述人体关键点的热力图，确定手部中心关键点在待识别图像中的图像坐标，包括：

根据所述人体关键点热力图中手部中心关键点的高斯概率分布中概率值最大的点的图像坐标，作为手部中心关键点的图像坐标。

在本公开提供的可选实施例中，所述根据所述手部中心关键点的图像坐标以及手部距离图，确定所述手部包围矩形在所述待识别图像中的图像坐标，包括：

根据所述手部距离图中的手部包围矩形上每一条边到手部中心关键点的各距离，确定所述手部中心关键点到手部包围矩形的每条矩形四条边的距离；

根据所述手部中心关键点的图像坐标,以及所述手部中心关键点到手部包围矩形的每条矩形四条边的各距离，确定所述手部包围矩形在所述待识别图像中的图像坐标。

在本公开提供的可选实施例中，该方法还包括：

建立待训练的卷积神经网络模型，获得训练样本图像，其中，所训练样本图像包括样本图像数据，对所述训练样本图像进行标注获得的人体关键点和手部包围矩形；

将所述训练样本图像中的样本图像数据作为待训练的卷积神经网络模型的输入，将标注获得的人体关键点所形成的人体关键点的热力图以及标注获得的手部包围矩形作为训练目标，对所述待训练的卷积神经网络模型进行训练，获得所述训练完毕的卷积神经网络模型。

第二方面，根据本公开的一个或多个实施例，一种图像识别装置，包括：

获取模块，用于获取的待识别图像的图像数据；

识别模块，用于将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测包围矩形上每一条边到手部预测中心点的距离；

定位模块，用于根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域；

输出模块，用于输出包括所述图像区域的图像识别结果。

在本公开提供的可选实施例中，所述定位模块，具体用于：

根据所述人体关键点的热力图，确定手部中心关键点在待识别图像中的图像坐标；根据所述手部中心关键点的图像坐标以及手部距离图，确定所述手部包围矩形在所述待识别图像中的图像坐标，得到所述手部包围矩形所在的图像区域。

在本公开提供的可选实施例中，所述定位模块，具体用于：

根据所述人体关键点热力图中手部中心关键点的高斯概率分布中概率值最大的点的图像坐标，作为手部中心关键点的图像坐标。

在本公开提供的可选实施例中，所述定位模块，具体用于：

根据所述手部距离图中的手部包围矩形上每一条边到手部中心关键点的各距离，确定所述手部中心关键点到手部包围矩形的每条矩形四条边的距离；

根据所述手部中心关键点的图像坐标,以及所述手部中心关键点到手部包围矩形的每条矩形四条边的各距离，确定所述手部包围矩形在所述待识别图像中的图像坐标。

在本公开提供的可选实施例中，所述识别模块还用于：

建立待训练的卷积神经网络模型，获得训练样本图像，其中，所训练样本图像包括样本图像数据，对所述训练样本图像进行标注获得的人体关键点和手部包围矩形；

将所述训练样本图像中的样本图像数据作为待训练的卷积神经网络模型的输入，将标注获得的人体关键点所形成的人体关键点的热力图以及标注获得的手部包围矩形作为训练目标，对所述待训练的卷积神经网络模型进行训练，获得所述训练完毕的卷积神经网络模型。

第三方面，根据本公开的一个或多个实施例，一种电子设备，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如前任一项所述的图像识别方法。

第四方面，根据本公开的一个或多个实施例，一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如前任一项所述的图像识别方法。

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。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (12)

1.一种图像识别方法，其特征在于，包括：

获取的待识别图像的图像数据；

将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测包围矩形上每一条边到手部预测中心点的距离；

根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域；

输出包括所述图像区域的图像识别结果。

2.根据权利要求1所述的图像识别方法，其特征在于，所述根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域，包括：

