CN112036307A - 图像处理方法及装置、电子设备和存储介质 - Google Patents
图像处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112036307A CN112036307A CN202010898245.6A CN202010898245A CN112036307A CN 112036307 A CN112036307 A CN 112036307A CN 202010898245 A CN202010898245 A CN 202010898245A CN 112036307 A CN112036307 A CN 112036307A
- Authority
- CN
- China
- Prior art keywords
- image
- classification
- network
- target
- posture
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 33
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 230000036544 posture Effects 0.000 claims abstract description 261
- 238000000034 method Methods 0.000 claims abstract description 86
- 238000000605 extraction Methods 0.000 claims abstract description 83
- 238000013528 artificial neural network Methods 0.000 claims description 110
- 238000012545 processing Methods 0.000 claims description 73
- 230000009466 transformation Effects 0.000 claims description 67
- 238000012549 training Methods 0.000 claims description 49
- 230000015654 memory Effects 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 23
- 238000007781 pre-processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001131 transforming effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 45
- 230000006870 function Effects 0.000 description 32
- 230000002829 reductive effect Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 22
- 230000000694 effects Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000009471 action Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种图像处理方法及装置、电子设备和存储介质。所述方法包括:获取目标图像,所述目标图像包括目标对象;对所述目标图像中的目标对象进行特征提取,得到所述目标对象的特征信息;根据所述特征信息对所述目标图像进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果,其中,所述多个姿态包括站姿、坐姿以及躺姿中的至少一种。
Description
技术领域
本公开涉及计算机视觉领域,尤其涉及一种图像处理方法及装置、电子设备和存储介质。
背景技术
随着计算机视觉技术的发展,对人体进行姿势或姿态的识别已成为计算机视觉领域中一种重要的应用方式。然而如何提高人体姿态识别的效率与精度,仍是目前一个亟待解决的问题。
发明内容
本公开提出了一种图像处理方案。
根据本公开的一方面,提供了一种图像处理方法,包括:
获取目标图像,所述目标图像包括目标对象;对所述目标图像中的目标对象进行特征提取,得到所述目标对象的特征信息;根据所述特征信息对所述目标图像进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果,其中,所述多个姿态包括站姿、坐姿以及躺姿中的至少一种。
在一种可能的实现方式中,所述获取目标图像,包括:获取初始图像,所述初始图像包括目标对象;对所述初始图像进行预处理,得到所述目标图像;其中,所述预处理包括:对所述初始图像进行灰度处理,和/或,对所述初始图像进行尺寸变换。
在一种可能的实现方式中,所述对所述初始图像进行尺寸变换,包括:将所述初始图像中具有最大尺寸的边作为目标边,获取所述目标边的尺寸与预设尺寸之间的尺寸变换比例,根据所述尺寸变换比例,对所述初始图像进行尺寸变换,得到中间图像;通过预设像素,对所述中间图像在所述目标边以外的边进行填充,其中,填充后的图像符合所述预设尺寸。
在一种可能的实现方式中,所述方法通过目标神经网络实现,所述目标神经网络包括特征提取网络;所述对所述目标图像中的目标对象进行特征提取,得到所述目标对象的特征信息,包括:将所述目标图像通过所述特征提取网络进行特征提取,得到所述目标对象的特征信息;其中,所述特征提取网络的网络规模小于预设神经网络,所述网络规模包括神经网络的参数数量、神经网络的层数以及神经网络的网络层的通道数量中的至少一种。
在一种可能的实现方式中,所述方法通过目标神经网络实现,所述目标神经网络包括分类网络;所述根据所述特征信息对所述目标图像进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果,包括:将所述特征信息通过所述分类网络进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果。
在一种可能的实现方式中,所述分类网络包括变换子网络和/或分类子网络;所述根据所述特征信息对所述目标图像进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果,包括:将所述特征信息通过所述变换子网络进行维度变换,得到维度变换后的特征信息;将所述维度变换后的特征信息通过所述分类子网络进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果。
在一种可能的实现方式中,所述目标图像包括一个或多个样本图像集合,其中,所述样本图像集合中的样本图像具有相同的姿态分类标签,所述样本图像集合中的样本图像的姿态分类标签为所述样本图像集合的姿态分类标签。
在一种可能的实现方式中,在所述目标图像包括多个样本图像集合的情况下,各所述样本图像集合相互独立,各所述样本图像集合的姿态分类标签相同和/或不同;所述获取目标图像包括:分别获取所述多个样本图像集合。
在一种可能的实现方式中,所述目标图像包括多个样本图像,所述方法还包括:分别获取所述多个样本图像对应的姿态分类结果;根据所述样本图像的标签比例和/或预设的图像分类难度参考值,结合所述样本图像对应的姿态分类结果,确定所述分类网络的误差损失;根据所述分类网络的误差损失,对所述分类网络进行训练。
在一种可能的实现方式中,所述根据所述样本图像的标签比例,结合所述样本图像对应的姿态分类结果,确定所述分类网络的误差损失,包括:通过调节第一损失参数,结合所述样本图像对应的姿态分类结果,减小所述样本图像中负样本图像对应的误差损失在所述分类网络的误差损失中的权重,其中,所述负样本图像为所述多个样本图像中标签比例高于比例预设阈值的姿态分类标签所对应的样本图像。
在一种可能的实现方式中,所述根据预设的图像分类难度参考值,结合所述样本图像对应的姿态分类结果,确定所述分类网络的误差损失,包括:通过第二损失参数,结合所述样本图像对应的姿态分类结果参考值,减小所述样本图像中简单样本图像对应的误差损失在所述分类网络的误差损失中的权重,其中,所述简单样本图像为分类难度低于分类难度阈值的姿态分类标签所对应的样本图像。
在一种可能的实现方式中,所述姿态分类结果包括:所述目标对象分别属于多个姿态的概率和/或所述目标对象在多个姿态中具有最大概率的姿态。
在一种可能的实现方式中,所述躺姿包括侧躺、前趴以及后趴中的一种或多种。
根据本公开的一方面,提供了一种图像处理装置,包括:图像获取模块,用于获取目标图像,所述目标图像包括目标对象;特征提取模块,用于对所述目标图像中的目标对象进行特征提取,得到所述目标对象的特征信息;姿态分类模块,用于根据所述特征信息对所述目标图像进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果,其中,所述多个姿态包括站姿、坐姿以及躺姿中的至少一种。
在一种可能的实现方式中,所述图像获取模块用于:获取初始图像,所述初始图像包括目标对象;对所述初始图像进行预处理,得到所述目标图像;其中,所述预处理包括:对所述初始图像进行灰度处理,和/或,对所述初始图像进行尺寸变换。
在一种可能的实现方式中,所述图像获取模块进一步用于:将所述初始图像中具有最大尺寸的边作为目标边,获取所述目标边的尺寸与预设尺寸之间的尺寸变换比例,根据所述尺寸变换比例,对所述初始图像进行尺寸变换,得到中间图像;通过预设像素,对所述中间图像在所述目标边以外的边进行填充,其中,填充后的图像符合所述预设尺寸。
