CN115083021A - 对象姿态识别方法及装置、电子设备和存储介质 - Google Patents
对象姿态识别方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115083021A CN115083021A CN202210863955.4A CN202210863955A CN115083021A CN 115083021 A CN115083021 A CN 115083021A CN 202210863955 A CN202210863955 A CN 202210863955A CN 115083021 A CN115083021 A CN 115083021A
- Authority
- CN
- China
- Prior art keywords
- image
- mask image
- mask
- determining
- area
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012545 processing Methods 0.000 claims abstract description 26
- 239000003550 marker Substances 0.000 claims description 18
- 238000003709 image segmentation Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 5
- 239000000945 filler Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 238000010295 mobile communication Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000010365 information processing Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/16—Image acquisition using multiple overlapping images; Image stitching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Psychiatry (AREA)
- Human Computer Interaction (AREA)
- Social Psychology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种对象姿态识别方法及装置、电子设备和存储介质,通过确定包括具有重叠区域的第一对象和第二对象的第一图像,并根据其中第一对象的位置确定第一掩码图像和第二掩码图像,以及根据其中第二对象的位置确定第三掩码图像和第四掩码图像。根据上述各掩码图像和第一图像确定包括完整第一对象的第二图像,以根据第二图像对第一对象进行姿态识别得到对象姿态。本公开实施例可在第一图像中需要检测的第一对象被其他对象遮挡的情况下,通过图像处理的方式确定包括完整第一对象的图像进行姿态识别,提高了被遮挡对象姿态识别的准确性。
Description
技术领域
本公开涉及计算机视觉技术领域,尤其涉及一种对象姿态识别方法及装置、电子设备和存储介质。
背景技术
在计算机视觉领域,可以通过单帧二维图像对其中包括的人或物等对象的全局姿态或局部姿态进行姿态估计。但在需要识别的对象在单帧二维图像中被遮挡的情况下,得到的姿态识别结果准确性较差。
发明内容
本公开提出了一种对象姿态识别方法及装置、电子设备和存储介质,旨在对被遮挡的第一对象准确的进行姿态识别。
根据本公开的第一方面,提供了一种对象姿态识别方法,包括:
确定第一图像,所述第一图像中包括第一对象和第二对象,所述第一对象至少部分被所述第二对象遮挡;
确定所述第一对象的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像,其中,所述第一掩码图像表征所述第一对象在未被遮挡的情况下在所述第一图像中的预测区域,所述第二掩码图像表征所述第一对象在被遮挡的情况下在所述第一图像中的实际区域,所述第三掩码图像表征所述第二对象在未被遮挡的情况下在所述第一图像中的预测区域,所述第四掩码图像表征所述第二对象在被遮挡的情况下在所述第一图像中的实际区域;
根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第二图像,所述第二图像包括预测得到的完整的第一对象;
基于所述第二图像,识别所述第一对象的对象姿态。
本公开实施例可在第一图像中需要检测的第一对象被其他对象遮挡的情况下,通过图像处理的方式确定包括完整第一对象的图像进行姿态识别,提高了被遮挡对象姿态识别的准确性。
在一种可能的实现方式中,所述根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第二图像,包括:
根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定遮挡标记图像,所述遮挡标记图像用于标记所述第一对象被遮挡区域的位置;
根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定填充区域图像,所述填充区域图像用于标记所述第二对象所在区域中与所述第一对象未重叠的区域的位置;
根据所述第一掩码图像和所述第三掩码图像确定对象掩码图像,所述对象掩码图像用于表征所述第一对象和所述第二对象分别在所述第一图像中的位置;