根据所述人体关键点的热力图，确定手部中心关键点在待识别图像中的图像坐标；

根据所述手部中心关键点的图像坐标以及手部距离图，确定所述手部包围矩形在所述待识别图像中的图像坐标，得到所述手部包围矩形所在的图像区域。

3.根据权利要求2所述的图像识别方法，其特征在于，所述根据所述人体关键点的热力图，确定手部中心关键点在待识别图像中的图像坐标，包括：

根据所述人体关键点热力图中手部中心关键点的高斯概率分布中概率值最大的点的图像坐标，作为手部中心关键点的图像坐标。

4.根据权利要求2所述的图像识别方法，其特征在于，所述根据所述手部中心关键点的图像坐标以及手部距离图，确定所述手部包围矩形在所述待识别图像中的图像坐标，包括：

根据所述手部距离图中的手部包围矩形上每一条边到手部中心关键点的各距离，确定所述手部中心关键点到手部包围矩形的每条矩形四条边的距离；

根据所述手部中心关键点的图像坐标,以及所述手部中心关键点到手部包围矩形的每条矩形四条边的各距离，确定所述手部包围矩形在所述待识别图像中的图像坐标。

5.根据权利要求1-4任一项所述的图像识别方法，其特征在于，还包括：

建立待训练的卷积神经网络模型，获得训练样本图像，其中，所训练样本图像包括样本图像数据，对所述训练样本图像进行标注获得的人体关键点和手部包围矩形；

将所述训练样本图像中的样本图像数据作为待训练的卷积神经网络模型的输入，将标注获得的人体关键点所形成的人体关键点的热力图以及标注获得的手部包围矩形作为训练目标，对所述待训练的卷积神经网络模型进行训练，获得所述训练完毕的卷积神经网络模型。

6.一种图像识别装置，其特征在于，包括：

获取模块，用于获取的待识别图像的图像数据；

识别模块，用于将所述待识别图像的图像数据输入至卷积神经网络模型，输出待识别图像对应的人体关键点的热力图，以及手部距离图；其中，手部距离图用于表示手部预测包围矩形上每一条边到手部预测中心点的距离；

定位模块，用于根据所述人体关键点的热力图和手部距离图，确定待识别图像中手部包围矩形所在的图像区域；

输出模块，用于输出包括所述图像区域的图像识别结果。

7.根据权利要求6所述的图像识别装置，其特征在于，所述定位模块，具体用于：

根据所述人体关键点的热力图，确定手部中心关键点在待识别图像中的图像坐标；根据所述手部中心关键点的图像坐标以及手部距离图，确定所述手部包围矩形在所述待识别图像中的图像坐标，得到所述手部包围矩形所在的图像区域。

8.根据权利要求7所述的图像识别装置，其特征在于，所述定位模块，具体用于：

根据所述人体关键点热力图中手部中心关键点的高斯概率分布中概率值最大的点的图像坐标，作为手部中心关键点的图像坐标。

9.根据权利要求7所述的图像识别装置，其特征在于，所述定位模块，具体用于：

根据所述手部距离图中的手部包围矩形上每一条边到手部中心关键点的各距离，确定所述手部中心关键点到手部包围矩形的每条矩形四条边的距离；

根据所述手部中心关键点的图像坐标,以及所述手部中心关键点到手部包围矩形的每条矩形四条边的各距离，确定所述手部包围矩形在所述待识别图像中的图像坐标。

10.根据权利要求6-9任一项所述的图像识别装置，其特征在于，所述识别模块还用于：

建立待训练的卷积神经网络模型，获得训练样本图像，其中，所训练样本图像包括样本图像数据，对所述训练样本图像进行标注获得的人体关键点和手部包围矩形；

将所述训练样本图像中的样本图像数据作为待训练的卷积神经网络模型的输入，将标注获得的人体关键点所形成的人体关键点的热力图以及标注获得的手部包围矩形作为训练目标，获得所述训练完毕的卷积神经网络模型。

11.一种电子设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1-5任一项所述的图像识别方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-5任一项所述的图像识别方法。

Images