在一种可能的实现方式中,所述装置通过目标神经网络实现,所述目标神经网络包括特征提取网络;所述特征提取模块用于:将所述目标图像通过所述特征提取网络进行特征提取,得到所述目标对象的特征信息;其中,所述特征提取网络的网络规模小于预设神经网络,所述网络规模包括神经网络的参数数量、神经网络的层数以及神经网络的网络层的通道数量中的至少一种。
在一种可能的实现方式中,所述装置通过目标神经网络实现,所述目标神经网络包括分类网络;所述姿态分类模块用于,包括:将所述特征信息通过所述分类网络进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果。
在一种可能的实现方式中,所述分类网络包括变换子网络和/或分类子网络;所述姿态分类模块用于:将所述特征信息通过所述变换子网络进行维度变换,得到维度变换后的特征信息;将所述维度变换后的特征信息通过所述分类子网络进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果。
在一种可能的实现方式中,所述目标图像包括一个或多个样本图像集合,其中,所述样本图像集合中的样本图像具有相同的姿态分类标签,所述样本图像集合中的样本图像的姿态分类标签为所述样本图像集合的姿态分类标签。
在一种可能的实现方式中,在所述目标图像包括多个样本图像集合的情况下,各所述样本图像集合相互独立,各所述样本图像集合的姿态分类标签相同和/或不同;所述图像获取模块用于:分别获取所述多个样本图像集合。
在一种可能的实现方式中,所述目标图像包括多个样本图像,所述装置还包括训练模块,所述训练模块用于:分别获取所述多个样本图像对应的姿态分类结果;根据所述样本图像的标签比例和/或预设的图像分类难度参考值,结合所述样本图像对应的姿态分类结果,确定所述分类网络的误差损失;根据所述分类网络的误差损失,对所述分类网络进行训练。
在一种可能的实现方式中,所述训练模块进一步用于:通过调节第一损失参数,结合所述样本图像对应的姿态分类结果,减小所述样本图像中负样本图像对应的误差损失在所述分类网络的误差损失中的权重,其中,所述负样本图像为所述多个样本图像中标签比例高于比例预设阈值的姿态分类标签所对应的样本图像。
在一种可能的实现方式中,所述训练模块进一步用于:通过第二损失参数,结合所述样本图像对应的姿态分类结果参考值,减小所述样本图像中简单样本图像对应的误差损失在所述分类网络的误差损失中的权重,其中,所述简单样本图像为分类难度低于分类难度阈值的姿态分类标签所对应的样本图像。
在一种可能的实现方式中,所述姿态分类结果包括:所述目标对象分别属于多个姿态的概率和/或所述目标对象在多个姿态中具有最大概率的姿态。
在一种可能的实现方式中,所述躺姿包括侧躺、前趴以及后趴中的一种或多种。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为:执行上述图像处理方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述图像处理方法。
在本公开实施例中,通过获取包括目标对象的目标图像,对目标图像中的目标对象进行特征提取,来得到目标对象的特征信息,并根据特征信息对目标图像进行姿态分类,来得到目标对象在站姿、坐姿以及躺姿等多个姿态中的姿态分类结果。通过上述过程,可以通过特征提取和分类,来确定目标对象在站姿、坐姿以及躺姿等多个姿态中的分类结果,一方面可以减少引入目标对象关键点实现姿态分类的情况,从而降低姿态分类的计算量,提升姿态分类的速度;另一方面也可以区分目标对象的多种姿态,得到准确的姿态信息。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开一实施例的图像处理方法的流程图。
图2示出根据本公开一实施例的初始图像示意图。
图3示出根据本公开一实施例的尺寸变换图像的示意图。
图4示出根据本公开一实施例的图像处理方法的流程图。
图5示出根据本公开一实施例的图像处理装置的框图。
图6示出根据本公开一应用示例的图像处理方法示意图。
图7示出根据本公开实施例的一种电子设备的框图。
图8示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开一实施例的图像处理方法的流程图,该方法可以应用于图像处理装置或图像处理系统等,图像处理装置可以为终端设备、服务器或者其他处理设备等。其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一个示例中,该图像处理方法可以应用于云端服务器或本地服务器,云端服务器可以为公有云服务器,也可以为私有云服务器,根据实际情况灵活选择即可。
在一些可能的实现方式中,该图像处理方法也可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
如图1所示,在一种可能的实现方式中,所述图像处理方法可以包括:
步骤S11,获取目标图像,目标图像包括目标对象。
步骤S12,对目标图像中的目标对象进行特征提取,得到目标对象的特征信息。
步骤S13,根据特征信息对目标图像进行姿态分类,得到目标对象在多个姿态中的姿态分类结果,其中,多个姿态包括站姿、坐姿以及躺姿中的至少一种。
其中,目标对象可以是具有姿态分类需求的任意对象,可以根据实际情况灵活决定,不局限于下述各公开实施例。在一种可能的实现方式中,目标对象可以是具有姿态分类需求的人体;在一种可能的实现方式中,目标对象可以是需要确定姿态的动物,比如狗、猫或是动物园中处于观察状态的各类动物等;在一种可能的实现方式中,目标对象也可以是无生命体的机械设备,比如机器人或是具有位姿确定需求的机械手或机械体等。后续各公开实施例均以目标对象为人体为例进行说明,目标对象为其他对象的情况可以根据后续各公开实施例进行灵活扩展。
目标图像可以是包含目标对象的任意图像,其实现形式在本公开实施例中不做限定。在一种可能的实现方式中,目标图像可以是需要对其中包含的目标对象进行姿态分类的图像,即可以是应用于图像处理应用过程中的图像。在一种可能的实现方式中,目标图像也可以是样本图像,即目标图像中除了包含目标对象以外,还可以包含目标对象的姿态标签,在这种情况下,目标图像可以应用于图像处理的训练过程中。具体如何基于目标图像,利用上述公开实施例中提出的图像处理方法进行训练,其实现方式可以参考后续各公开实施例,在此先不做展开。
目标图像的数量在本公开实施例中不做限定,在一种可能的实现方式中,目标图像的数量可以为1,在这种情况下,本公开实施例中可以每次仅执行对单张目标图像的图像处理;在一种可能的实现方式中,目标图像的数量可以为2个以上,在这种情况下,本公开实施例中可以每次执行对多张目标图像的批量图像处理。
目标图像中包含的目标对象的数量在本公开实施例中同样不做限制,在一种可能的实现方式中,每张目标图像可以包含一个目标对象,在这种情况下,对每张目标图像可以得到该目标图像中唯一目标对象的姿态分类结果;在一种可能的实现方式中,每张目标图像可以包含多个目标对象,在这种情况下,对每张目标图像,可以同时得到该目标图像中多个目标对象的姿态分类结果,也可以分别或依次得到该目标图像中多个目标对象的姿态分类结果,根据实际情况进行灵活设定即可,在此不做限定。
步骤S11中获取目标图像的方式在本公开实施例中也不做限定,可以参考后续各公开实施例,在此先不做展开。
在通过步骤S11获取目标图像以后,可以通过步骤S12,对目标图像中的目标对象进行特征提取,从而得到目标对象的特征信息。
对目标对象进行特征提取的方式可以根据实际情况灵活选择,任何可以对图像进行特征提取的方式,均可以作为步骤S12的实现方式,在本公开实施例中不做限定。在一种可能的实现方式中,可以通过具有特征提取功能的神经网络,来实现步骤S12,具体如何实现,可以详见后续各公开实施例,在此先不做展开。
特征信息的具体信息形式可以根据特征提取的方式灵活确定,在本公开实施例中不做限定。
在通过步骤S12得到目标对象的特征信息后,可以通过步骤S13,根据特征信息对目标图像进行姿态分类,从而得到目标对象在多个姿态中的姿态分类结果。
其中,多个姿态的实现形式可以根据姿态分类的实际需求灵活决定。如上述公开实施例所述,在一种可能的实现方式中,多个姿态可以包括:站姿、坐姿以及躺姿中的一种或多种,其中,躺姿可以包括侧躺、前趴以及后趴中的一种或多种。
在一种可能的实现方式中,多个姿态的具体实现形式可以基于上述公开实施例中提到的姿态进行灵活组合确定,也可以进一步包含其他的姿态等。在一个示例中,多个姿态可以包括坐姿、站姿以及躺姿等;在一个示例中,还可以对多个姿态进行进一步细化,比如多个姿态可以包括正面坐姿、侧面坐姿、正面站姿、侧面站姿、侧面躺姿、前趴躺姿以及后仰躺姿等。
姿态分类结果的实现方式可以根据实际情况灵活决定。在一种可能的实现方式中,姿态分类结果可以包括:目标对象分别属于多个姿态的概率和/或目标对象在多个姿态中具有最大概率的姿态。即在一种可能的实现方式中,得到的姿态分类结果的形式可以是目标对象分别属于不同姿态种类的概率;在一种可能的实现方式中,得到的姿态分类结果的形式也可以是目标对象最可能属于的姿态种类,在一个示例中,目标对象最可能属于的姿态种类,可以是目标对象在多种姿态种类中,所属概率值最高的姿态种类,在一个示例中,目标对象最可能属于的姿态种类,也可以是目标对象在多种姿态种类中,所属概率值超过预设概率值的某一或某多个姿态种类等。其中,预设概率值的数值可以根据实际情况灵活设定,在本公开实施例中不做限定。
