CN116363695A - 一种人体感兴趣位置的确定方法、装置、介质及设备 - Google Patents

一种人体感兴趣位置的确定方法、装置、介质及设备 Download PDF

Info

Publication number
CN116363695A
CN116363695A CN202310224881.4A CN202310224881A CN116363695A CN 116363695 A CN116363695 A CN 116363695A CN 202310224881 A CN202310224881 A CN 202310224881A CN 116363695 A CN116363695 A CN 116363695A
Authority
CN
China
Prior art keywords
human body
determining
interest
joint
length
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
Application number
CN202310224881.4A
Other languages
English (en)
Inventor
于航
杨琦钰
邱嘉翔
杨帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Intelligent Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Intelligent Healthcare Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Intelligent Healthcare Co Ltd filed Critical Shanghai United Imaging Intelligent Healthcare Co Ltd
Priority to CN202310224881.4A priority Critical patent/CN116363695A/zh
Publication of CN116363695A publication Critical patent/CN116363695A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/22Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/25Determination of region of interest [ROI] or a volume of interest [VOI]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本说明书公开了一种人体感兴趣位置的确定方法、装置、介质及设备,获取人体图像,进而通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置,并确定感兴趣部位的包围框。进而根据确定出的关节的位置以及包围框,确定人体图像中的人体感兴趣位置。通过确定人体感兴趣位置所在的感兴趣部位中的关节的位置以及感兴趣部位的包围框,确定人体图像中的人体感兴趣位置。减少了对与人体感兴趣部位无关的人体关节的检测,降低了服务器的存储压力,且提高了人体感兴趣位置的精确度,进而提高了基于人体感兴趣位置确定的CT扫描范围的准确度。

Description

一种人体感兴趣位置的确定方法、装置、介质及设备
技术领域
本申请涉及计算机技术领域,尤其涉及一种人体感兴趣位置的确定方法、装置、介质及设备。
背景技术
随着科技的发展,人工智能日益受到大众的关注。在医疗领域,人工智能也广泛应用。在对人体进行疾病部位诊断时,扫面系统可根据医师的扫描协议确定扫描范围,进而实现自动移床等操作,使得电子计算机断层扫描(Computed Tomography,CT)等设备对人体进行扫描。
但是,在进行CT扫描时,人体躺在CT扫描床上的姿态不同,使得人体各部位相对于扫描床的位置不同,那么确定出的扫描范围也不同。
因此,在进行CT扫描时,如何确定人体感兴趣部位中的人体感兴趣位置是一个亟待解决的问题。基于此,本说明书提供了一种人体感兴趣位置的确定方法。
