CN112906512B - 一种确定人体关节的方法、装置以及存储介质 - Google Patents

Abstract

本申请公开了一种确定人体关节的方法、装置以及存储介质。其中，方法包括：生成与图像中的人体影像对应的第一关节图形，其中所述第一关节图形包括与所述人体影像对应的各个关节点；提取所述人体影像的轮廓图形；以及利用所述轮廓图形对所述第一关节图形的关节点进行调整，生成调整后的第二关节图形。

Description

一种确定人体关节的方法、装置以及存储介质

技术领域

本申请涉及图像检测技术领域，特别是涉及一种确定人体关节的方法、装置以及存储介质。

背景技术

确定图像中的人体目标的关节点，对于确定人体目标的姿态信息有着非常关键的作用。通常，基于图像处理的人体姿态确定方法，首先在图像中识别出人体影像区域，然后根据人体影像确定该人体的关节点的位置，然后根据关节点的位置来确定该人体目标的姿态信息。

目前，人体关节点的确定方法有很多，尤其是可以通过基于深度学习的神经网络模型确定人体影像的各个关节点的位置。但是现有的通过图像处理确定人体关节点的方法仍然存在定位不准的问题，因此只能用于识别较大的动作姿态。如果要进行微小的动作姿态的识别，则需要对关节点进行更加精确的定位，但是目前的方法达不到这样的要求。

针对基于图像处理的确定关节点的技术不能对关节点进行精确定位，从而无法用于进行微小动作姿态的识别的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种确定人体关节的方法、装置以及存储介质，以至少解决基于图像处理的确定关节点的技术不能对关节点进行精确定位，从而无法用于进行微小动作姿态的识别的技术问题。

根据本公开实施例的一个方面，提供了一种确定人体关节的方法，包括：生成与图像中的人体影像对应的第一关节图形，其中所述第一关节图形包括与所述人体影像对应的各个关节点；提取所述人体影像的轮廓图形；以及利用所述轮廓图形对所述第一关节图形的关节点进行调整，生成调整后的第二关节图形。

根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上所述的方法。

根据本公开实施例的另一个方面，还提供了一种确定人体关节的装置，包括：关节图形生成模块，用于生成与图像中的人体影像对应的第一关节图形，其中所述第一关节图形包括与所述人体影像对应的各个关节点；轮廓图形提取模块，用于提取所述人体影像的轮廓图形；以及关节图形调整模块，用于利用所述轮廓图形对所述第一关节图形的关节点进行调整，生成调整后的第二关节图形。

根据本公开实施例的另一个方面，还提供了一种确定人体关节的装置，包括：处理器；以及存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：生成与图像中的人体影像对应的第一关节图形，其中所述第一关节图形包括与所述人体影像对应的各个关节点；提取所述人体影像的轮廓图形；以及利用所述轮廓图形对所述第一关节图形的关节点进行调整，生成调整后的第二关节图形。

从而根据本公开的实施例，在根据图像中的人体影像生成对应的关节图形(即第一关节图形)后，还需要进一步提取人体影像的轮廓图形，并利用人体影像的轮廓图形对第一关节图形中的关节点进行调整。从而通过这种方式，能够根据人体影像的轮廓对关节图形中的关节点进行更加准确的调整和修正，使得关节图形中的关节点的位置更加精确，并能够适应更加微小的动作姿态的识别。从而解决了基于图像处理的确定关节点的技术不能对关节点进行精确定位，无法用于进行微小动作姿态的识别的技术问题。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。在附图中：