通过不同形式和不同种类的姿态分类结果,可以根据实际需求,提升最终得到的姿态分类结果的灵活性。
具体如何根据特征信息,来对目标图像进行姿态分类,其分类方式可以根据实际情况灵活决定,在本公开实施例中不做限定。在一种可能的实现方式中,可以利用特征信息进行计算,来进一步确定目标图像中目标对象的姿态分类结果;在一种可能的实现方式中,也可以将特征信息通过具有分类功能的神经网络或是神经网络中的分类层,来实现对目标图像的姿态分类。随着分类方式的不同,步骤S13中根据特征信息对目标图像进行姿态分类,得到目标对象的姿态分类结果的过程,也可能随之灵活发生变化,因此,步骤S13的具体实现形式同样可以参考后续各公开实施例,在此先不做展开。
在本公开实施例中,通过获取包括目标对象的目标图像,对目标图像中的目标对象进行特征提取,来得到目标对象的特征信息,并根据特征信息对目标图像进行姿态分类,来得到目标对象在站姿、坐姿以及躺姿等多个姿态中的姿态分类结果。通过上述过程,可以通过特征提取和分类,来确定目标对象在站姿、坐姿以及躺姿等多个姿态中的分类结果,一方面可以减少引入目标对象关键点实现姿态分类的情况,从而降低姿态分类的计算量,提升姿态分类的速度;另一方面也可以区分目标对象的多种姿态,得到准确的姿态信息。
如上述各公开实施例所述,步骤S11中,获取目标图像的方式可以根据实际情况灵活变化。在一种可能的实现方式中,可以通过直接接收输入的目标图像的方式,来获取目标图像;在一种可能的实现方式中,也可以通过读取存储在数据库或任意存储位置的目标图像的方式,来获取目标图像。在一种可能的实现方式中,步骤S11也可以包括:
步骤S111,获取初始图像,初始图像包括目标对象;
步骤S112,对初始图像进行预处理,得到目标图像。
其中,初始图像可以是包含目标对象的任意图像,其实现形式可以参考上述公开实施例中目标图像的实现形式,在此不再赘述。在一种可能的实现方式中,获取的初始图像可以直接作为目标图像;在一种可能的实现方式中,由于步骤S12中可以对目标图像进行提取,而特征提取可能对输入的图像的尺寸或是其他参数等有相应的需求,在这种情况下,可以通过步骤S112,对获取的初始图像进行预处理,从而得到符合特征提取输入要求的目标图像。
对初始图像进行的预处理的类型可以根据特征提取过程中对输入图像的要求灵活决定,不局限于下述各公开实施例。预处理的具体过程可以参考后续各公开实施例,在此先不做展开。
通过获取包含目标对象的初始图像,并对初始图像进行预处理,来得到目标图像。通过上述过程,可以使得获取的目标图像符合特征提取对输入图像的要求,从而便于后续所执行的特征提取过程,加快图像处理的速度和便捷性。
如上述公开实施例所述,对初始图像进行预处理的实现形式可以根据实际情况灵活决定,在一种可能的实现方式中,预处理可以包括:对初始图像进行灰度处理;和/或,对初始图像进行尺寸变换。
通过上述公开实施例可以看出,在一种可能的实现方式中,预处理可以包括对初始图像的灰度处理,在这种情况下,可以将灰度处理后得到的灰度图像作为目标图像;在一种可能的实现方式中,预处理也可以包括对初始图像的尺寸变换,在这种情况下,可以将尺寸变换后的图像作为目标图像;在一种可能的实现方式中,预处理也可以同时包括对初始图像的灰度处理和尺寸变换,在这种情况下,可以将尺寸变换后的灰度图作为目标图像。需要注意的是,在预处理包括灰度处理和尺寸变换的情况下,灰度处理和尺寸变换的顺序在本公开实施例中不做限定,可以对初始图像按照一定顺序分别进行灰度处理和尺寸变换,也可以对初始图像同时进行灰度处理和尺寸变换等。
由于对目标对象的姿态分类,与目标图像中目标对象的颜色等属性的关联性较弱,因此,在一种可能的实现方式中,灰度处理可以包括对初始图像进行灰度变换,从而得到初始图像的灰度图像。通过对初始图像进行灰度变换,将得到的初始图像的灰度图像作为目标图像,可以减小后续对目标图像进行特征提取以及分类的耗时,从而进一步提升图像处理的效率。
对初始图像进行尺寸变换的具体方式也可以根据实际情况灵活决定,任何可以改变初始图像尺寸的方式,比如裁剪或是缩放等,均可以作为尺寸变换的实现方式。尺寸变换具体如何实现可以参考后续各公开实施例,在此先不做展开。
通过对初始图像进行灰度处理和/或尺寸处理来得到经过预处理的目标图像,通过上述过程,一方面可以利用灰度处理降低用于进行特征提取的目标图像的数据量,提升图像处理的速度和效率;另一方面也可以利用尺寸处理来使得待进行特征提取的目标图像具有符合尺寸要求的尺寸,从而便于对图像进行批量处理,进一步提升图像处理效率。
如上述公开实施例所述,尺寸变换的方式可以根据实际情况灵活决定。在一种可能的实现方式中,可以直接将目标图像按照预设尺寸的大小进行压缩或扩展,来实现尺寸变换。在一种可能的实现方式中,对初始图像进行尺寸变换,可以包括:
将初始图像中具有最大尺寸的边作为目标边,获取目标边的尺寸与预设尺寸之间的尺寸变换比例,根据尺寸变换比例,对初始图像进行尺寸变换,得到中间图像;
通过预设像素,对中间图像在目标边以外的边进行填充,其中,填充后的图像符合预设尺寸。
其中,预设尺寸可以是根据第一神经网络对图像尺寸的需求所确定的尺寸,其具体的尺寸大小可以根据实际情况灵活决定,不局限于下述各公开实施例。在一种可能的实现方式中,在目标图像为二维图像的情况下,预设尺寸的大小可以为256像素×256像素。
目标边可以是初始图像中具有最大尺寸的边,在一种可能的实现方式中,在初始图像为二维图像的情况下,目标边可以是初始图像中的长边;在一种可能的实现方式中,在初始图像为三维图像的情况下,目标边可以是初始图像的长边、宽边以及高边中,具有最大长度的一边。图2示出根据本公开一实施例的初始图像示意图,图3示出根据本公开一实施例的尺寸变换图像的示意图。如图2所示,从图中可以看出,在一个示例中,初始图像中竖边高度大于横边高度,在这种情况下,可以将初始图像的竖边作为目标边。
在确定目标边以后,可以进一步确定该目标边的预设尺寸,从而可以确定目标边的尺寸与预设尺寸之间的尺寸变换比例。在一种可能的实现方式中,可以分别获取初始图像在目标边上的第一长度,以及预设尺寸对目标边所要求的第二长度,并将第二长度与第一长度的比值,作为尺寸变换比例。举例来说,如图2与图3所示,通过上述公开示例已经可以得知,初始图像中的竖边为目标边,因此,在一个示例中,可以将初始图像的竖边的长度作为第一长度,将预设尺寸中同一边的长度(即图3中的竖边)作为第二长度,并将图3中竖边长度与图2中竖边长度的比值作为尺寸变换比例。
基于确定的尺寸变换比例,可以对初始图像进行尺寸变换。在一种可能的实现方式中,基于尺寸变换比例对初始图像进行的尺寸变换,可以是在不改变初始图像原有各边之间的尺寸比例的情况下,进行的尺寸变换。举例来说,如图2与图3所示,为了不改变初始图像中横边与竖边之间的比例,在一个示例中,可以将初始图像的竖边按照尺寸变换比例进行变换的同时,将初始图像的横边按照同样的尺寸变换比例进行变换,来得到中间图像,即图3中除去黑色阴影区域的图像。从图中可以看出,基于尺寸变换比例对初始图像进行尺寸变换,得到的中间图像,其竖边的长度与预设尺寸要求的长度一致;同时,中间图像中横边与竖边的比例,与初始图像中横边与竖边的比例一致,因此中间图像中的目标对象没有因尺寸变换的缘故发生形变。
在得到中间图像以后,由于中间图像的在目标边以外的边上的尺寸可能并未达到预设尺寸的要求,在这种情况下,可以对中间图像在目标边以外的边,通过预设像素进行填充,从而得到符合预设尺寸的填充后的图像。其中,预设像素的像素值可以根据实际情况灵活确定,不局限于下述各公开实施例。在一种可能的实现方式中,为了便于处理,可以将黑色像素所对应的0像素值填充到中间图像在目标边以外的边上,具体如何填充,同样可以根据实际情况灵活决定,不局限于下述各公开实施例。在一种可能的实现方式中,可以在目标边以外的边上,在中间图像的两侧填充等尺寸的像素值为0的黑色像素;在一种可能的实现方式中,也可以在目标边以外的边上,在中间图像的某一侧填充像素值为0的黑色像素等。举例来说,如图3所示,在一个示例中,可以在中间图像横边的左右两侧,填充相等的像素值为0的黑色像素,从而得到如图3所示的图像,在本公开示例中,填充后的图像的尺寸可以为256像素×256像素。
通过上述对初始图像进行尺寸变换,可以使得尺寸变换后的图像中目标对象的比例与初始图像中目标对象的比例一致,即不更改目标对象的身体比例,从而减小由于目标对象身体比例的变化对姿态分类的影响,在令目标图像的尺寸符合尺寸要求的同时,提升姿态分类的准确性。
如上述各公开实施例所述,在一种可能的实现方式中,可以通过神经网络来实现步骤S12中的特征提取,也可以通过神经网络来实现步骤S13中的姿态分类等。相应地,在一种可能的实现方式中,本公开实施例中提出的图像处理方法,也可以通过神经网络来实现。因此,在一种可能的实现方式中,本公开实施例中提出的图像处理方法,可以通过目标神经网络实现,目标神经网络可以包括特征提取网络,步骤S12可以包括:
将目标图像通过特征提取网络进行特征提取,得到目标对象的特征信息;其中,
特征提取网络的网络规模小于预设神经网络,网络规模包括神经网络的参数数量、神经网络的层数以及神经网络的网络层的通道数量中的至少一种。
其中,目标神经网络可以是用于图像处理过程中的神经网络,其实现形式可以根据实际情况灵活选择,不局限于下述各公开实施例。在一种可能的实现方式中,目标神经网络可以包括特征提取网络和/或分类网络,在目标神经网络包括特征提取网络的情况下,特征提取网络可以在步骤S12中实现特征提取;同理,在目标神经网络包括分类网络的情况下,分类网络可以在步骤S13中实现姿态分类。目标神经网络中的特征提取网络以及分类网络可以是具有独立结构的完整神经网络,也可以是目标神经网络中具有一定功能的一个或多个神经网络层。