发明内容
本说明书提供一种人体感兴趣位置的确定方法、装置、介质及设备,以至少部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种人体感兴趣位置的确定方法,所述方法包括:
获取人体图像;
通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置,并确定所述感兴趣部位的包围框;
根据所述关节的位置以及所述包围框,确定所述人体图像中的人体感兴趣位置。
可选地,通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置,并确定所述感兴趣部位的包围框,具体包括:
通过预先训练的人体识别模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置;
通过预先训练的目标检测模型,确定所述感兴趣部位的包围框。
可选地,所述人体感兴趣位置包括手指尖;
所述感兴趣部位包括手臂;
所述关节包括肘关节和腕关节。
可选地,根据所述关节的位置以及所述包围框,确定所述人体图像中的人体感兴趣位置,具体包括:
确定肘关节和腕关节之间的连线;
按照所述肘关节到腕关节的方向,延长所述连线,并确定所述连线与所述包围框包含的边中相交的边;
根据所述相交的边,确定所述手指尖在所述人体图像中的坐标的第一维度。
可选地,确定肘关节和腕关节之间的连线,具体包括:
根据所述人体图像中的人体姿态,确定所述人体图像中人体的左半身位置范围与右半身位置范围;
根据所述包围框在人体图像中的位置,将位于所述左半身位置范围内的包围框中的手臂确定为左臂,将位于所述右半身位置范围内的包围框中的手臂确定为右臂;
确定左臂的肘关节和左臂的腕关节之间的连线,确定右臂的肘关节和右臂的腕关节之间的连线。
可选地,所述方法还包括:
根据所述相交的边的中点,确定所述手指尖在所述人体图像中的坐标的第二维度。
可选地,根据所述关节的位置以及所述包围框,确定所述人体图像中的人体感兴趣位置,具体包括:
确定所述肘关节到所述腕关节的长度,作为第一长度;
根据所述第一长度以及所述包围框,确定所述人体图像中的手指尖位置。
可选地,根据所述第一长度以及所述包围框,确定所述人体图像中的手指尖位置,具体包括:
根据预设的所述肘关节与所述腕关节中的至少一个关节到所述手指尖的第二长度与所述第一长度的比例,以及所述第一长度,确定所述手指尖在所述人体图像中的坐标的第二维度。
本说明书还提供了一种人体感兴趣位置的确定方法,所述方法包括:
获取人体图像;
通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的各关节的位置;
根据各关节的位置,确定各关节间的长度;
根据所述各关节间的长度,确定人体感兴趣位置。
可选地,所述人体感兴趣位置包括手指尖;
所述感兴趣部位包括手臂;
所述各关节包括肘关节和腕关节。
可选地,根据所述各关节间的长度,确定人体感兴趣位置,具体包括:
确定所述肘关节到所述腕关节的长度,作为第一长度;
根据预设的所述肘关节与所述腕关节中的至少一个关节到所述手指尖的第二长度与所述第一长度的比例,以及所述第一长度,确定所述人体图像中的手指尖位置。
本说明书提供了一种人体感兴趣位置的确定装置,所述装置包括:
获取模块,用于获取人体图像;
第一确定模块,用于通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置,并确定所述感兴趣部位的包围框;
第二确定模块,用于根据所述关节的位置以及所述包围框,确定所述人体图像中的人体感兴趣位置。
可选地,所述第一确定模块,具体用于通过预先训练的人体识别模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置;通过预先训练的目标检测模型,确定所述感兴趣部位的包围框。
可选地,所述人体感兴趣位置包括手指尖;所述感兴趣部位包括手臂;所述关节包括肘关节和腕关节。
可选地,所述第二确定模块,具体用于确定肘关节和腕关节之间的连线;按照所述肘关节到腕关节的方向,延长所述连线,并确定所述连线与所述包围框包含的边中相交的边;根据所述相交的边,确定所述手指尖在所述人体图像中的坐标的第一维度。