根据所述遮挡标记图像、所述填充区域图像、所述对象掩码图像和所述第二掩码图像确定第二图像。
本公开实施例可以通过多个掩码图像准确的确定第一图像中的第一对象位置、第二对象位置、背景位置和第一对象被遮挡的位置,以精确的去除第一图像中的第二对象并恢复第一对象的被遮挡区域,得到第二图像。
在一种可能的实现方式中,所述根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定遮挡标记图像,包括:
根据所述第一掩码图像和所述第四掩码图像确定第五掩码图像,所述第五掩码图像表征所述第一对象被所述第二对象遮挡的区域;
根据所述第五掩码图像将所述第一图像中所述第一对象被所述第二对象遮挡的区域像素修改为预设像素值,得到遮挡标记图像。
在一种可能的实现方式中,所述根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定填充区域图像,包括:
根据所述第一掩码图像和所述第四掩码图像确定第六掩码图像,所述第六掩码图像表征所述第二对象所在区域中与所述第一对象未重叠的区域位置;
根据所述第六掩码图像将所述第一图像中,所述第二对象所在区域内与所述第一对象未重叠的区域像素修改为预设像素值,得到填充区域图像。
在一种可能的实现方式中,所述根据所述第一掩码图像和所述第三掩码图像确定对象掩码图像,包括:
确定所述第一掩码图像和所述第三掩码图像至少一个所述像素位置的像素值;
根据所述第一掩码图像和所述第三掩码图像中包括的像素值确定对象掩码图像,所述对象掩码图像中像素值为第一数值的像素位置在所述第一掩码图像和/或所述第三掩码图像中的像素值为第二数值,像素值为所述第二数值的像素位置在所述第一掩码图像和所述第三掩码图像中的像素值为所述第一数值。
在一种可能的实现方式中,所述根据所述遮挡标记图像、所述填充区域图像、所述对象掩码图像和所述第二掩码图像确定第二图像,包括:
将所述遮挡标记图像、所述填充区域图像、所述对象掩码图像和所述第二掩码图像进行拼接,得到拼接后的图像;
利用去遮挡模型对所述拼接后的图像进行处理,得到第二图像,所述去遮挡模型用于去除所述第一图像中的第二对象,并还原所述第一对象的被遮挡区域。
在一种可能的实现方式中,在所述第二对象至少部分被所述第一对象遮挡的情况下,所述方法还包括:
根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第三图像,所述第三图像包括预测得到的完整的第二对象;
基于所述第三图像,识别所述第二对象的对象姿态。
本公开实施例能够在第一图像中的第二对象也需要检测的情况下同时对两个对象分别进行姿态检测。同时,还能够通过提取包括完整第一对象或包括完整第二对象的图像对对应的对象进行姿态估计,降低因识别错误对象的姿态造成冗余计算的可能性。
在一种可能的实现方式中,所述确定所述第一对象的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像,包括:
利用图像分割模型对所述第一图像进行处理,得到所述第一对象对应的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像。
根据本公开的第二方面,提供了一种对象姿态识别装置,包括:
第一图像确定模块,用于确定第一图像,所述第一图像中包括第一对象和第二对象,所述第一对象至少部分被所述第二对象遮挡;
第二图像确定模块,用于确定所述第一对象的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像,其中,所述第一掩码图像表征所述第一对象在未被遮挡的情况下在所述第一图像中的预测区域,所述第二掩码图像表征所述第一对象在被遮挡的情况下在所述第一图像中的实际区域,所述第三掩码图像表征所述第二对象在未被遮挡的情况下在所述第一图像中的预测区域,所述第四掩码图像表征所述第二对象在被遮挡的情况下在所述第一图像中的实际区域;
第三图像确定模块,用于根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第二图像,所述第二图像包括预测得到的完整的第一对象;
姿态识别模块,用于基于所述第二图像,识别所述第一对象的对象姿态。
在一种可能的实现方式中,所述第三图像确定模块,包括:
遮挡标记确定子模块,用于根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定遮挡标记图像,所述遮挡标记图像用于标记所述第一对象被遮挡区域的位置;
填充区域确定子模块,用于根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定填充区域图像,所述填充区域图像用于标记所述第二对象所在区域中与所述第一对象未重叠的区域的位置;
对象掩码确定子模块,用于根据所述第一掩码图像和所述第三掩码图像确定对象掩码图像,所述对象掩码图像用于表征所述第一对象和所述第二对象分别在所述第一图像中的位置;
图像确定子模块,用于根据所述遮挡标记图像、所述填充区域图像、所述对象掩码图像和所述第二掩码图像确定第二图像。
在一种可能的实现方式中,所述遮挡标记确定子模块,包括:
第一掩码图像确定单元,用于根据所述第一掩码图像和所述第四掩码图像确定第五掩码图像,所述第五掩码图像表征所述第一对象被所述第二对象遮挡的区域;
第一像素修改单元,用于根据所述第五掩码图像将所述第一图像中所述第一对象被所述第二对象遮挡的区域像素修改为预设像素值,得到遮挡标记图像。
在一种可能的实现方式中,所述填充区域确定子模块,包括:
第二掩码图像确定单元,用于根据所述第一掩码图像和所述第四掩码图像确定第六掩码图像,所述第六掩码图像表征所述第二对象所在区域中与所述第一对象未重叠的区域位置;
第二像素修改单元,用于根据所述第六掩码图像将所述第一图像中,所述第二对象所在区域内与所述第一对象未重叠的区域像素修改为预设像素值,得到填充区域图像。
在一种可能的实现方式中,所述对象掩码确定子模块,包括:
像素值确定单元,用于确定所述第一掩码图像和所述第三掩码图像至少一个所述像素位置的像素值;
对象掩码确定单元,用于根据所述第一掩码图像和所述第三掩码图像中包括的像素值确定对象掩码图像,所述对象掩码图像中像素值为第一数值的像素位置在所述第一掩码图像和/或所述第三掩码图像中的像素值为第二数值,像素值为所述第二数值的像素位置在所述第一掩码图像和所述第三掩码图像中的像素值为所述第一数值。
在一种可能的实现方式中,所述图像确定子模块,包括:
图像拼接单元,用于将所述遮挡标记图像、所述填充区域图像、所述对象掩码图像和所述第二掩码图像进行拼接,得到拼接后的图像;
去遮挡单元,用于利用去遮挡模型对所述拼接后的图像进行处理,得到第二图像,所述去遮挡模型用于去除所述第一图像中的第二对象,并还原所述第一对象的被遮挡区域。
在一种可能的实现方式中,在所述第二对象至少部分被所述第一对象遮挡的情况下,所述装置还包括:
第四图像确定模块,用于根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第三图像,所述第三图像包括预测得到的完整的第二对象;
姿态确定模块,用于基于所述第三图像,识别所述第二对象的对象姿态。
在一种可能的实现方式中,所述第二图像确定模块,包括:
掩码图像确定子模块,用于利用图像分割模型对所述第一图像进行处理,得到所述第一对象对应的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像。
根据本公开的第三方面,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调用所述存储器存储的指令,以执行上述方法。
根据本公开的第四方面,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方法。
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示出根据本公开实施例的一种对象姿态识别方法的流程图;
图2示出根据本公开实施例的一种图像分割过程的示意图;
图3示出根据本公开实施例的一种确定遮挡标记图像的示意图;
图4示出根据本公开实施例的一种确定填充区域图像的示意图;
图5示出根据本公开实施例的一种确定第二图像过程的示意图;
图6示出根据本公开实施例的一种对象姿态识别装置的示意图;
图7示出根据本公开实施例的一种电子设备的示意图。
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。
在一种可能的实现方式中,本公开实施例的对象姿态识别方法可以由终端设备或服务器等电子设备执行。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、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等固定或移动终端,服务器可以为单独的服务器或者多个服务器组成的服务器集群。电子设备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对象姿态识别方法。
本公开实施例的对象姿态识别方法可以用于对任意被遮挡对象进行姿态识别的场景,例如,识别二维图像中人交叉双手中的单手姿态的应用场景,或者识别二维图像中局部被遮挡物品的姿态的应用场景等。
图1示出根据本公开实施例的一种对象姿态识别方法的流程图。如图1所示,本公开实施例的对象姿态识别方法可以包括以下步骤S10-S40。
步骤S10、确定第一图像。
在一种可能的实现方式中,第一图像中包括待进行姿态检测识别的第一对象,第一图像中还包括因位置或交互关系将第一对象部分遮挡的第二对象。第一图像中可以包括至少一个第一对象和至少一个第二对象。示例性的,在交互状态下,第二对象和第一对象可以相互遮挡,第一对象的至少部分区域被第二对象遮挡,第二对象的至少部分区域也可被第一对象遮挡。例如,在第一对象为用户左手时,第二对象为与用户左手交叉放置的用户右手。在第一对象为球类比赛中采集目标球员时,第二对象为遮挡目标运动员部分肢体区域的其他球员。
第一图像可以通过电子设备内置的或连接的电子设备直接采集,或者通过电子设备接收其他设备采集的图像。电子设备在获取第一图像后,可以对其中包括的至少一个第一对象进行姿态识别,或者还可以同时对遮挡第一对象的第二对象进行姿态识别。
步骤S20、确定所述第一对象的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像。
在一种可能的实现方式中,电子设备根据第一图像确定其中第一对象对应的第一掩码图像和第二掩码图像,以及其中第二对象对应的第三掩码图像和第四掩码图像。其中,每个掩码图像均用于表征第一图像中的部分特定区域。第一掩码图像表征第一对象在未被遮挡的情况下在第一图像中的预测区域,第二掩码图像表征第一对象在被遮挡的情况下在第一图像中的实际区域。第三掩码图像表征第二对象在未被遮挡的情况下在第一图像中的预测区域,第四掩码图像表征第二对象在被遮挡的情况下在第一图像中的实际区域。
也就是说,第一掩码图像表征的区域为第一对象未被遮挡的情况下,在第一图像中显示的区域。第二掩码图像表征得到区域为第一对象实际被第二对象遮挡的情况下,在第一图像中显示的区域。第三掩码图像表征的区域为第二对象未被遮挡的情况下,在第一图像中显示的区域,第四掩码图像表征的区域为第二对象被第一对象遮挡的情况下,实际在第一图像中显示的区域。