特征提取网络可以是任意具有特征提取功能的神经网络,其实现形式在本公开实施例中不做限定。如上述公开实施例所述,在一种可能的实现方式中,特征提取网络的网络规模可以小于预设神经网络。
在一种可能的实现方式中,预设神经网络可以是常见的各类神经网络模型,在一种可能的实现方式中,预设神经网络可以是ResNet神经网络或是VGGNet神经网络等。由于上述预设神经网络可能还包含很多的类型,因此特征提取网络的网络规模小于何种具体的神经网络在本公开实施例中也不做限定,在一个示例中,特征提取网络的网络规模可以小于ResNet50神经网络;在一个示例中,特征提取网络的网络规模可以小于ResNet18神经网络等。
在一种可能的实现方式中,特征提取网络的网络规模小于预设神经网络,其中的网络规模具体包含哪些神经网络相关的参数,在本公开实施例中也不做限定。如上述公开实施例所述,在一种可能的实现方式中,网络规模可以包括神经网络的参数数量、神经网络的层数以及神经网络的网络层的通道数量中的至少一种。其中,神经网络的参数可以是神经网络中可以通过训练确定的权重数据或是偏置数据等,比如神经网络中滤波器中包含的unit参数或是bias参数等,相应地,神经网络的参数数量可以为神经网络中所包含的各类参数的数量;神经网络的层数可以是神经网络所包含的对数据进行处理的层(layer)的数量,具体包含哪些层可以根据神经网络的实际情况灵活决定,比如可以是卷积层、上采样层或下采样层等;神经网络的网络层的通道数量可以是神经网络中卷积核或输入数据的通道(channel)数量等。
在一种可能的实现方式中,本公开实施例中提出的特征提取网络的网络规模小于预设神经网络,可以是第一神经网络中的参数数量、层数或是通道数量中某种或某几种数据的数量小于预设神经网络;在一种可能的实现方式中,本公开实施例中提出的特征提取网络的网络规模小于预设神经网络,可以是特征提取网络的参数数量、层数和通道数量均小于预设神经网络。具体是何种情况可以根据实际情况灵活确定,不局限于下述各公开实施例。
由于本公开实施例中图像处理的目的在于对目标对象的姿态进行分类,通过减小一些神经网络浅层参数、层数以及通道数量的特征提取网络,可以减小特征提取网络对姿态分类无关的动作属性特征和颜色纹理特征等特征信息的关注度。因此,通过上述公开应用示例中的特征提取网络对目标图像进行特征提取,可以大大减小特征提取的速度。通过实验可以证明,特征提取网络对目标图像进行特征提取的耗时远小于预设神经网络,在一个示例中,特征提取网络的耗时可以达到1.5ms左右,而预设神经网络的耗时可能在120ms左右,因此,特征提取网络可以大大提升目标图像的特征提取速度。同时,在特征提取网络提升特征提取速度的同时,还可以确保后续目标对象的姿态分类结果的准确率,通过实验可以证明,在一个示例中,基于特征提取网络提取的特征信息进行姿态分类的准确率在94%左右,而预设神经网络进行姿态分类的准确率在96%左右,二者差距较小。
进一步地,基于上述具有较小网络规模的特征提取网络,也可以提升对特征提取网络的耗时和训练时间,从而便于后续基于本公开实施例中提出的图像处理方法,进行训练过程的时间,提升训练效率。具体如何训练详见后续各公开实施例,在此先不做展开。
如上述公开实施例所述,目标神经网络也可以包括分类网络。因此,在一种可能的实现方式中,本公开实施例提出的图像处理方法可以通过目标神经网络实现,目标神经网络可以包括分类网络;步骤S13可以包括:
将特征信息通过分类网络进行姿态分类,得到目标对象在多个姿态中的姿态分类结果。
其中,分类网络可以是任意具有姿态分类功能的神经网络,其实现方式可以根据实际情况灵活决定,不局限于下述各公开实施例。在一种可能的实现方式中,分类网络可以是具有姿态分类功能的单一分类层;在一种可能的实现方式中,分类网络也可以是由多种神经网络层所共同构成的分类网络等,具体包含哪些层,以及这些层需要执行何种操作,均可以根据实际情况灵活确定。分类网络的其他实现形式可以参考后续各公开实施例,在此先不做展开。
分类网络根据特征信息,对目标对象进行姿态分类,可以得到的姿态分类结果的种类以及形式,均可以根据实际情况灵活决定,同样不局限于下述各公开实施例。
通过包括特征提取网络和/或分类网络的目标神经网络,来实现对目标图像的处理,从而确定目标图像中目标对象的姿态,通过上述过程,可以直接利用目标神经网络来实现目标对象的姿态分类,实现端到端的图像处理,从而提升图像处理的速度和效率。
在一种可能的实现方式中,分类网络可以包括变换子网络和/或分类子网络,图4示出根据本公开一实施例的图像处理方法的流程图,如图所示,在一种可能的实现方式中,步骤S13可以包括:
步骤S131,将特征信息通过变换子网络进行维度变换,得到维度变换后的特征信息;
步骤S132,将维度变换后的特征信息通过分类子网络进行姿态分类,得到目标对象在多个姿态中的姿态分类结果。
其中,变换子网络可以是具有维度变换功能的神经网络,其实现方式可以根据实际情况灵活设定,在本公开实施例中不做限定。如上述公开实施例所述,步骤S131中,特征信息可以通过变换子网络进行维度变换,具体如何变换,其实现方式可以根据变换子网络的实际情况灵活决定。在一种可能的实现方式中,变换子网络可以具有降维功能,在这种情况下,变换子网络可以对输入的特征信息进行降维,从而得到维度变换后的,实现特征降维的特征信息。
分类子网络可以是具有姿态分类功能的神经网络,其实现形式同样可以根据实际情况灵活决定。不局限于下述各公开实施例。在一种可能的实现方式中,分类子网络可以仅包含一层分类层,在一种可能的实现方式中,分类子网络可以通过不同的卷积层、池化层、分类层或是其他各类层,以任意形式构成的具有姿态分类功能的神经网络。通过上述公开实施例中步骤S132可以看出,在一种可能的实现方式中,维度变换后的特征信息可以通过分类子网络进行姿态分类,从而得到目标对象的分类结果。
在一种可能的实现方式中,本公开实施例中提出的分类网络,可以仅包含分类子网络,在一种可能的实现方式中,本公开实施例中提出的分类网络可以通过变换子网络和分类子网络共同构成。通过上述分类网络的实现方式,一方面可以提升姿态分类实现过程的灵活性,另一方面,通过变换子网络对特征信息进行维度变换后,再进行姿态分类,可以减小分类子网络需要处理的数据量,提升分类子网络的姿态分类速度,从而提升整个图像处理过程的处理速度。
由于本公开实施例所提出的图像处理方法可以同该神经网络实现,因此在一种可能的实现方式中,本公开实施例中提出的图像处理方法还可以用于训练过程。在这种情况下,目标图像可以是用于训练的样本图像。在一种可能的实现方式中,目标图像可以包括一个或多个样本图像集合,其中,样本图像集合中的样本图像具有相同的姿态分类标签,样本图像集合中的样本图像的姿态分类标签为样本图像集合的姿态分类标签。
其中,样本图像集合可以是包含有一个或多个样本图像的集合,样本图像集合中包含的样本图像数量,在本公开实施例中不做限定,可以根据实际情况灵活确定。从上述公开实施例可以看出,在一种可能的实现方式中,目标图像可以包括一个样本图像集合,在一种可能的实现方式中,目标图像也可以包括多个样本图像集合,在目标图像包括多个样本图像集合的情况下,目标图像包含的样本图像集合的数量,在本公开实施例中也不做限制,根据实际情况灵活确定即可。
样本图像可以是包含有目标对象姿态分类标签的图像,即样本图像中目标对象的姿态是已经确定的,且通过标签的形式标注在样本图像中,作为样本图像的姿态分类标签。通过上述公开实施例可以看出,在一种可能的实现方式中,样本图像集合中的样本图像具有相同的姿态分类标签,样本图像集合中的样本图像的姿态分类标签为样本图像集合的姿态分类标签,即样本图像集合可以是具有同样姿态分类标签的样本图像的集合。样本图像集合的获取方式可以根据实际情况灵活决定,在一种可能的实现方式中,获取样本集合的方式可以为:将具有相同姿态分类标签的样本图像进行汇总或集合,从而得到与样本图像姿态分类标签一致的样本图像集合。
通过包含一个或多个样本图像集合的目标图像,可以将训练过程中的样本图像集成化与模块化,从而便于在样本图像的数量较多的情况下,通过直接获取样本图像集合的方式,快速获取不同的样本图像,从而提升目标图像数据加载与获取的集成度,提升目标图像的获取效率。
在一种可能的实现方式中,在目标图像包括多个样本图像集合的情况下,各样本图像集合相互独立,各样本图像集合的姿态分类标签相同和/或不同,在这种情况下,步骤S11可以包括:分别获取多个样本图像集合。
如上述各公开实施例所述,样本图像集合可以是具有同样姿态分类标签的样本图像的集合。在一种可能的实现方式中,各样本图像集合相互独立,即不同的样本图像集合之间可以不产生任何相互影响。举例来说,在一个示例中,在对其中某个样本图像集合中的样本图像进行添加、删除或是修改等操作的情况下,其余样本图像集合不会发生变化,也不会产生相同或相应的操作等。各样本图像集合的姿态分类标签可以相同,也可以不同,举例来说,在一个示例中,姿态分类标签的数量可能为3个,分别对应站姿、坐姿和躺姿,在这种情况下,在一个示例中,样本图像集合的数量可以为3个,分别为站姿标签的样本图像集合、坐姿标签的样本图像集合以及躺姿标签的样本图像集合,在一个示例中,样本图像集合的数量也可能大于3个,比如站姿的样本图像集合有3个,坐姿的样本图像集合有2个,躺姿的样本图像集合有5个等。
在不同的样本图像集合具有相同姿态分类标签的情况下,由于不同的样本图像集合相互独立,因此在一种可能的实现方式中,可以无需合并不同的样本图像集合,直接将具有相同姿态分类标签的不同样本图像集合分别作为目标图像,输入到特征提取网络中;在一种可能的实现方式中,也可以将具有相同姿态分类标签的不同样本图像集合进行合并后,将合并后的样本图像集合作为目标图像输入到特征提取网络中。具体如何实现,可以根据实际情况灵活决定。