可选地,所述第二确定模块,具体用于根据所述人体图像中的人体姿态,确定所述人体图像中人体的左半身位置范围与右半身位置范围;根据所述包围框在人体图像中的位置,将位于所述左半身位置范围内的包围框中的手臂确定为左臂,将位于所述右半身位置范围内的包围框中的手臂确定为右臂;确定左臂的肘关节和左臂的腕关节之间的连线,确定右臂的肘关节和右臂的腕关节之间的连线。
可选地,所述第二确定模块,还用于根据所述相交的边的中点,确定所述手指尖在所述人体图像中的坐标的第二维度。
可选地,所述第二确定模块,具体用于确定所述肘关节到所述腕关节的长度,作为第一长度;根据所述第一长度以及所述包围框,确定所述人体图像中的手指尖位置。
可选地,所述第二确定模块,具体用于根据预设的所述肘关节与所述腕关节中的至少一个关节到所述手指尖的第二长度与所述第一长度的比例,以及所述第一长度,确定所述手指尖在所述人体图像中的坐标的第二维度。
本说明书还提供了一种人体感兴趣位置的确定装置,所述装置包括:
获取模块,用于获取人体图像;
第一确定模块,用于通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的各关节的位置;
第二确定模块,用于根据各关节的位置,确定各关节间的长度;
第三确定模块,用于根据所述各关节间的长度,确定人体感兴趣位置。
可选地,所述人体感兴趣位置包括手指尖;所述感兴趣部位包括手臂;所述各关节包括肘关节和腕关节。
可选地,所述第三确定模块,确定所述肘关节到所述腕关节的长度,作为第一长度;根据预设的所述肘关节与所述腕关节中的至少一个关节到所述手指尖的第二长度与所述第一长度的比例,以及所述第一长度,确定所述人体图像中的手指尖位置。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述人体感兴趣位置的确定方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述人体感兴趣位置的确定方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书提供的人体感兴趣位置的确定方法中,可先获取人体图像,进而通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置,并确定感兴趣部位的包围框。进而根据确定出的关节的位置以及包围框,确定人体图像中的人体感兴趣位置。
从上述方法中可以看出,通过人体感兴趣位置所在的感兴趣部位中的关节的位置以及感兴趣部位的包围框,确定人体图像中的人体感兴趣位置。减少了对与人体感兴趣部位无关的关节的检测,降低了服务器的存储压力,且提高了人体感兴趣位置的精确度,进而提高了基于人体感兴趣位置确定的CT扫描范围的准确度。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书中一种人体感兴趣位置的确定方法的流程示意图;
图2为本说明书提供的一种手指尖位置的示意图;
图3为本说明书中一种人体感兴趣位置的确定方法的流程示意图;
图4为本说明书提供的一种手指尖位置的示意图;
图5为本说明书提供的一种人体感兴趣位置的确定装置示意图;
图6为本说明书提供的一种人体感兴趣位置的确定装置示意图;
图7为本说明书提供的对应于图1与图3的电子设备示意图。
具体实施方式
目前,在对患者进行CT扫描的时候,服务器可先获取诸如照相机等拍摄设备拍摄的人体图像,在人体图像中确定各关节的位置,进而确定人体感兴趣位置(如手指尖的位置)。基于此,本说明书提供了一种人体感兴趣位置的确定方法,可先确定人体感兴趣位置所在的感兴趣部位中的关节的位置以及感兴趣部位的包围框,进而确定人体图像中的人体感兴趣位置。可以减少对与人体感兴趣部位无关的关节的检测,降低服务器的存储压力,且提高基于人体感兴趣位置确定的CT扫描范围的准确度。
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都属于说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书提供的一种人体感兴趣位置的确定方法的流程示意图,具体可包括以下步骤:
S100:获取人体图像。
一般的,CT扫描床上方安置有拍摄装置(如:照相机、摄像机等),用于人体图像的采集。CT扫描系统中具有计算功能的计算设备可获取经由拍摄装置采集的人体图像并进行处理。现以服务器为执行主体进行本方案的说明。