本公开实施例可以通过任意方式确定第一掩码图像、第二掩码图像、第三掩码图像和第四掩码图像。例如,可以通过图像处理的方式识别得到第一对象和第二对象实际在第一图像中的区域,以确定第二掩码图像和第四掩码图像。进一步,识别出第一对象和第二对象被遮挡的区域,并在第二掩码图像和第四掩码图像的基础上补齐第一对象和第二对象被遮挡的区域,得到第一掩码图像和第三掩码图像。或者,电子设备还可以直接通过预先训练得到的图像分割模型对第一图像进行图像分割,得到多个掩码图像,即电子设备还可以将第一图像输入训练得到的图像分割模型,输出第一对象对应的第一掩码图像和第二掩码图像,以及第二对象的第三掩码图像和第四掩码图像。
图2示出根据本公开实施例的一种图像分割过程的示意图。如图2所示,电子设备可以通过预先训练得到的图像分割模型21对第一图像20进行图像分割,得到多个掩码图像。其中,在第一图像20为采集相互重叠的左手和右手得到的图像,且需要对左手进行姿态识别的情况下,电子设备确定左手为第一对象,右手为第二对象。图像分割模型21可以输出:表征左手未被遮挡的情况下在第一图像20中预期显示区域的第一掩码图像22、表征左手实际被右手遮挡部分情况下在第一图像20中实际显示区域的第二掩码图像23、表征右手未被遮挡的情况下在第一图像20中预期显示区域的第三掩码图像24和表征右手实际被左手遮挡部分情况下在第一图像20中实际显示区域的第四掩码图像25。
步骤S30、根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第二图像。
在一种可能的实现方式中,电子设备在确定第一图像、和第一图像对应的第一掩码图像、第二掩码图像、第三掩码图像和第四掩码图像后,可以先根据上述图像,确定用于描述第一图像中第一对象、第二对象位置以及第一对象被第二对象遮挡位置的至少一个中间图像,再基于中间图像确定第二图像,第二图像包括预测得到的完整的第一对象,以根据该第二图像对第一对象进行姿态识别。
具体实施中,电子设备可以根据第一图像、第一掩码图像和第四掩码图像确定遮挡标记图像。根据第一图像、第一掩码图像和第四掩码图像确定填充区域图像。根据第一掩码图像和第三掩码图像确定对象掩码图像。再根据遮挡标记图像、填充区域图像、对象掩码图像和第二掩码图像确定第二图像。其中,遮挡标记图像用于标记第一对象被遮挡区域的位置。填充区域图像用于标记第二对象所在区域中与第一对象未重叠的区域的位置。对象掩码图像用于表征第一对象和第二对象分别在第一图像中的位置。例如,在第一图像为采集交叉双手得到的图像,第一对象为左手、第二对象为右手的情况下,遮挡标记图像用于标记左手被右手覆盖的区域,填充区域图像用于标记右手显示的区域中不覆盖左手部分的区域。对象掩码图像用于表征左手和右手两个对象整体在图像中所在的区域。
在一种可能的实现方式中,遮挡标记图像可以根据第一图像、第一掩码图像和第四掩码图像确定。具体的,根据第一掩码图像和第四掩码图像确定第五掩码图像,第五掩码图像表征第一对象被第二对象遮挡的区域,再根据第五掩码图像将第一图像中第一对象被第二对象遮挡的区域像素修改为预设像素值,得到遮挡标记图像。其中,第一掩码图像表征第一对象在第一图像中占用的区域和被第二对象遮挡的区域,第四掩码图像表征第一图像中第二对象占用的区域,因此可以确定第一掩码图像和第四掩码图像表征的两个区域重叠的区域为第一对象被第二对象遮挡的区域,即对第一掩码图像和第四掩码图像表征的区域求交集即可得到第五掩码图像。进一步地,在第一图像中将第五掩码图像中标记的区域的像素值为预设像素值,得到遮挡标记图像。
图3示出根据本公开实施例的一种确定遮挡标记图像的示意图。如图3所示,在确定包括作为第一对象的右手和作为第二对象的左手交叉的第一图像33,和表征完整右手应当在第一图像33中位置的第一掩码图像30、以及实际左手在第一图像33中位置的第四掩码图像31后,根据第一掩码图像30和第二掩码图像31确定表征右手被左手遮挡区域所在位置的第五掩码图像32,根据第五掩码图像32将第一图像33中该遮挡区域位置35进行像素标记得到遮挡标记图像34。
在一种可能的实现方式中,填充区域图像可以根据第一图像、第一掩码图像和第四掩码图像确定,即根据第一掩码图像和第四掩码图像确定第六掩码图像,第六掩码图像表征第二对象所在区域中与第一对象未重叠的区域位置。根据第六掩码图像将第一图像中,第二对象所在区域内与第一对象未重叠的区域像素修改为预设像素值,得到填充区域图像。其中,第一掩码图像表征第一对象在第一图像中占用的区域和被第二对象遮挡的区域,第四掩码图像表征第一图像中第二对象占用的区域,因此可以确定第四掩码图像表征的区域中与第一掩码图像表征的区域未重叠的区域为第二对象所在区域中与第一对象未重叠的区域位置,即将第四掩码图像与对第一掩码图像和第四掩码图像表征的区域求交集后求差即可得到第六掩码图像。进一步地,在第一图像中将第六掩码图像中标记的区域的像素值为预设像素值,得到填充区域图像。
图4示出根据本公开实施例的一种确定填充区域图像的示意图。如图4所示,在确定包括作为第一对象的右手和作为第二对象的左手交叉的第一图像43,和表征完整右手应当在第一图像43中位置的第一掩码图像40、以及实际左手在第一图像43中位置的第四掩码图像41后,根据第一掩码图像40和第二掩码图像41确定表征左手除了遮挡右手区域以外的其他区域所在位置的第六掩码图像42,根据第六掩码图像42将第一图像43中该遮挡区域位置45进行像素标记得到填充区域图像44。