通过上述公开实施例还可以看出,在目标图像包括多个样本图像集合的情况下,可以通过分别获取多个样本图像集合的方式,获取目标图像。其中,分别获取多个样本图像集合的具体过程可以根据实际情况灵活决定,在一种可能的实现方式中,可以同时分别获取这多个样本图像集合来实现目标图像的获取;在一种可能的实现方式中,也可以按照某种预设顺序,依次获取多个样本图像集合,来实现目标图像的获取;在一种可能的实现方式中,还可以先以上述任意一种方式获取多个样本图像集合作为目标图像,并进行后续的训练过程,并在训练的过程中,再额外获取一个或多个已有的或其他的样本图像集合,来进一步作为目标图像执行后续的图像处理。
通过具有相同和/或不同姿态分类标签的独立的各样本图像集合,以及分别获取多个样本图像集合的目标图像获取方式,可以提升图像处理以及训练过程中,图像加载的灵活程度,从而提升图像处理的灵活性。
在一种可能的实现方式中,获取目标图像还可以包括:
分别获取多个样本图像集合;
将获取的样本图像集合中的至少一个样本图像集合按照预设次数进行复制,得到复制后的多个样本图像集合;
将获取的多个样本图像集合,以及复制后的多个样本图像集合,作为目标图像。
如上述各公开实施例所述,对于不同的样本图像集合,可能包含不同的姿态分类标签,对于某些姿态分类标签来说,其对应的样本图像可能数量较少或是较难获取,在这种情况下,该姿态分类标签对应的样本图像集合数量,以及该姿态分类标签对应的样本图像集合中样本图像的数量,均可能较少,在这种情况下,如果直接利用获取的多个样本图像集合进行训练,可能会使得样本数量较少的姿态分类标签的训练效果较差,从而影响本公开实施例中提到的姿态分类的效果。因此,在一种可能的实现方式中,可以通过上述公开实施例,将获取的样本图像集合中,分类难度较高,或是姿态分类标签对应的样本数量较少的样本图像集合复制至预设次数,其中预设次数的具体次数值可以根据实际情况灵活决定,在本公开实施例中不做限制。在复制后,可以将获取的多个样本图像集合,以及复制后的多个样本图像集合,作为目标图像,通过上述公开实施例中提到的任意方式获取后进行训练。
通过对获取的样本图像集合中部分或多个样本图像集合的复制,可以在样本图像数量较少,或是样本图像数据分布不均衡的情况下,实现较好的训练效果,从而得到具有更好特征提取效果的特征提取网络,或是具有更好姿态分类效果的分类网络,从而得到具有更好图像处理效果的目标神经网络。
如上述各公开实施例所述,本公开实施例中提出的图像处理方法还可以应用于训练过程中,具体如何训练其实现方式可以根据实际情况灵活决定。在一种可能的实现方式中,可以根据目标图像对应的姿态分类结果,结合某种或某些损失函数,确定分类网络的误差损失,从而根据分类网络的误差损失对分类网络进行训练。具体采用哪些损失函数在本公开实施例中不做限定,在一个示例中,可以采用softmax损失函数等。
在一种可能的实现方式中,目标图像可以包括多个样本图像,本公开实施例提出的图像处理方法还可以包括:
步骤S14,分别获取多个样本图像对应的姿态分类结果;
步骤S15,根据样本图像的标签比例和/或预设的图像分类难度参考值,结合样本图像对应的姿态分类结果,确定分类网络的误差损失;
步骤S16,根据分类网络的误差损失,对分类网络进行训练。
其中,目标图像包括的多个样本图像,可以是如上述各公开实施例中所述的样本图像集合的形式作为目标图像,也可以直接作为目标图像用于后续的训练过程,其实现形式可以根据实际情况灵活决定,在此不做限定。
通过上述公开实施例可以看出,在一种可能的实现方式中,可以根据样本图像的标签比例和/或预设的图像分类难度,并结合姿态分类结果,来确定分类网络的误差损失。
其中,样本图像的标签比例可以是多个样本图像中,各类姿态分类标签对应的样本图像的数量,在样本图像总体数量中所占的比例。举例来说,在一种可能的实现方式中,姿态分类标签可以包括坐姿标签、站姿标签以及躺姿标签三种,而样本图像中,姿态分类标签为坐姿标签的样本图像数量可以为A,姿态分类标签为站姿标签的样本图像数量可以为B,姿态分类标签为躺姿标签的样本图像数量可以为C,在这种情况下,坐姿标签的标签比例可以记为A/(A+B+C),站姿标签的比例可以记为B/(A+B+C),躺姿标签的比例可以记为C/(A+B+C)。
图像分类难度,可以是该图像对应的姿态分类标签在分类过程中的难度,举例来说,对于站姿标签、坐姿标签和躺姿标签来说,在分类过程中,更容易确定目标对象是否为站姿或坐姿,而不易确定目标对象是否为躺姿,更不易确定目标对象对应的是那种躺姿,因此,在这种情况下,躺姿标签的分类难度,以及躺姿标签中的侧躺躺姿标签、前趴躺姿标签或是后趴躺姿标签等对应的图像分类难度,均大于站姿标签和坐姿标签的分类难度。而预设的图像分类难度参考值,则可以为一预设的参考数值,该参考数值可以基于图像分类难度的差异,对分类网络的误差损失进行调节,具体如何调节可以详见下述各公开实施例,在此先不做展开。
基于上述公开实施例可以看出,在一种可能的实现方式中,可以根据标签比例和姿态分类结果来确定分类网络的误差损失;在一种可能的实现方式中,可以根据预设的图像分类难度参考值和姿态分类结果来确定分类网络的误差损失;在一种可能的实现方式中,可以根据标签比例、预设的图像分类难度参考值以及姿态分类结果来共同确定分类网络的误差损失。具体如何根据标签比例和/或预设的图像分类难度参考值,来确定分类网络的误差损失,可以参考下述各公开实施例,在此先不做展开。
在确定分类网络的误差损失以后,可以根据误差损失对分类网络进行训练,具体的训练方式和训练过程在本公开实施例中不做限制,任何神经网络的训练方式均可以作为分类网络的训练方式。
进一步地,除了可以根据样本图像对分类网络进行训练,还可以根据样本图像来对特征提取网络进行训练,具体如何训练在本公开实施例中不做限制。
通过根据样本图像的标签比例和/或预设的图像分类难度参考值,结合样本图像对应的姿态分类结果,确定分类网络的误差损失,从而对分类网络进行训练。通过上述过程,可以减小样本图像中不同姿态分类标签对应的样本数据分布不均衡,或是样本图像数据较少,以及部分姿态分类标签对应的样本图像的分类难度较高等因素对神经网络训练过程所带来的影响,从而使得训练后的分类网络具有较好的姿态分类效果,从而提升图像处理的精度。
如上述公开实施例所述,根据样本图像的标签比例和/或预设的图像分类难度参考值,确定分类网络的误差损失的过程可以根据实际情况灵活决定。在一种可能的实现方式中,根据样本图像的标签比例,结合样本图像对应的姿态分类结果,确定分类网络的误差损失,包括:
通过调节第一损失参数,结合样本图像对应的姿态分类结果,减小样本图像中负样本图像对应的误差损失在分类网络的误差损失中的权重,其中,负样本图像为多个样本图像中标签比例高于比例预设阈值的姿态分类标签所对应的样本图像。
如上述公开实施例所述,负样本图像可以为多个样本图像中,标签比例高于比例预设阈值的姿态分类标签所对应的样本图像。其中,标签比例的确定方式可以参考上述各公开实施例,在此不再赘述。比例预设阈值可以为根据实际情况所设定的阈值,其具体的数值可以根据实际情况灵活决定,不局限于下述各公开实施例。在一种可能的实现方式中,在姿态分类标签的数量为3个的情况下,可以将比例预设阈值设定为1/3,即如果某种姿态分类标签对应的样本图像数量,在总体样本图像中占据了1/3以上的比例的情况下,可以将这种姿态分类标签对应的样本图像,作为负样本图像。
第一损失参数可以是一个根据样本图像的实际情况,进行灵活调节的参数,其具体的取值以及参数的调节方式均可以根据样本图像的实际情况灵活确定,在本公开实施例中不做限定。在一个示例中,可以通过减小第一损失参数的值,来降低负样本图像对应的误差损失在分类网络的误差损失中的权重,相应地,也可以通过增加第一损失参数的值,来提高负样本图像以外的样本图像对应的误差损失在分类网络的误差损失中的权重。
通过上述公开实施例可以看出,在一种可能的实现方式中,可以在确定误差损失的计算过程中,引入数值可调节的第一损失参数,来减小误差损失的计算过程中负样本图像对应的误差损失在总体误差损失中所占据的权重。即在一种可能的实现方式中,可以在基于各样本图像的姿态分类结果计算各项误差损失的情况下,通过调节第一损失参数的值,来减小负样本图像对应的误差损失。具体如何设置第一损失参数,以及如何面向负样本图像调节第一损失参数,其实现形式可以根据实际情况灵活设定,不局限于下述各公开实施例。
在一个示例中,通过调节第一损失参数,结合样本图像对应的姿态分类结果,来计算误差损失的过程可以通过下述公式(1)进行表示:
L1(pt)=-αtlog(pt) (1)
公式(1)中,L1(pt)为样本图像t基于标签比例所确定的误差损失,pt为样本图像t对应的姿态分类结果,αt为样本图像t所对应的第一损失参数。
通过公式(1)可以看出,在一种可能的实现方式中,在样本图像t为负样本图像的情况下,可以通过降低αt的值,来减小负样本图像对应的误差损失L1(pt)在分类网络总体误差损失中所占的权重。
通过调节第一损失参数,结合样本图像对应的姿态分类结果,可以减小样本图像中负样本图像对应的误差损失,在分类网络的误差损失中占的权重。通过上述过程,可以在样本图像数据分布不均衡的情况下,在训练过程中,提高对标签占比较小的样本图像的关注度,从而提升训练效果,提高训练后的分类网络的分类精度,继而提升图像处理过程中的姿态分类效果。
在一种可能的实现方式中,根据预设的图像分类难度参考值,结合样本图像对应的姿态分类结果,确定分类网络的误差损失,可以包括:
通过第二损失参数,结合样本图像对应的姿态分类结果参考值,减小样本图像中简单样本图像对应的误差损失在分类网络的误差损失中的权重,其中,简单样本图像为分类难度低于分类难度阈值的姿态分类标签所对应的样本图像。