在本说明书的一个或多个实施例中,CT扫描系统中的拍摄设备可对患者进行图像拍摄,得到人体图像。服务器可先获取人体图像,以在后续步骤中对人体图像进行处理,确定出人体感兴趣位置。
S102:通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置,并确定所述感兴趣部位的包围框。
在本说明书的一个或多个实施例中,为了确定人体感兴趣位置,需要先确定人体感兴趣位置所在的感兴趣部位的位置以及感兴趣部位中的关节的位置。因此,服务器内预先部署有模型,以通过该模型对人体图像进行处理,确定出人体感兴趣位置所在的感兴趣部位中的关节的位置,并确定感兴趣部位的包围框。
在本说明书的一个或多个实施例中,在服务器中部署的模型可以包括人体识别模型和目标检测模型,人体识别模型可用于识别人体图像中的人体的关节的位置,目标检测模型可用于识别人体图像中的感兴趣部位。因此,服务器可通过人体识别模型确定人体感兴趣位置所在的感兴趣部位中的关节的位置,通过目标检测模型确定人体图像中感兴趣部位的位置。
S104:根据所述关节的位置以及所述包围框,确定所述人体图像中的人体感兴趣位置。
根据确定出的人体感兴趣位置所在的感兴趣部位中的关节的位置以及感兴趣部位的包围框,服务器可确定出人体图像中的人体感兴趣位置。在本说明书的一个或多个实施例中,人体感兴趣位置可以包括手指尖,则感兴趣部位可包括手臂,感兴趣部位中的关节可包括肘关节和腕关节。因此,在上述步骤S102中,服务器可确定出手臂的包围框,以及确定出肘关节和腕关节的位置。进而在本步骤中服务器可根据手臂的包围框、肘关节和腕关节的位置,确定手指尖的位置。
由于人体的肘关节指向腕关节的方向为手指尖所在的方向,因此,在确定手指尖的位置时,服务器可先确定肘关节和腕关节之间的连线,按照肘关节到腕关节的方向,延长该连线,并确定该连线与包围框包含的边中相交的边。并且,由于该包围框是根据手臂确定出来的,因此在人体图像中的手臂完整的情况下,也就是说,在手臂没有超出CT扫描床的床体范围的情况下,可根据相交的边的位置,确定手指尖在人体图像中的坐标的第一维度。
如图2所示,为本说明书提供的一种手指尖位置的示意图。在图2中可见,人体图像中有手臂包围框、肘关节和腕关节,肘关节和腕关节之间的连线与手臂包围框相交于最左侧的边(A点所在的边),人体图像包含U、V两个维度的坐标,用于描述人体图像中各像素点的位置。包围框中最左侧的边在人体图像中对应的U坐标即为手指尖在人体图像中的U坐标,即手指尖在人体图像中的坐标的第一维度。
其中,手指尖的位置在人体图像中的坐标的第一维度与第二维度是描述手指尖在人体图像的坐标系中对应的坐标的位置,对应于坐标系中的U、V。上述人体图像中坐标系的建立可以根据图像的分辨率建立,例如:假设该人体图像的分辨率为1280×720,则可以以人体图像左上方的顶点为像素坐标系的原点,以与该原点连接的人体图像中的水平方向的边为U轴,则各像素点对应的U坐标的范围为0~1279,以与该原点连接的人体图像中的竖直方向的边为V轴,则各像素点对应的V坐标的范围为0~719,建立人体图像的坐标系。由于拍摄设备是在患者躺在CT扫描床上后,对CT扫描床的床体进行拍摄得到人体图像的,因此也可以以CT扫描床的床体的任意顶点为坐标系的原点,以CT扫描床的床体的长度为坐标系的U轴,以CT扫描床的床体的宽度为坐标系的V轴建立坐标系。具体方法本说明书不做限制。
进一步的,服务器可先确定肘关节到腕关节的长度,作为第一长度。然后根据预设的肘关节与腕关节中的至少一个关节到手指尖的第二长度与第一长度的比例,以及第一长度,确定手指尖在人体图像中的坐标的第二维度。也就是说,确定出肘关节到腕关节的长度后,可根据预设的肘关节到手指尖或者腕关节到手指尖与该第一长度的比例,确定手指尖在人体图像中坐标的第二维度,即人体图像坐标中的V坐标。
由于确定出的感兴趣部位的包围框的四条边也即手臂包围框的四条边与CT扫描床的床体的四条边是分别平行的,因此,在进行CT扫描时,要根据手指尖位置确定扫描范围时,可依据上述方法确定出手指尖在人体图像中的U坐标,假设确定出的U坐标的值为P,那么,可以以U=P所在的直线为CT扫描线的起始线、终止线等等,实施CT扫描。