进一步地,对象掩码图像的确定方式可以通过确定第一掩码图像和所述第三掩码图像至少一个像素位置的像素值,根据第一掩码图像和第三掩码图像中包括的像素值确定对象掩码图像,对象掩码图像中像素值为第一数值的像素位置在第一掩码图像和/或第三掩码图像中的像素值为第二数值,像素值为第二数值的像素位置在第一掩码图像和第三掩码图像中的像素值为第一数值。例如,当第一掩码图像中表征完整第一对象应当在第一图像中区域的位置像素值为1,其他区域位置像素值为0。第三掩码图像中表征完整第二对象应当在第一图像中区域的位置像素值为1,其他区域位置像素值为0的情况下。电子设备根据第一掩码图像和第三掩码图像,将在上述两张图像中任意一张中对应位置像素值为1的位置像素值修改为0,将在上述两张图像中任意一张图像中对象位置像素值均为0的位置像素值修改为1得到对象掩码图像。
电子设备在得到遮挡标记图像、填充区域图像以及对象掩码图像后,可以通过拼接遮挡标记图像、填充区域图像、对象掩码图像和第二掩码图像后输入去遮挡模型,得到第二图像。其中,去遮挡模型通过预先训练得到,可以用于去除第一图像中的第二对象,并还原第一对象的被遮挡区域。去遮挡模型能够通过第二掩码图像确定遮挡标记图像中第一对象未被遮挡的区域,并根据未被遮挡的区域替换遮挡标记图像中标记的第一对象被遮挡区域。同时,还可以通过对象掩码图像确定填充区域图像中第一对象和第二对象以外的背景区域,并根据该背景区域替换填充区域图像中标记的第二对象部分区域。进一步地,能够根据替换了第一对象被遮挡区域和第二对象部分区域后的遮挡标记图像和填充区域图像去除第一图像中第一对象的遮挡,以及第二对象,获得包括完整第一对象的第二图像。因此,第二图像能够表征第一对象的完整特征。
图5示出根据本公开实施例的一种确定第二图像过程的示意图。如图5所示,电子设备在确定遮挡标记图像50、填充区域图像51以及对象掩码图像53后,将遮挡标记图像50、填充区域图像51、第二掩码图像52以及对象掩码图像53进行拼接后得到第二图像,并输入去遮挡模型54进行第一对象的去遮挡处理,得到包括第一对象的第二图像55。
去遮挡模型可以为传统Unet深度神经网络,或者在传统Unet深度神经网络的中间层插入至少一个transformer结构,以通过全局感受野更好的完成去遮挡,得到准确的第二图像。其中,Unet深度神经网络为一种用于图像分割的目标分割模型,transformer结构为一种编码解码结构。
步骤S40、基于所述第二图像,识别所述第一对象的对象姿态。
在一种可能的实现方式中,电子设备在确定第二图像后基于第二图像识别第一对象的对象姿态。例如,电子设备可以直接将第二图像输入训练得到的姿态识别模型进行姿态识别,输出第一对象的对象姿态。
在第一图像中的第二对象至少部分被第一对象遮挡的情况下,本公开实施例可以同时对第一图像中的第二对象也进行姿态识别,其中,对第二对象进行姿态识别的方式可以和对第一对象进行姿态识别的方式相同,即电子设备还可以根据第一图像、第一掩码图像、第二掩码图像、第三掩码图像和第四掩码图像确定第三图像,第三图像为包括完整第二对象的图像。基于第三图像,识别第二对象的对象姿态。
基于上述技术特征,本公开实施例可在第一图像中需要检测的第一对象被其他对象遮挡的情况下,通过图像处理的方式去除第一对象上的遮挡,确定包括完整第一对象的图像进行姿态识别,提高了被遮挡对象姿态识别的准确性。同时,本公开实施例还能够在图像中包括两个相似对象的情况下,提取需要进行姿态检测的第一对象,得到包括完整的第一对象的第二图像,避免在识别过程中识别错误对象的姿态,造成冗余计算。
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,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了对象姿态识别装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种对象姿态识别方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图6示出根据本公开实施例的一种对象姿态识别装置的示意图,如图6所示,所述装置包括:
第一图像确定模块60,用于确定第一图像,所述第一图像中包括第一对象和第二对象,所述第一对象至少部分被所述第二对象遮挡;
第二图像确定模块61,用于确定所述第一对象的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像,其中,所述第一掩码图像表征所述第一对象在未被遮挡的情况下在所述第一图像中的预测区域,所述第二掩码图像表征所述第一对象在被遮挡的情况下在所述第一图像中的实际区域,所述第三掩码图像表征所述第二对象在未被遮挡的情况下在所述第一图像中的预测区域,所述第四掩码图像表征所述第二对象在被遮挡的情况下在所述第一图像中的实际区域;
第三图像确定模块62,用于根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第二图像,所述第二图像包括预测得到的完整的第一对象;
姿态识别模块63,用于基于所述第二图像,识别所述第一对象的对象姿态。
在一种可能的实现方式中,所述第三图像确定模块62,包括:
遮挡标记确定子模块,用于根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定遮挡标记图像,所述遮挡标记图像用于标记所述第一对象被遮挡区域的位置;
填充区域确定子模块,用于根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定填充区域图像,所述填充区域图像用于标记所述第二对象所在区域中与所述第一对象未重叠的区域的位置;