如上述公开实施例所述,简单样本图像可以为,分类难度低于分类难度阈值的姿态分类标签所对应的样本图像。其中,分类难度阈值可以为根据标签对应的姿态的分类难度所设定的阈值,其具体的数值可以根据实际情况灵活决定,在本公开实施例中不做限定。
标签的分类难度可以反应标签对应的姿态是否容易分类。如上述公开实施例所述,对于站姿标签、坐姿标签和躺姿标签来说,躺姿标签相对于站姿标签和坐姿标签,更难分类,在这种情况下,站姿标签和坐姿标签对应的样本图像,可以看作为简单样本图像。
具体如何确定姿态分类标签的分类难度,在本公开实施例中不做限定。在一种可能的实现方式中,可以根据样本图像对应的姿态分类结果来确定标签的分类难度,举例来说,在样本图像对应的姿态分类结果的概率较大的情况下,可以认为该样本图像对应的姿态分类标签较容易分类,在样本图像对应的姿态分类结果的概率较小的情况下,可以认为该样本图像对应的姿态分类标签不易分类。
第二损失参数可以是一个固定参数,在一种可能的实现方式中,可以利用第二损失参数与反应标签分类难度的姿态分类结果,来共同调节简单样本图像对应的误差损失在分类网络的误差损失中所占的权重。第二损失参数的具体取值可以根据实际情况灵活设定,在本公开实施例中不做限定。
通过上述公开实施例可以看出,在一种可能的实现方式中,可以在确定误差损失的计算过程中,引入数值固定的第二损失参数,并与反应标签分类难度的姿态分类结果共同配合,来减小误差损失的计算过程中,简单样本图像对应的误差损失在总体误差损失中所占据的权重。即在一种可能的实现方式中,可以在基于各样本图像的姿态分类结果计算各项误差损失的情况下,通过第二损失参数与姿态分类结果的配合,来减小简单样本图像对应的误差损失。具体如何设置第二损失参数,以及第二参数如何与姿态分类结果配合,其实现形式可以根据实际情况灵活设定,不局限于下述各公开实施例。
在一个示例中,通过第二损失参数,结合样本图像对应的姿态分类结果,来计算误差损失的过程可以通过下述公式(2)进行表示:
L2(pt)=-(1-pt)γlog(pt) (2)
公式(2)中,L2(pt)为样本图像t基于分类难度所确定的误差损失,pt为样本图像t对应的姿态分类结果,γ为第二损失参数。
通过公式(2)可以看出,在一种可能的实现方式中,在样本图像t为简单样本图像的情况下,由于样本图像t的姿态分类较为容易,因此pt的数值较大,相应的1-pt数值较小,通过(1-pt)γ这一系数,可以减小简单样本图像对应的误差损失L2(pt)在分类网络总体误差损失中所占的权重。
通过设置与姿态分类结果配合的第二损失参数,结合样本图像对应的姿态分类结果,可以减小样本图像中简单样本图像对应的误差损失,在分类网络的误差损失中占的权重。通过上述过程,可以在样本图像数据分布不均衡的情况下,在训练过程中,提高对难于分类的样本图像的关注度,从而提升训练效果,提高训练后的分类网络的分类精度,继而提升图像处理过程中的姿态分类效果。
在一种可能的实现方式中,还可以同时根据样本图像的标签比例,以及预设的图像分类难度参考值,结合样本图像对应的姿态分类结果,来确定分类网络的误差损失,在这种情况下,可以通过focal loss损失函数来确定分类网络的误差损失,focal loss的误差损失计算方式可以通过下述公式(3)进行表示:
FL(pt)=-αt(1-pt)γlog(pt) (3)
公式(3)中,FL(pt)为样本图像t基于标签比例和分类难度所确定的误差损失,pt为样本图像t对应的姿态分类结果,αt为样本图像t所对应的第一损失参数,γ为第二损失参数。
通过公式(3)可以看出,在一种可能的实现方式中,可以通过调节第一损失参数的值,以及第二损失参数与姿态分类结果之间的配合,降低训练过程中,对于负样本图像和简单样本图像的关注程度,从而提升分类网络的训练效果,提升训练后的分类网络的分类精度,继而提升图像处理的精度。
图5示出根据本公开一实施例的图像处理装置的框图。如图所示,所述图像处理装置20可以包括:
图像获取模块21,用于获取目标图像,目标图像包括目标对象;
特征提取模块22,用于对目标图像中的目标对象进行特征提取,得到目标对象的特征信息;
姿态分类模块23,用于根据特征信息对目标图像进行姿态分类,得到目标对象在多个姿态中的姿态分类结果,其中,多个姿态包括站姿、坐姿以及躺姿中的至少一种。
在一种可能的实现方式中,图像获取模块用于:获取初始图像,初始图像包括目标对象;对初始图像进行预处理,得到目标图像;其中,预处理包括:对初始图像进行灰度处理,和/或,对初始图像进行尺寸变换。
在一种可能的实现方式中,图像获取模块进一步用于:将初始图像中具有最大尺寸的边作为目标边,获取目标边的尺寸与预设尺寸之间的尺寸变换比例,根据尺寸变换比例,对初始图像进行尺寸变换,得到中间图像;通过预设像素,对中间图像在目标边以外的边进行填充,其中,填充后的图像符合预设尺寸。
在一种可能的实现方式中,装置通过目标神经网络实现,目标神经网络包括特征提取网络;特征提取模块用于:将目标图像通过所述特征提取网络进行特征提取,得到目标对象的特征信息;其中,特征提取网络的网络规模小于预设神经网络,网络规模包括神经网络的参数数量、神经网络的层数以及神经网络的网络层的通道数量中的至少一种。
在一种可能的实现方式中,装置通过目标神经网络实现,目标神经网络包括分类网络;姿态分类模块用于,包括:将特征信息通过分类网络进行姿态分类,得到目标对象在多个姿态中的姿态分类结果。
在一种可能的实现方式中,分类网络包括变换子网络和/或分类子网络;姿态分类模块用于:将特征信息通过变换子网络进行维度变换,得到维度变换后的特征信息;将维度变换后的特征信息通过分类子网络进行姿态分类,得到目标对象在多个姿态中的姿态分类结果。
在一种可能的实现方式中,目标图像包括一个或多个样本图像集合,其中,样本图像集合中的样本图像具有相同的姿态分类标签,样本图像集合中的样本图像的姿态分类标签为样本图像集合的姿态分类标签。
在一种可能的实现方式中,在目标图像包括多个样本图像集合的情况下,各样本图像集合相互独立,各样本图像集合的姿态分类标签相同和/或不同;图像获取模块用于:分别获取多个样本图像集合。
在一种可能的实现方式中,目标图像包括多个样本图像,装置还包括训练模块,训练模块用于:分别获取多个样本图像对应的姿态分类结果;根据样本图像的标签比例和/或预设的图像分类难度参考值,结合样本图像对应的姿态分类结果,确定分类网络的误差损失;根据分类网络的误差损失,对分类网络进行训练。
在一种可能的实现方式中,训练模块进一步用于:通过调节第一损失参数,结合样本图像对应的姿态分类结果,减小样本图像中负样本图像对应的误差损失在分类网络的误差损失中的权重,其中,负样本图像为多个样本图像中标签比例高于比例预设阈值的姿态分类标签所对应的样本图像。
在一种可能的实现方式中,训练模块进一步用于:通过第二损失参数,结合样本图像对应的姿态分类结果参考值,减小样本图像中简单样本图像对应的误差损失在分类网络的误差损失中的权重,其中,简单样本图像为分类难度低于分类难度阈值的姿态分类标签所对应的样本图像。
在一种可能的实现方式中,姿态分类结果包括:目标对象分别属于多个姿态的概率和/或目标对象在多个姿态中具有最大概率的姿态。
在一种可能的实现方式中,躺姿包括侧躺、前趴以及后趴中的一种或多种。
应用场景示例
在计算机视觉领域,如何提高人体姿态识别的效率与精度成为目前一个亟待解决的问题。
本公开应用示例提出了一种图像处理方法,图6示出根据本公开一应用示例的图像处理方法示意图,通过图6可以看出,本公开应用示例中,图像处理过程可以包括:
如图6所示,在本公开应用示例中,可以通过将目标图像输入目标神经网络来输出动作类别,其中,目标神经网络可以包括依次连接的特征提取网络(图中的骨干神经网络backbone)、变换子网络(图中的颈神经网络neck)以及分类子网络(图中的头神经网络head),目标图像通过backbone进行特征提取得到特征信息,特征信息再通过neck实现维度变换得到维度变换后的特征信息,维度变换后的特征信息再通过head进行姿态分类,从而得到目标图像中目标对象的姿态分类结果。
其中,backbone的网络结构可以参见下述公开实施例中的表1。表1示出根据本公开一实施例的backbone网络与ResNet50神经网络之间的网络规模对比情况,从表1中可以看出,在一个示例中,本公开实施例中提出的backbone网络的的层数小于ResNet50这一预设神经网络,且backbone网络中每层的参数数量和通道数量均小于ResNet50神经网络。
表1 backbone网络与ResNet50神经网络之间的网络规模对比情况
在本公开应用示例中,表1中提出的backbone网络,相比于resnet50、resnet18而言,虽然分类准确率指标有了一些降低(96%到94%),但是网络模型的耗时有了大幅度的降低(120ms到1.5ms左右),通过表1中的backbone网络,可以减少神经网络浅层的一些参数,并且大幅度减少神经网络中通道的数量,从而减小对于动作属性的特征无关的颜色纹理等特征的关注度。
进一步地,在目标图像为样本图像的情况下,图6中提出的图像处理方法还可以进一步用于对目标神经网络中各子网络的训练过程中。在一个示例中,图6提出的图像处理方法还可以用于对分类子网络head的训练。在本公开应用示例中,在对head进行训练的情况下,本公开应用示例可以使用focal loss损失函数来实现对head的训练。focal loss损失函数的实现形式可以参见上述公开实施例中的公式(3),从公式(3)可以看出,在一个示例中,可以通过更改第一损失参数αt的值来控制正负样本图像对分类网络损失函数的权重,其中,αt取比较小的值可以降低负样本图像的损失函数在分类网络总体损失函数中的权重。在一个示例中,还可以通过第二损失参数γ来控制简单样本图像和困难样本图像对分类网络损失函数的权重,通过第二损失参数γ与姿态分类结果的配合,可以减少简单样本图像的损失函数在分类网络总体损失函数中的权重,从而使得分类在训练过程中更专注于难分类的样本图像。