图1是用于实现根据本公开实施例1所述的方法的计算设备的硬件结构框图；

图2是根据本公开实施例1的所述的确定人体关节的方法的流程示意图；

图3示出了包含人体影像的图像的示意图；

图4示出了根据图3所述的图像生成的与人体影像对应的关节图形的示意图；

图5示出了与图3中所示的人体影像对应的轮廓图形的示意图；

图6示出了将图4中所示的关节图形嵌入至图5所示的轮廓图形后的示意图；

图7示出了以图3中的人体影像的右下肢为例，各个关节点与该轮廓部分的中线之间的垂直距离的示意图；

图8示出了根据本公开实施例2所述的确定人体关节的装置的示意图；以及

图9示出了根据本公开实施例3所述的确定人体关节的装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本公开的技术方案，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，所描述的实施例仅仅是本公开一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本公开保护的范围。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本实施例，提供了一种确定人体关节的方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本实施例所提供的方法实施例可以在移动终端、计算机终端、服务器或者类似的计算设备中执行。图1示出了一种用于实现确定人体关节的方法的计算设备的硬件结构框图。如图1所示，计算设备可以包括一个或多个处理器(处理器可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口(I/O接口)、通用串行总线(USB)端口(可以作为I/O接口的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算设备还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算设备中的其他元件中的任意一个内。如本公开实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。

存储器可用于存储应用软件的软件程序以及模块，如本公开实施例中的确定人体关节的方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的确定人体关节的方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算设备的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与计算设备的用户界面进行交互。

此处需要说明的是，在一些可选实施例中，上述图1所示的计算设备可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算设备中的部件的类型。

在上述运行环境下，根据本实施例的第一个方面，提供了一种确定人体关节的方法，该方法由图1中所示的计算设备实现。图2示出了该方法的流程示意图，参考图2所示，该方法包括：

S202：生成与图像中的人体影像对应的第一关节图形，其中第一关节图形包括与人体影像对应的各个关节点；

S206：提取人体影像的轮廓图形；以及

S208：利用轮廓图形对第一关节图形的关节点进行调整，生成调整后的第二关节图形。

具体地，例如图1中示出的计算设备可以用于识别人体的姿态信息，或者是用于实现其他需要借助于确定人体关节点的功能。从而，计算设备在获取包含人体影像的图像之后，会先从该图像中确定与人体影像对应的第一关节图形。

例如，图3示出了包含人体影像的图像。计算设备可以首先利用预先设计的人体识别模型识别出图像中的人体影像区域(即其中虚线框所示出的矩形区域)。该人体识别模型例如可以是基于深度学习的卷积神经网络模型，或者是其他类型的用于在图像中识别人体影像的算法模型。

然后计算设备生成与图像中的人体影像对应的第一关节图形(S202)。具体地，图4示出了与该人体影像对应的第一关节图形。参考图4可知，该第一关节图形包括与图3中所示的人体影像对应的多个关节点(即图4中的黑点所示)。关于生成第一关节图形的具体方法，下文中会进行详细说明。

然后计算设备提取图3中所示的人体影像的轮廓图形(即S204)，具体地，图5示出了与图3中所示的人体影像对应的轮廓图形。其中提取该轮廓图形的方法不限，例如可以采用本领域所知的边缘提取技术来提取与人体影像对应的轮廓图形。

然后，计算设备利用图5中所示出的轮廓图形对图4中所示出的第一关节图形的关节点进行调整，从而生成调整后的第二关节图形(即S206)。对第一关节图形的关节点进行调整的具体方法，下文中将进行详细说明。

正如背景技术中所述的，现有的通过图像处理确定人体关节点的方法仍然存在定位不准的问题，因此只能用于识别较大的动作姿态。如果要进行微小的动作姿态的识别，则需要对关节点进行更加精确的定位，但是目前的方法达不到这样的要求。

有鉴于此，根据本公开所述的技术方案，在根据图像中的人体影像生成对应的关节图形(即第一关节图形)后，还需要进一步提取人体影像的轮廓图形，并利用人体影像的轮廓图形对第一关节图形中的关节点进行调整。从而通过这种方式，能够根据人体影像的轮廓对关节图形中的关节点进行更加准确的调整和修正，使得关节图形中的关节点的位置更加精确，并能够适应更加微小的动作姿态的识别。从而解决了基于图像处理的确定关节点的技术不能对关节点进行精确定位，无法用于进行微小动作姿态的识别的技术问题。