对象掩码确定子模块,用于根据所述第一掩码图像和所述第三掩码图像确定对象掩码图像,所述对象掩码图像用于表征所述第一对象和所述第二对象分别在所述第一图像中的位置;
图像确定子模块,用于根据所述遮挡标记图像、所述填充区域图像、所述对象掩码图像和所述第二掩码图像确定第二图像。
在一种可能的实现方式中,所述遮挡标记确定子模块,包括:
第一掩码图像确定单元,用于根据所述第一掩码图像和所述第四掩码图像确定第五掩码图像,所述第五掩码图像表征所述第一对象被所述第二对象遮挡的区域;
第一像素修改单元,用于根据所述第五掩码图像将所述第一图像中所述第一对象被所述第二对象遮挡的区域像素修改为预设像素值,得到遮挡标记图像。
在一种可能的实现方式中,所述填充区域确定子模块,包括:
第二掩码图像确定单元,用于根据所述第一掩码图像和所述第四掩码图像确定第六掩码图像,所述第六掩码图像表征所述第二对象所在区域中与所述第一对象未重叠的区域位置;
第二像素修改单元,用于根据所述第六掩码图像将所述第一图像中,所述第二对象所在区域内与所述第一对象未重叠的区域像素修改为预设像素值,得到填充区域图像。
在一种可能的实现方式中,所述对象掩码确定子模块,包括:
确定所述第一掩码图像和所述第三掩码图像至少一个所述像素位置的像素值;
根据所述第一掩码图像和所述第三掩码图像中包括的像素值确定对象掩码图像,所述对象掩码图像中像素值为第一数值的像素位置在所述第一掩码图像和/或所述第三掩码图像中的像素值为第二数值,像素值为所述第二数值的像素位置在所述第一掩码图像和所述第三掩码图像中的像素值为所述第一数值。
在一种可能的实现方式中,所述图像确定子模块,包括:
图像拼接单元,用于将所述遮挡标记图像、所述填充区域图像、所述对象掩码图像和所述第二掩码图像进行拼接,得到拼接后的图像,并还原所述第一对象的被遮挡区域;
去遮挡单元,用于利用去遮挡模型对所述拼接后的图像进行处理,得到第二图像,所述去遮挡模型用于去除所述第一图像中的第二对象。
在一种可能的实现方式中,在所述第二对象至少部分被所述第一对象遮挡的情况下,所述装置还包括:
第四图像确定模块,用于根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第三图像,所述第三图像包括预测得到的完整的第二对象;
姿态确定模块,用于基于所述第三图像,识别所述第二对象的对象姿态。
在一种可能的实现方式中,所述第二图像确定模块61,包括:
掩码图像确定子模块,用于利用图像分割模型对所述第一图像进行处理,得到所述第一对象对应的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像。
该方法与计算机系统的内部结构存在特定技术关联,且能够解决如何提升硬件运算效率或执行效果的技术问题(包括减少数据存储量、减少数据传输量、提高硬件处理速度等),从而获得符合自然规律的计算机系统内部性能改进的技术效果。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
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调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,或者承载有计算机可读代码的非易失性计算机可读存储介质,当所述计算机可读代码在电子设备的处理器中运行时,所述电子设备中的处理器执行上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图7示出根据本公开实施例的一种电子设备800的示意图。例如,电子设备800可以是用户设备(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、可穿戴设备等终端设备。
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)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,如互补金属氧化物半导体(CMOS)或电荷耦合装置(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,如无线网络(Wi-Fi)、第二代移动通信技术(2G)、第三代移动通信技术(3G)、第四代移动通信技术(4G)、通用移动通信技术的长期演进(LTE)、第五代移动通信技术(5G)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。
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。
若本申请技术方案涉及个人信息,应用本申请技术方案的产品在处理个人信息前,已明确告知个人信息处理规则,并取得个人自主同意。若本申请技术方案涉及敏感个人信息,应用本申请技术方案的产品在处理敏感个人信息前,已取得个人单独同意,并且同时满足“明示同意”的要求。例如,在摄像头等个人信息采集装置处,设置明确显著的标识告知已进入个人信息采集范围,将会对个人信息进行采集,若个人自愿进入采集范围即视为同意对其个人信息进行采集;或者在个人信息处理的装置上,利用明显的标识/信息告知个人信息处理规则的情况下,通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权;其中,个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
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的改进,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 (11)