通过focal loss作为损失函数,可以减小目标图像中不同标签的样本图像不均衡对训练结果所带来的影响。从而可以在躺姿标签的样本数据较少的情况下也能训练出性能较好的分类子网络。
在一个示例中,本公开应用示例还可以使用多个样本图像集合(如图中的数据集0即Data_0和数据集1即Data_1)作为目标图像,输入到backbone中。举例来说,在一个示例中,在有5种姿态分类标签的情况下,可以使用五个独立的样本图像集合作为目标图像输入到backbone。后期如果新增了站姿标签的样本图像集合,可以直接按照样本图像的预期比例进行添加,且无需和原有的站姿标签的样本图像集合进行合并,通过本公开应用示例中的样本图像集合的实现方式,可以灵活多变的获取目标图像。
在一种可能的实现方式中,本公开应用示例中的目标图像可以是灰度图,从而减小与动作属性的特征无关的颜色属性特征的关注度。通过将使用灰度图作为目标图像,可以进一步压缩卷积神经网络中各子网络的耗时,提升图像处理与分类的速度。
在一种可能的实现方式中,本公开应用示例中的目标图像,还可以根据上述公开实施例中提到的尺寸变换方式,变换到预设尺寸。在一个示例中,可以参考图2与图3之间的变换方式,将图2中的长边尺寸变换为256像素大小,然后短边按照图2中的图像比例缩放到对应的尺度,并在缩放后短边的左右两边加上相等的像素,且添加的像素可以是像素值为0的黑色像素,使得最终的目标图像大小与预设尺寸匹配,为256像素×256像素。
通过本公开应用示例中提出的图像处理方法,可以得到一个可以区分多种人体动作属性(包括三种躺姿)的分类模型,同时也可以得到准确的人体姿态信息,为其他任务提供指导(如分析人体状态、家庭尤其是老年人的预警以及交互类的游戏或者直播软件中的姿态捕捉等);另外,使用灰度图作为目标图像可以节省分类耗时,有利于图像处理过程的应用;而且,利用本公开应用示例提出的图像处理方法进一步进行训练,可以在样本图像的数据量比较少、数据分布不均衡的情况下依旧训练出一个较好的分类网络。
本公开应用示例中提出的图像处理方法,除了可以应用于目标对象的姿态分类以外,还可以应用于其他类型的分类过程中,比如对目标对象的年龄进行分类、对目标对象的体型进行分类以及对目标对象的衣服颜色进行分类等,随着分类目标的不同,本公开应用示例提出的图像处理方法可以相应的进行灵活扩展与改动。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性计算机可读存储介质或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述方法。
在实际应用中,上述存储器可以是易失性存储器(volatile memory),例如RAM;或者非易失性存储器(non-volatile memory),例如ROM,快闪存储器(flash memory),硬盘(Hard Disk Drive,HDD)或固态硬盘(Solid-State Drive,SSD);或者上述种类的存储器的组合,并向处理器提供指令和数据。
上述处理器可以为ASIC、DSP、DSPD、PLD、FPGA、CPU、控制器、微控制器、微处理器中的至少一种。可以理解地,对于不同的设备,用于实现上述处理器功能的电子器件还可以为其它,本公开实施例不作具体限定。
电子设备可以被提供为终端、服务器或其它形态的设备。
基于前述实施例相同的技术构思,本公开实施例还提供了一种计算机程序,该计算机程序被处理器执行时实现上述方法。
图7是根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图7,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关人员信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图8是根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图8,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中,通过利用计算机可读程序指令的状态人员信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动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。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (16)
1.一种图像处理方法,其特征在于,包括:
获取目标图像,所述目标图像包括目标对象;
对所述目标图像中的目标对象进行特征提取,得到所述目标对象的特征信息;
根据所述特征信息对所述目标图像进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果,其中,所述多个姿态包括站姿、坐姿以及躺姿中的至少一种。
2.根据权利要求1所述的方法,其特征在于,所述获取目标图像,包括:
获取初始图像,所述初始图像包括目标对象;
对所述初始图像进行预处理,得到所述目标图像;
其中,所述预处理包括:对所述初始图像进行灰度处理,和/或,对所述初始图像进行尺寸变换。
3.根据权利要求2所述的方法,其特征在于,所述对所述初始图像进行尺寸变换,包括:
将所述初始图像中具有最大尺寸的边作为目标边,获取所述目标边的尺寸与预设尺寸之间的尺寸变换比例,根据所述尺寸变换比例,对所述初始图像进行尺寸变换,得到中间图像;
通过预设像素,对所述中间图像在所述目标边以外的边进行填充,其中,填充后的图像符合所述预设尺寸。
4.根据权利要求1至3任一所述的方法,其特征在于,所述方法通过目标神经网络实现,所述目标神经网络包括特征提取网络;
所述对所述目标图像中的目标对象进行特征提取,得到所述目标对象的特征信息,包括:
将所述目标图像通过所述特征提取网络进行特征提取,得到所述目标对象的特征信息;其中,
所述特征提取网络的网络规模小于预设神经网络,所述网络规模包括神经网络的参数数量、神经网络的层数以及神经网络的网络层的通道数量中的至少一种。
5.根据权利要求1至3中任意一项所述的方法,其特征在于,所述方法通过目标神经网络实现,所述目标神经网络包括分类网络;
所述根据所述特征信息对所述目标图像进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果,包括:
将所述特征信息通过所述分类网络进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果。
6.根据权利要求5所述的方法,其特征在于,所述分类网络包括变换子网络和/或分类子网络;
所述根据所述特征信息对所述目标图像进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果,包括:
将所述特征信息通过所述变换子网络进行维度变换,得到维度变换后的特征信息;
将所述维度变换后的特征信息通过所述分类子网络进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果。
7.根据权利要求1至6中任意一项所述的方法,其特征在于,所述目标图像包括一个或多个样本图像集合,其中,所述样本图像集合中的样本图像具有相同的姿态分类标签,所述样本图像集合中的样本图像的姿态分类标签为所述样本图像集合的姿态分类标签。
8.根据权利要求7所述的方法,其特征在于,在所述目标图像包括多个样本图像集合的情况下,各所述样本图像集合相互独立,各所述样本图像集合的姿态分类标签相同和/或不同;
所述获取目标图像包括:分别获取所述多个样本图像集合。
9.根据权利要求5至8中任意一项所述的方法,其特征在于,所述目标图像包括多个样本图像,所述方法还包括:
分别获取所述多个样本图像对应的姿态分类结果;
根据所述样本图像的标签比例和/或预设的图像分类难度参考值,结合所述样本图像对应的姿态分类结果,确定所述分类网络的误差损失;
根据所述分类网络的误差损失,对所述分类网络进行训练。
10.根据权利要求9所述的方法,其特征在于,所述根据所述样本图像的标签比例,结合所述样本图像对应的姿态分类结果,确定所述分类网络的误差损失,包括:
通过调节第一损失参数,结合所述样本图像对应的姿态分类结果,减小所述样本图像中负样本图像对应的误差损失在所述分类网络的误差损失中的权重,其中,所述负样本图像为所述多个样本图像中标签比例高于比例预设阈值的姿态分类标签所对应的样本图像。
11.根据权利要求9或10所述的方法,其特征在于,所述根据预设的图像分类难度参考值,结合所述样本图像对应的姿态分类结果,确定所述分类网络的误差损失,包括:
通过第二损失参数,结合所述样本图像对应的姿态分类结果参考值,减小所述样本图像中简单样本图像对应的误差损失在所述分类网络的误差损失中的权重,其中,所述简单样本图像为分类难度低于分类难度阈值的姿态分类标签所对应的样本图像。
12.根据权利要求1至11中任意一项所述的方法,其特征在于,所述姿态分类结果包括:
所述目标对象分别属于多个姿态的概率和/或所述目标对象在多个姿态中具有最大概率的姿态。
13.根据权利要求1至12中任意一项所述的方法,其特征在于,所述躺姿包括侧躺、前趴以及后趴中的一种或多种。