可选地，生成与人体影像对应的第一关节图形的操作，包括：利用预先设置的基于深度学习的关节识别模型，根据人体影像生成第一关节图形，并且第一关节图形包括人体影像中被遮挡的人体部分的关节点。

具体地，计算设备例如可以采用Bottom-Up的pipeline来生成与图3中所示的人体影像对应的第一关节图形，即图4中所示出的关节图形。特别地，参考图3所示，采用Bottom-Up的pipeline能够利用人体关节连接的邻接关系，引进了图域的拓扑关系进行约束，从而能够更好地应对图像中人体遮挡情况下的姿态识别，从而生成的关节图形可以包括人体影像中被遮挡的人体部分的关节点。此外，尽管图3中示出了2D的关节图形，该关节图形也可以是3D的，从而可以引入3维信息约束，更好地识别人体的姿态。

可选地，利用轮廓图形对第一关节图形的关节点进行调整的操作，包括将第一关节图形嵌入到轮廓图形中；确定轮廓图形与人体的各个部位所对应的轮廓图形部分的中线；确定第一关节图形中的各个关节点与相对应的中线之间的垂直距离；以及根据所确定的垂直距离，调整第一关节图形的关节点，生成第二关节图形。

具体地，参考图6所示，计算设备将图4中示出的关节图形(即第一关节图形)嵌入到图5所示的轮廓图形中。然后，计算设备确定轮廓图形与人体各个部位所对应的轮廓图形部分的中线。具体地，参考图7所示，以该人体影像的右下肢轮廓为例，计算设备可以确定出该右下肢轮廓的各个部位的轮廓图形的中线L1、L2和L3。

然后，计算设备确定图4所示的关节图形中各个关节点与相对应的中线之间的垂直距离。具体地，参考图7所示，计算设备可以计算出各个关节点J1～J4与相对应的中线之间的垂直距离。例如关节点J1与中线L1之间的垂直距离d1，关节点J2与中线L2之间的垂直距离d2，以及关节点J3和J4与中线L3之间的垂直距离d3和d4。

尽管上面以人体影像的右肢为例进行的说明，但是对于人体影像的其他部位仍然可以参考上面所述的步骤，确定各个关节点与对应的中线之间的垂直距离。

然后，计算设备根据各个关节点的垂直距离，对图4中所示的关节图形中的各个关节点进行调整，从而生成新的关节图形(即第二关节图形)。

从而根据本公开的技术方案，可以根据关节图形的各个关节点与人体影像轮廓的中线之间的垂直距离来对关节图形进行调整，从而可以为关节点的调整和修正提供更为准确的参考，进一步可以实现对关节点的精确定位。

可选地，根据所确定的垂直距离，调整第一关节图形的关节点，生成第二关节图形的操作，包括：根据所确定的垂直距离，确定第一关节图形与轮廓图形之间的偏离度；以及调整第一关节图形的关节点并生成第二关节图形，使得第二关节图形与轮廓图形之间的偏离度小于第一关节图形的偏离度。

具体地，计算设备在计算出各关节点与相应的中线之间的垂直距离后，可以根据各个关节点的垂直距离确定图4所示的关节图形(即第一关节图形)与图5所示的轮廓图形之间的偏离度。例如但不限于，可以将各个关节点所对应的垂直距离相加在一起求和，作为图4所示的关节图形(即第一关节图形)与图5所示的轮廓图形之间的偏离度。然后计算设备对第一关节图形的关节点进行调节，从而生成第二关节图形。其中第二关节图形与图5所示的轮廓图形之间的偏离度，要小于第一关节图形与图5所示的轮廓图形之间的偏离度。从而通过这种方式，可以保证调整后的第二关节图形的关节点相对于第一关节图形，其定位更加准确。