基于图1所示本说明书提供的上述人体感兴趣位置的确定方法中,通过确定人体感兴趣位置所在的感兴趣部位中的关节的位置以及感兴趣部位的包围框,确定人体图像中的人体感兴趣位置。减少了对与人体感兴趣部位无关的人体关节的检测,只检测人体感兴趣位置所在的感兴趣部位中的关节,降低了对服务器的存储要求与算力要求,且提高了基于人体感兴趣位置确定的CT扫描范围的准确度。
一般的,当人体手臂的摆放较为笔直时,也就是说手臂的摆放位置和手臂侧面最接近的CT扫描床的一边近乎平行时,可近似的认为手指尖、腕关节、肘关节所在的直线是将该包围框左右平分的,因此在上述步骤S104中,可根据相交的边的中点,确定手指尖在人体图像中的坐标的第二维度,沿用上述图2,也就是将包围框中最左侧的边的中点对应的坐标作为手指尖的坐标。
进一步的,在上述步骤S104中,在确定肘关节和腕关节之间的连线时,为了将属于同一只手臂的肘关节和腕关节进行连线,也就是说,为了防止将左手肘关节与右手腕关节和/或将左手腕关节与右手肘关节连线,服务器还可根据人体图像中的人体姿态,确定人体图像中人体的左半身位置范围与右半身位置范围。
其中,人体姿态至少包括平躺或者侧躺、人体各部位(如头部)相对于CT扫描床的位置,即位于CT扫描床的左边或者右边。例如,假设该人体图像的坐标系的分辨率为1280×720,且按照上述根据图像分辨率建立坐标系的方式得到该人体图像的坐标系,当确定该人体图像中的人体姿态为面部朝上、头部位于CT扫描床的左边、水平平躺的姿态后,则可大致的将V坐标在0~359范围内的各像素点确定为人体左半身中的像素点,将V坐标在360~719范围内的各像素点确定为人体右半身的像素点。
然后根据包围框在人体图像中的位置,将位于左半身位置范围内的包围框中的手臂确定为左臂,将位于右半身位置范围内的包围框中的手臂确定为右臂。最后确定左臂的肘关节和左臂的腕关节之间的连线,确定右臂的肘关节和右臂的腕关节之间的连线。
当确定出的包围框不完全在人体左半身位置范围中或者人体右半身位置范围中,则可确定包围框中的各像素点位于人体左半身位置范围与人体右半身位置范围的像素点的个数,根据个数最多的像素点对应的人体位置范围,确定包围框对应的人体手臂(即左臂或者右臂)。
上述基于图1所示的本说明书提供的人体感兴趣位置的确定方法中,使用了两种模型,为了进一步降低对服务器的算力要求以及存储要求,还可只使用一种模型来确定人体感兴趣位置。以下结合附图,详细说明本说明书另外提供的一种人体感兴趣位置的确定方法。
图3为本说明书提供的一种人体感兴趣位置的确定方法的流程示意图,具体可包括以下步骤:
S300:获取人体图像。
S302:通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的各关节的位置。
在本说明书的一个或多个实施例中,服务器可先获取CT扫描系统中的拍摄设备拍摄的人体图像,进而根据预先预训练的模型,确定人体感兴趣位置所在的感兴趣部位中的各关节点的位置。
其中,预先训练的模型可以是人体识别模型、关节识别模型等等。
S304:根据各关节的位置,确定各关节间的长度。
S306:根据所述各关节间的长度,确定人体感兴趣位置。
在本说明书的一个或多个实施例中,人体感兴趣位置包括手指尖,感兴趣部位包括手臂,各关节包括肘关节和腕关节。因此,在上述步骤S302中要确定手指尖的位置时,要先确定手指尖所在的手臂中的肘关节和腕关节的位置。
进而,服务器在根据各关节间的长度,确定人体感兴趣位置时,可确定肘关节和腕关节之间的长度,作为第一长度。然后根据预设的肘关节与腕关节中的至少一个关节到手指尖的长度与该第一长度的比例,确定手指尖在人体图像中的位置。
如图4所示,为本说明书提供的一种手指尖位置的示意图。在图4中可见,人体图像中有肘关节和腕关节,并确定肘关节和腕关节之间的第一长度即L。然后根据预设的腕关节到指尖位置或者肘关节到指尖位置与所述L的长度的比例,以及L的值,可确定出腕关节或者肘关节到手指尖的长度,也就是可以确定图中所示的手指尖所在的A的位置。A点在人体图像中的坐标即为手指尖在人体图像中的坐标。其中,可使用上述步骤S104中建立坐标系的方法来建立该人体图像中的坐标系,具体过程不再赘述。
需要说明的是,确定肘关节和腕关节之间的长度时,可使用上述步骤S104中确定肘关节和腕关节之间的连线的方法来确定属于同一只手臂的肘关节和腕关节之间的长度,具体过程不再赘述。