14.一种图像处理装置,其特征在于,包括:
图像获取模块,用于获取目标图像,所述目标图像包括目标对象;
特征提取模块,用于对所述目标图像中的目标对象进行特征提取,得到所述目标对象的特征信息;
姿态分类模块,用于根据所述特征信息对所述目标图像进行姿态分类,得到所述目标对象在多个姿态中的姿态分类结果,其中,所述多个姿态包括站姿、坐姿以及躺姿中的至少一种。
15.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至13中任意一项所述的方法。
16.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至13中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010898245.6A CN112036307A (zh) | 2020-08-31 | 2020-08-31 | 图像处理方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010898245.6A CN112036307A (zh) | 2020-08-31 | 2020-08-31 | 图像处理方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112036307A true CN112036307A (zh) | 2020-12-04 |
Family
ID=73586479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010898245.6A Pending CN112036307A (zh) | 2020-08-31 | 2020-08-31 | 图像处理方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112036307A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926510A (zh) * | 2021-03-25 | 2021-06-08 | 深圳市商汤科技有限公司 | 异常驾驶行为识别方法及装置、电子设备和存储介质 |
CN112990055A (zh) * | 2021-03-29 | 2021-06-18 | 北京市商汤科技开发有限公司 | 姿态纠正方法及装置、电子设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180157938A1 (en) * | 2016-12-07 | 2018-06-07 | Samsung Electronics Co., Ltd. | Target detection method and apparatus |
CN110321795A (zh) * | 2019-05-24 | 2019-10-11 | 平安科技(深圳)有限公司 | 用户姿态识别方法、装置、计算机装置及计算机存储介质 |
CN110363817A (zh) * | 2019-07-10 | 2019-10-22 | 北京悉见科技有限公司 | 目标位姿估计方法、电子设备和介质 |
CN110728209A (zh) * | 2019-09-24 | 2020-01-24 | 腾讯科技(深圳)有限公司 | 一种姿态识别方法、装置、电子设备及存储介质 |
CN110728188A (zh) * | 2019-09-11 | 2020-01-24 | 北京迈格威科技有限公司 | 图像处理方法、装置、系统和存储介质 |
CN111523599A (zh) * | 2020-04-24 | 2020-08-11 | 上海商汤智能科技有限公司 | 目标检测方法及装置、电子设备和存储介质 |
CN111553247A (zh) * | 2020-04-24 | 2020-08-18 | 上海锘科智能科技有限公司 | 一种基于改进骨干网络的视频结构化系统、方法及介质 |
-
2020
- 2020-08-31 CN CN202010898245.6A patent/CN112036307A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180157938A1 (en) * | 2016-12-07 | 2018-06-07 | Samsung Electronics Co., Ltd. | Target detection method and apparatus |
CN110321795A (zh) * | 2019-05-24 | 2019-10-11 | 平安科技(深圳)有限公司 | 用户姿态识别方法、装置、计算机装置及计算机存储介质 |
CN110363817A (zh) * | 2019-07-10 | 2019-10-22 | 北京悉见科技有限公司 | 目标位姿估计方法、电子设备和介质 |
CN110728188A (zh) * | 2019-09-11 | 2020-01-24 | 北京迈格威科技有限公司 | 图像处理方法、装置、系统和存储介质 |
CN110728209A (zh) * | 2019-09-24 | 2020-01-24 | 腾讯科技(深圳)有限公司 | 一种姿态识别方法、装置、电子设备及存储介质 |
CN111523599A (zh) * | 2020-04-24 | 2020-08-11 | 上海商汤智能科技有限公司 | 目标检测方法及装置、电子设备和存储介质 |
CN111553247A (zh) * | 2020-04-24 | 2020-08-18 | 上海锘科智能科技有限公司 | 一种基于改进骨干网络的视频结构化系统、方法及介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926510A (zh) * | 2021-03-25 | 2021-06-08 | 深圳市商汤科技有限公司 | 异常驾驶行为识别方法及装置、电子设备和存储介质 |
CN112990055A (zh) * | 2021-03-29 | 2021-06-18 | 北京市商汤科技开发有限公司 | 姿态纠正方法及装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111476306B (zh) | 基于人工智能的物体检测方法、装置、设备及存储介质 | |
WO2021135601A1 (zh) | 辅助拍照方法、装置、终端设备及存储介质 | |
CN109871896B (zh) | 数据分类方法、装置、电子设备及存储介质 | |
CN109543714B (zh) | 数据特征的获取方法、装置、电子设备及存储介质 | |
US11443438B2 (en) | Network module and distribution method and apparatus, electronic device, and storage medium | |
CN109871843B (zh) | 字符识别方法和装置、用于字符识别的装置 | |
CN111461182B (zh) | 图像处理方法、图像处理装置及存储介质 | |
CN106845398B (zh) | 人脸关键点定位方法及装置 | |
CN109145970B (zh) | 基于图像的问答处理方法和装置、电子设备及存储介质 | |
CN106557759B (zh) | 一种标志牌信息获取方法及装置 | |
CN110751659B (zh) | 图像分割方法及装置、终端、存储介质 | |
CN104077597B (zh) | 图像分类方法及装置 | |
CN107133354B (zh) | 图像描述信息的获取方法及装置 | |
CN107220614B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
CN110781323A (zh) | 多媒体资源的标签确定方法、装置、电子设备及存储介质 | |
CN111950570B (zh) | 目标图像提取方法、神经网络训练方法及装置 | |
CN114266840A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111259967A (zh) | 图像分类及神经网络训练方法、装置、设备及存储介质 | |
CN107977636B (zh) | 人脸检测方法及装置、终端、存储介质 | |
US20220270352A1 (en) | Methods, apparatuses, devices, storage media and program products for determining performance parameters | |
CN112036307A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN115424044A (zh) | 基于多模态的图像标注方法、装置及电子设备 | |
CN110619325A (zh) | 一种文本识别方法及装置 | |
CN111178115B (zh) | 对象识别网络的训练方法及系统 | |
CN111507131B (zh) | 活体检测方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240816 |
|
AD01 | Patent right deemed abandoned |