可选地，第二关节图形与轮廓图形之间的偏离度小于预定阈值。

具体地，计算设备在对图4所示的关节图形(即第一关节图形)进行调整时，可以边调整边计算调整后的关节图形与图5所示的轮廓图形的偏离度，直到调整后的关节图形与图5所示的轮廓图形的偏离度小于预设的阈值。从而确保调整后的第二关节图形的关节点定位更加准确。

可选地，第二关节图形与轮廓图形之间的偏离度为最小偏离度，其中最小偏离度为基于第一关节图形进行多次调节的各个关节图形的偏离度中最小的偏离度。

具体来说，计算设备在对图4所示的关节图形(即第一关节图形)进行调整时，可以边调整边计算调整后的关节图形与图5所示的轮廓图形的偏离度，从而计算得到与多个调整后的关节图形分别对应的偏离度值。然后计算设备从多个关节图形中选择偏离度最小的关节图形作为所确定关节图形(即第二关节图形)。

从而通过这种方式，可以从多个调整的关节图形中确定最为精确的关节图形，确保最终调整后的关节图形的精确度。

此外，参考图1所示，根据本实施例的第二个方面，提供了一种存储介质。所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行以上任意一项所述的方法。

从而根据本实施例，在根据图像中的人体影像生成对应的关节图形(即第一关节图形)后，还需要进一步提取人体影像的轮廓图形，并利用人体影像的轮廓图形对第一关节图形中的关节点进行调整。从而通过这种方式，能够根据人体影像的轮廓对关节图形中的关节点进行更加准确的调整和修正，使得关节图形中的关节点的位置更加精确，并能够适应更加微小的动作姿态的识别。从而解决了基于图像处理的确定关节点的技术不能对关节点进行精确定位，无法用于进行微小动作姿态的识别的技术问题。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

实施例2

图8示出了根据本实施例的所述的确定人体关节的装置800，该装置800与根据实施例1所述的方法相对应。参考图8所示，该装置800包括：关节图形生成模块810，用于生成与图像中的人体影像对应的第一关节图形，其中第一关节图形包括与人体影像对应的各个关节点；轮廓图形提取模块820，用于提取人体影像的轮廓图形；以及关节图形调整模块830，用于利用轮廓图形对第一关节图形的关节点进行调整，生成调整后的第二关节图形。

可选地，关节图形生成模块810包括关节图形生成子模块，用于利用预先设置的基于深度学习的关节识别模型，根据人体影像生成第一关节图形，并且第一关节图形包括人体影像中被遮挡的人体部分的关节点。

可选地，关节图形调整模块830，包括：图形嵌入子模块，用于将第一关节图形嵌入到轮廓图形中；中线群定子模块，用于确定轮廓图形与人体的各个部位所对应的轮廓图形部分的中线；垂直距离确定子模块，用于确定第一关节图形中的各个关节点与相对应的中线之间的垂直距离；以及关节图形调整子模块，用于根据所确定的垂直距离，调整第一关节图形的关节点，生成第二关节图形。

可选地，关节图形调整子模块包括：偏离度确定单元，用于根据所确定的垂直距离，确定第一关节图形与轮廓图形之间的偏离度；以及关节图形调整单元，用于调整第一关节图形的关节点并生成第二关节图形，使得第二关节图形与轮廓图形之间的偏离度小于第一关节图形的偏离度。

可选地，第二关节图形与轮廓图形之间的偏离度小于预定阈值。

可选地，第二关节图形与轮廓图形之间的偏离度为最小偏离度，其中最小偏离度为基于第一关节图形进行多次调节的各个关节图形的偏离度中最小的偏离度。

可选地，偏离度为关节图形的各个关节点与相应的中线之间的垂直距离之和。

从而根据本实施例，在根据图像中的人体影像生成对应的关节图形(即第一关节图形)后，还需要进一步提取人体影像的轮廓图形，并利用人体影像的轮廓图形对第一关节图形中的关节点进行调整。从而通过这种方式，能够根据人体影像的轮廓对关节图形中的关节点进行更加准确的调整和修正，使得关节图形中的关节点的位置更加精确，并能够适应更加微小的动作姿态的识别。从而解决了基于图像处理的确定关节点的技术不能对关节点进行精确定位，无法用于进行微小动作姿态的识别的技术问题。