1.一种对象姿态识别方法,其特征在于,所述方法包括:
确定第一图像,所述第一图像中包括第一对象和第二对象,所述第一对象的至少部分区域被所述第二对象遮挡;
确定所述第一对象的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像,其中,所述第一掩码图像表征所述第一对象在未被遮挡的情况下在所述第一图像中的预测区域,所述第二掩码图像表征所述第一对象在被遮挡的情况下在所述第一图像中的实际区域,所述第三掩码图像表征所述第二对象在未被遮挡的情况下在所述第一图像中的预测区域,所述第四掩码图像表征所述第二对象在被遮挡的情况下在所述第一图像中的实际区域;
根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第二图像,所述第二图像包括预测得到的完整的第一对象;
基于所述第二图像,识别所述第一对象的对象姿态。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第二图像,包括:
根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定遮挡标记图像,所述遮挡标记图像用于标记所述第一对象被遮挡区域的位置;
根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定填充区域图像,所述填充区域图像用于标记所述第二对象所在区域中与所述第一对象未重叠的区域的位置;
根据所述第一掩码图像和所述第三掩码图像确定对象掩码图像,所述对象掩码图像用于表征所述第一对象和所述第二对象分别在所述第一图像中的位置;
根据所述遮挡标记图像、所述填充区域图像、所述对象掩码图像和所述第二掩码图像确定第二图像。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定遮挡标记图像,包括:
根据所述第一掩码图像和所述第四掩码图像确定第五掩码图像,所述第五掩码图像表征所述第一对象被所述第二对象遮挡的区域;
根据所述第五掩码图像将所述第一图像中所述第一对象被所述第二对象遮挡的区域像素修改为预设像素值,得到所述遮挡标记图像。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述第一图像、所述第一掩码图像和所述第四掩码图像确定填充区域图像,包括:
根据所述第一掩码图像和所述第四掩码图像确定第六掩码图像,所述第六掩码图像表征所述第二对象所在区域中与所述第一对象未重叠的区域位置;
根据所述第六掩码图像将所述第一图像中,所述第二对象所在区域内与所述第一对象未重叠的区域像素修改为预设像素值,得到所述填充区域图像。
5.根据权利要求2-4中任意一项所述的方法,其特征在于,所述对象掩码图像中像素值为第一数值的像素位置在所述第一掩码图像和/或所述第三掩码图像中的像素值为第二数值,像素值为所述第二数值的像素位置在所述第一掩码图像和所述第三掩码图像中的像素值为所述第一数值。
6.根据权利要求2-5中任意一项所述的方法,其特征在于,所述根据所述遮挡标记图像、所述填充区域图像、所述对象掩码图像和所述第二掩码图像确定第二图像,包括:
将所述遮挡标记图像、所述填充区域图像、所述对象掩码图像和所述第二掩码图像进行拼接,得到拼接后的图像;
利用去遮挡模型对所述拼接后的图像进行处理,得到第二图像,所述去遮挡模型用于去除所述第一图像中的第二对象,并还原所述第一对象的被遮挡区域。
7.根据权利要求1-6中任意一项所述的方法,其特征在于,在所述第二对象至少部分被所述第一对象遮挡的情况下,所述方法还包括:
根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第三图像,所述第三图像包括预测得到的完整的第二对象;
基于所述第三图像,识别所述第二对象的对象姿态。
8.根据权利要求1-7中任意一项所述的方法,其特征在于,所述确定所述第一对象的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像,包括:
利用图像分割模型对所述第一图像进行处理,得到所述第一对象对应的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像。
9.一种对象姿态识别装置,其特征在于,所述装置包括:
第一图像确定模块,用于确定第一图像,所述第一图像中包括第一对象和第二对象,所述第一对象至少部分被所述第二对象遮挡;
第二图像确定模块,用于确定所述第一对象的第一掩码图像和第二掩码图像,以及所述第二对象的第三掩码图像和第四掩码图像,其中,所述第一掩码图像表征所述第一对象在未被遮挡的情况下在所述第一图像中的预测区域,所述第二掩码图像表征所述第一对象在被遮挡的情况下在所述第一图像中的实际区域,所述第三掩码图像表征所述第二对象在未被遮挡的情况下在所述第一图像中的预测区域,所述第四掩码图像表征所述第二对象在被遮挡的情况下在所述第一图像中的实际区域;
第三图像确定模块,用于根据所述第一图像、所述第一掩码图像、所述第二掩码图像、所述第三掩码图像和所述第四掩码图像确定第二图像,所述第二图像包括预测得到的完整的第一对象;
姿态识别模块,用于基于所述第二图像,识别所述第一对象的对象姿态。
10.一种电子设备,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8中任意一项所述的方法。