基于图3所示的本说明书提供的上述人体感兴趣位置的确定方法中,通过确定人体感兴趣位置所在的感兴趣部位中的关节的位置,确定人体图像中的人体感兴趣位置。减少了对与人体感兴趣部位无关的人体关节的检测,降低了对服务器的存储要求与算力要求。
进一步的,在上述人体感兴趣位置的确定方法中,预设的肘关节与腕关节中的至少一个关节到手指尖的第二长度与第一长度的比例,可根据专业的医学论文获取,并可根据医学论文中对该比例的更新,更新服务器中的该比例。
当服务器中的识别模型因为某些因素(如:人体图像光线暗、手肘位置放置不对等等)导致识别不出感兴趣部位(如手臂)以及感兴趣部位中的关节(如肘关节、腕关节)时,可重新获取下一张人体图像,继续进行人体感兴趣位置的确定。
基于上述内容所述的人体感兴趣位置的确定方法,本说明书实施例还提供一种用于人体感兴趣位置的确定装置示意图,如图5所示。
图5为本说明书实施例提供的一种用于人体感兴趣位置的确定装置的示意图,所述装置包括:
获取模块500,用于获取人体图像;
第一确定模块502,用于通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置,并确定所述感兴趣部位的包围框;
第二确定模块504,用于根据所述关节的位置以及所述包围框,确定所述人体图像中的人体感兴趣位置。
可选地,所述第一确定模块502,具体用于通过预先训练的人体识别模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置;通过预先训练的目标检测模型,确定所述感兴趣部位的包围框。
可选地,所述人体感兴趣位置包括手指尖;所述感兴趣部位包括手臂;所述关节包括肘关节和腕关节。
可选地,所述第二确定模块504,具体用于确定肘关节和腕关节之间的连线;按照所述肘关节到腕关节的方向,延长所述连线,并确定所述连线与所述包围框包含的边中相交的边;根据所述相交的边,确定所述手指尖在所述人体图像中的坐标的第一维度。
可选地,所述第二确定模块504,具体用于根据所述人体图像中的人体姿态,确定所述人体图像中人体的左半身位置范围与右半身位置范围;根据所述包围框在人体图像中的位置,将位于所述左半身位置范围内的包围框中的手臂确定为左臂,将位于所述右半身位置范围内的包围框中的手臂确定为右臂;确定左臂的肘关节和左臂的腕关节之间的连线,确定右臂的肘关节和右臂的腕关节之间的连线。
可选地,所述第二确定模块504,还用于根据所述相交的边的中点,确定所述手指尖在所述人体图像中的坐标的第二维度。
可选地,所述第二确定模块504,具体用于确定所述肘关节到所述腕关节的长度,作为第一长度;根据所述第一长度以及所述包围框,确定所述人体图像中的手指尖位置。
可选地,所述第二确定模块504,具体用于根据预设的所述肘关节与所述腕关节中的至少一个关节到所述手指尖的第二长度与所述第一长度的比例,以及所述第一长度,确定所述手指尖在所述人体图像中的坐标的第二维度。
基于上述内容所述的人体感兴趣位置的确定方法,本说明书实施例还提供一种用于人体感兴趣位置的确定装置示意图,如图6所示。
图6为本说明书实施例提供的一种用于人体感兴趣位置的确定装置的示意图,所述装置包括:
获取模块600,用于获取人体图像;
第一确定模块602,用于通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的各关节的位置;
第二确定模块604,用于根据各关节的位置,确定各关节间的长度;
第三确定模块606,用于根据所述各关节间的长度,确定人体感兴趣位置。
可选地,所述人体感兴趣位置包括手指尖;所述感兴趣部位包括手臂;所述各关节包括肘关节和腕关节。
可选地,所述第三确定模块606,确定所述肘关节到所述腕关节的长度,作为第一长度;根据预设的所述肘关节与所述腕关节中的至少一个关节到所述手指尖的第二长度与所述第一长度的比例,以及所述第一长度,确定所述人体图像中的手指尖位置。
本说明书实施例还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述内容所述的人体感兴趣位置的确定方法。
基于上述内容所述的人体感兴趣位置的确定方法,本说明书实施例还提出了图7所示的电子设备的示意结构图。如图7,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述内容所述的人体感兴趣位置的确定方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。