实施例3

图9示出了根据本实施例所述的确定人体关节的装置900，该装置900与根据实施例1所述的方法相对应。参考图9所示，该装置900包括：处理器910；以及存储器920，与所述处理器920连接，用于为所述处理器920提供处理以下处理步骤的指令：生成与图像中的人体影像对应的第一关节图形，其中第一关节图形包括与人体影像对应的各个关节点；提取人体影像的轮廓图形；以及利用轮廓图形对第一关节图形的关节点进行调整，生成调整后的第二关节图形

可选地，生成与人体影像对应的第一关节图形的操作，包括：利用预先设置的基于深度学习的关节识别模型，根据人体影像生成第一关节图形，并且第一关节图形包括人体影像中被遮挡的人体部分的关节点。

可选地，利用轮廓图形对第一关节图形的关节点进行调整的操作，包括：将第一关节图形嵌入到轮廓图形中；确定轮廓图形与人体的各个部位所对应的轮廓图形部分的中线；确定第一关节图形中的各个关节点与相对应的中线之间的垂直距离；以及根据所确定的垂直距离，调整第一关节图形的关节点，生成第二关节图形。

可选地，根据所确定的垂直距离，调整第一关节图形的关节点，生成第二关节图形的操作，包括：根据所确定的垂直距离，确定第一关节图形与轮廓图形之间的偏离度；以及调整第一关节图形的关节点并生成第二关节图形，使得第二关节图形与轮廓图形之间的偏离度小于第一关节图形的偏离度。

可选地，第二关节图形与轮廓图形之间的偏离度小于预定阈值。

可选地，第二关节图形与轮廓图形之间的偏离度为最小偏离度，其中最小偏离度为基于第一关节图形进行多次调节的各个关节图形的偏离度中最小的偏离度。

可选地，偏离度为关节图形的各个关节点与相应的中线之间的垂直距离之和。

从而根据本实施例，在根据图像中的人体影像生成对应的关节图形(即第一关节图形)后，还需要进一步提取人体影像的轮廓图形，并利用人体影像的轮廓图形对第一关节图形中的关节点进行调整。从而通过这种方式，能够根据人体影像的轮廓对关节图形中的关节点进行更加准确的调整和修正，使得关节图形中的关节点的位置更加精确，并能够适应更加微小的动作姿态的识别。从而解决了基于图像处理的确定关节点的技术不能对关节点进行精确定位，无法用于进行微小动作姿态的识别的技术问题。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种确定人体关节的方法，其特征在于，包括：