11.一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8中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210863955.4A CN115083021A (zh) | 2022-07-20 | 2022-07-20 | 对象姿态识别方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210863955.4A CN115083021A (zh) | 2022-07-20 | 2022-07-20 | 对象姿态识别方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115083021A true CN115083021A (zh) | 2022-09-20 |
Family
ID=83241973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210863955.4A Withdrawn CN115083021A (zh) | 2022-07-20 | 2022-07-20 | 对象姿态识别方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115083021A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116631011A (zh) * | 2023-07-24 | 2023-08-22 | 荣耀终端有限公司 | 手部姿态估计方法及电子设备 |
-
2022
- 2022-07-20 CN CN202210863955.4A patent/CN115083021A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116631011A (zh) * | 2023-07-24 | 2023-08-22 | 荣耀终端有限公司 | 手部姿态估计方法及电子设备 |
CN116631011B (zh) * | 2023-07-24 | 2023-10-20 | 荣耀终端有限公司 | 手部姿态估计方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647834B (zh) | 人脸和人手关联检测方法及装置、电子设备和存储介质 | |
CN106651955B (zh) | 图片中目标物的定位方法及装置 | |
CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN110674719B (zh) | 目标对象匹配方法及装置、电子设备和存储介质 | |
US11455788B2 (en) | Method and apparatus for positioning description statement in image, electronic device, and storage medium | |
CN113132618B (zh) | 辅助拍照方法、装置、终端设备及存储介质 | |
US9924226B2 (en) | Method and device for processing identification of video file | |
CN110688951A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US11443438B2 (en) | Network module and distribution method and apparatus, electronic device, and storage medium | |
CN108062547B (zh) | 文字检测方法及装置 | |
CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
CN106557759B (zh) | 一种标志牌信息获取方法及装置 | |
CN107944367B (zh) | 人脸关键点检测方法及装置 | |
CN109635142B (zh) | 图像选择方法及装置、电子设备和存储介质 | |
CN112219224B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111340048B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109671051B (zh) | 图像质量检测模型训练方法及装置、电子设备和存储介质 | |
CN108171222B (zh) | 一种基于多流神经网络的实时视频分类方法及装置 | |
CN110929616B (zh) | 一种人手识别方法、装置、电子设备和存储介质 | |
CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
CN110619325A (zh) | 一种文本识别方法及装置 | |
CN113052874B (zh) | 目标跟踪方法及装置、电子设备和存储介质 | |
CN115083021A (zh) | 对象姿态识别方法及装置、电子设备和存储介质 | |
CN114565962A (zh) | 人脸图像处理方法及装置、电子设备和存储介质 | |
CN114549983A (zh) | 计算机视觉模型训练方法及装置、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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220920 |