Claims (13)

1.一种人体感兴趣位置的确定方法,其特征在于,所述方法包括:
获取人体图像;
通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置,并确定所述感兴趣部位的包围框;
根据所述关节的位置以及所述包围框,确定所述人体图像中的人体感兴趣位置。
2.如权利要求1所述的方法,其特征在于,通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置,并确定所述感兴趣部位的包围框,具体包括:
通过预先训练的人体识别模型,确定人体感兴趣位置所在的感兴趣部位中的关节的位置;
通过预先训练的目标检测模型,确定所述感兴趣部位的包围框。
3.如权利要求1所述的方法,其特征在于,所述人体感兴趣位置包括手指尖;
所述感兴趣部位包括手臂;
所述关节包括肘关节和腕关节。
4.如权利要求3所述的方法,其特征在于,根据所述关节的位置以及所述包围框,确定所述人体图像中的人体感兴趣位置,具体包括:
确定肘关节和腕关节之间的连线;
按照所述肘关节到腕关节的方向,延长所述连线,并确定所述连线与所述包围框包含的边中相交的边;
根据所述相交的边,确定所述手指尖在所述人体图像中的坐标的第一维度。
5.如权利要求4所述的方法,其特征在于,确定肘关节和腕关节之间的连线,具体包括:
根据所述人体图像中的人体姿态,确定所述人体图像中人体的左半身位置范围与右半身位置范围;
根据所述包围框在人体图像中的位置,将位于所述左半身位置范围内的包围框中的手臂确定为左臂,将位于所述右半身位置范围内的包围框中的手臂确定为右臂;
确定左臂的肘关节和左臂的腕关节之间的连线,确定右臂的肘关节和右臂的腕关节之间的连线。
6.如权利要求4所述的方法,其特征在于,所述方法还包括:
根据所述相交的边的中点,确定所述手指尖在所述人体图像中的坐标的第二维度。
7.如权利要求3所述的方法,其特征在于,根据所述关节的位置以及所述包围框,确定所述人体图像中的人体感兴趣位置,具体包括:
确定所述肘关节到所述腕关节的长度,作为第一长度;
根据所述第一长度以及所述包围框,确定所述人体图像中的手指尖位置。
8.如权利要求7所述的方法,其特征在于,根据所述第一长度以及所述包围框,确定所述人体图像中的手指尖位置,具体包括:
根据预设的所述肘关节与所述腕关节中的至少一个关节到所述手指尖的第二长度与所述第一长度的比例,以及所述第一长度,确定所述手指尖在所述人体图像中的坐标的第二维度。
9.一种人体感兴趣位置的确定方法,其特征在于,所述方法包括:
获取人体图像;
通过预先训练的模型,确定人体感兴趣位置所在的感兴趣部位中的各关节的位置;
根据各关节的位置,确定各关节间的长度;
根据所述各关节间的长度,确定人体感兴趣位置。
10.如权利要求9所述的方法,其特征在于,所述人体感兴趣位置包括手指尖;
所述感兴趣部位包括手臂;
所述各关节包括肘关节和腕关节。
11.如权利要求10所述的方法,其特征在于,根据所述各关节间的长度,确定人体感兴趣位置,具体包括:
确定所述肘关节到所述腕关节的长度,作为第一长度;
根据预设的所述肘关节与所述腕关节中的至少一个关节到所述手指尖的第二长度与所述第一长度的比例,以及所述第一长度,确定所述人体图像中的手指尖位置。
12.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1-11任一所述的方法。
13.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述权利要求1-11任一所述的方法。
CN202310224881.4A 2023-03-08 2023-03-08 一种人体感兴趣位置的确定方法、装置、介质及设备 Pending CN116363695A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310224881.4A CN116363695A (zh) 2023-03-08 2023-03-08 一种人体感兴趣位置的确定方法、装置、介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310224881.4A CN116363695A (zh) 2023-03-08 2023-03-08 一种人体感兴趣位置的确定方法、装置、介质及设备