生成与图像中的人体影像对应的第一关节图形，其中所述第一关节图形包括与所述人体影像对应的各个关节点；

提取所述人体影像的轮廓图形；以及

利用所述轮廓图形对所述第一关节图形的关节点进行调整，生成调整后的第二关节图形，

利用所述轮廓图形对所述第一关节图形的关节点进行调整的操作，包括

将所述第一关节图形嵌入到所述轮廓图形中；

确定所述轮廓图形与人体的各个部位所对应的轮廓图形部分的中线；

确定所述第一关节图形中的各个关节点与相对应的所述中线之间的垂直距离；以及

根据所确定的垂直距离，调整所述第一关节图形的关节点，生成所述第二关节图形，

根据所确定的垂直距离，调整所述第一关节图形的关节点，生成所述第二关节图形的操作，包括：

根据所确定的垂直距离，确定所述第一关节图形与所述轮廓图形之间的偏离度；以及

调整所述第一关节图形的关节点并生成所述第二关节图形，使得所述第二关节图形与所述轮廓图形之间的偏离度小于所述第一关节图形的偏离度，

所述第二关节图形与所述轮廓图形之间的偏离度小于预定阈值，

所述第二关节图形与所述轮廓图形之间的偏离度为最小偏离度，其中所述最小偏离度为基于所述第一关节图形进行多次调节的各个关节图形的偏离度中最小的偏离度，

所述偏离度为关节图形的各个关节点与相应的中线之间的垂直距离之和。

2.根据权利要求1所述的方法，其特征在于，生成与所述人体影像对应的第一关节图形的操作，包括：利用预先设置的基于深度学习的关节识别模型，根据所述人体影像生成所述第一关节图形，并且所述第一关节图形包括所述人体影像中被遮挡的人体部分的关节点。

3.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时由处理器执行权利要求1至2中任意一项所述的方法。

4.一种确定人体关节的装置，其特征在于，包括：

关节图形生成模块，用于生成与图像中的人体影像对应的第一关节图形，其中所述第一关节图形包括与所述人体影像对应的各个关节点；

轮廓图形提取模块，用于提取所述人体影像的轮廓图形；以及

关节图形调整模块，用于利用所述轮廓图形对所述第一关节图形的关节点进行调整，生成调整后的第二关节图形，

利用所述轮廓图形对所述第一关节图形的关节点进行调整的操作，包括

将所述第一关节图形嵌入到所述轮廓图形中；

确定所述轮廓图形与人体的各个部位所对应的轮廓图形部分的中线；

确定所述第一关节图形中的各个关节点与相对应的所述中线之间的垂直距离；以及

根据所确定的垂直距离，调整所述第一关节图形的关节点，生成所述第二关节图形，

根据所确定的垂直距离，调整所述第一关节图形的关节点，生成所述第二关节图形的操作，包括：

根据所确定的垂直距离，确定所述第一关节图形与所述轮廓图形之间的偏离度；以及

调整所述第一关节图形的关节点并生成所述第二关节图形，使得所述第二关节图形与所述轮廓图形之间的偏离度小于所述第一关节图形的偏离度，

所述第二关节图形与所述轮廓图形之间的偏离度小于预定阈值，

所述第二关节图形与所述轮廓图形之间的偏离度为最小偏离度，其中所述最小偏离度为基于所述第一关节图形进行多次调节的各个关节图形的偏离度中最小的偏离度，

所述偏离度为关节图形的各个关节点与相应的中线之间的垂直距离之和。

5.一种确定人体关节的装置，其特征在于，包括：

处理器；以及

存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：

生成与图像中的人体影像对应的第一关节图形，其中所述第一关节图形包括与所述人体影像对应的各个关节点；

提取所述人体影像的轮廓图形；以及

利用所述轮廓图形对所述第一关节图形的关节点进行调整，生成调整后的第二关节图形，

利用所述轮廓图形对所述第一关节图形的关节点进行调整的操作，包括

将所述第一关节图形嵌入到所述轮廓图形中；

确定所述轮廓图形与人体的各个部位所对应的轮廓图形部分的中线；

确定所述第一关节图形中的各个关节点与相对应的所述中线之间的垂直距离；以及

根据所确定的垂直距离，调整所述第一关节图形的关节点，生成所述第二关节图形，

根据所确定的垂直距离，调整所述第一关节图形的关节点，生成所述第二关节图形的操作，包括：

根据所确定的垂直距离，确定所述第一关节图形与所述轮廓图形之间的偏离度；以及

调整所述第一关节图形的关节点并生成所述第二关节图形，使得所述第二关节图形与所述轮廓图形之间的偏离度小于所述第一关节图形的偏离度，

所述第二关节图形与所述轮廓图形之间的偏离度小于预定阈值，

所述第二关节图形与所述轮廓图形之间的偏离度为最小偏离度，其中所述最小偏离度为基于所述第一关节图形进行多次调节的各个关节图形的偏离度中最小的偏离度，

所述偏离度为关节图形的各个关节点与相应的中线之间的垂直距离之和。