Publications (1)

Publication Number Publication Date
CN116363695A true CN116363695A (zh) 2023-06-30

Family

ID=86940847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310224881.4A Pending CN116363695A (zh) 2023-03-08 2023-03-08 一种人体感兴趣位置的确定方法、装置、介质及设备

Country Status (1)

Country Link
CN (1) CN116363695A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117100250A (zh) * 2023-07-10 2023-11-24 北京华益精点生物技术有限公司 脚趾位置的确定方法、装置、电子设备及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117100250A (zh) * 2023-07-10 2023-11-24 北京华益精点生物技术有限公司 脚趾位置的确定方法、装置、电子设备及存储介质
CN117100250B (zh) * 2023-07-10 2024-05-28 北京华益精点生物技术有限公司 脚趾位置的确定方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN116363695A (zh) 一种人体感兴趣位置的确定方法、装置、介质及设备
CN116309823A (zh) 一种位姿的确定方法、装置、设备及存储介质
CN116245961B (zh) 一种基于多类传感器信息的融合感知方法及系统
CN116030247B (zh) 一种医学图像样本生成方法、装置、存储介质及电子设备
CN116330306B (zh) 一种物体的抓取方法、装置、存储介质及电子设备
CN117635822A (zh) 一种模型训练的方法、装置、存储介质及电子设备
CN116728436A (zh) 一种弹琴机器人的控制方法及控制装置
CN114129262B (zh) 一种患者手术位置的跟踪方法、设备及装置
CN116342888A (zh) 一种基于稀疏标注训练分割模型的方法及装置
CN111798489B (zh) 一种特征点跟踪方法、设备、介质及无人设备
CN117726907B (zh) 一种建模模型的训练方法、三维人体建模的方法以及装置
CN116740182B (zh) 一种鬼影区域确定方法、装置、存储介质及电子设备
CN117893696B (zh) 一种三维人体数据生成方法、装置、存储介质及电子设备
CN117974503A (zh) 一种图像处理的方法、装置、存储介质及电子设备
CN116612244B (zh) 一种图像生成方法、装置、存储介质及电子设备
CN118096996A (zh) 一种医学扫描摆位指导的方法、装置、存储介质
CN116152299B (zh) 一种运动状态的检测方法、装置、存储介质及电子设备
CN116327166A (zh) 一种辅助定位装置插入的方法、装置、存储介质
CN116740114B (zh) 一种基于凸包检测的目标物边界拟合方法及装置
CN116246774B (zh) 一种基于信息融合的分类方法、装置及设备
CN112954227B (zh) 一种图像的采集方法及装置
CN116309924B (zh) 一种模型训练的方法、图像展示的方法及装置
CN116864064A (zh) 一种医学影像报告的生成方法、装置及存储介质
CN118096638A (zh) 一种部位识别方法、装置、存储介质及电子设备
CN116188469A (zh) 一种病灶检测方法、装置、可读存储介质及电子设备

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