[發明專利]圖像識別方法、裝置及系統

有效

• 申請號: 201810521462.6
• 申請日: 2018-05-25
• 公開（公告）號: CN108764133B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 陳文科;姚聰
• 申請（專利權）人: 北京曠視科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 魏彥

本發明提供了一種圖像識別方法、裝置及系統，涉及圖像識別技術領域，該方法包括：獲取待識別圖像；將待識別圖像輸入至卷積神經網絡模型；其中，卷積神經網絡模型包括平移不變形的殘差金字塔模塊、沙漏模塊和級聯特征金字塔模塊；通過卷積神經網絡模型中的殘差金字塔模塊、沙漏模塊和級聯特征金字塔模塊逐級對待識別圖像進行特征提取，得到待識別圖像的識別結果；識別結果包括至少一個目標點的位置。本發明可以基于單目攝像頭拍攝的圖像進行識別，并且能夠提高圖像識別的準確率。

技術領域

本發明涉及圖像識別技術領域，尤其是涉及一種圖像識別方法、裝置及系統。

背景技術

由于手部姿態存在高形變、自遮擋、互遮擋、外部遮擋以及背景噪音等特點，基于普通攝像頭進行手部姿態識別是非常困難的。現有技術通常依賴于多個普通攝像頭，從而獲取多角度的手部姿態的圖像，再進行手部姿態識別。

然而，上述手部姿態識別的方法，在應用時需要布置多個攝像頭，并且需要進行攝像頭的基準測試等，導致實際應用非常受限，而且模型的準確性也有待進一步提高。

發明內容

有鑒于此，本發明的目的在于提供一種圖像識別方法、裝置及系統，可以通過單目攝像頭進行圖像識別，且提高了識別的準確率。

第一方面，本發明實施例提供了一種圖像識別方法，包括：獲取待識別圖像；將所述待識別圖像輸入至卷積神經網絡模型；其中，所述卷積神經網絡模型包括平移不變形的殘差金字塔模塊、沙漏模塊和級聯特征金字塔模塊；通過所述卷積神經網絡模型中的所述殘差金字塔模塊、沙漏模塊和級聯特征金字塔模塊逐級對所述待識別圖像進行特征提取，得到所述待識別圖像的識別結果；所述識別結果包括所述待識別圖像上至少一個目標點的位置。

進一步，所述方法還包括：通過所述待識別圖像的導向概率熱力圖對所述卷積神經網絡模型進行訓練，直至所述卷積神經網絡模型的誤差收斂至預設值，將所述誤差收斂至所述預設值時對應的參數作為所述卷積神經網絡模型的參數。

進一步，當下述條件均滿足時，確定所述卷積神經網絡模型的誤差收斂至預設值：所述沙漏模塊的損失函數值小于第一預設值；所述級聯特征金字塔模塊的損失函數值小于第二預設值。

進一步，所述導向概率熱力圖的生成如下：獲取當前訓練樣本的真實熱力圖；根據所述真實熱力圖構建向導熱力圖；其中，所述向導熱力圖和所述真實熱力圖的中心與所述當前訓練樣本的目標點的位置相同；將所述向導熱力圖與真實熱力圖融合，得到導向概率熱力圖。

進一步，所述獲取待識別圖像的步驟，包括：通過單目攝像頭采集圖像，并檢測該圖像中的手部圖像；將該手部圖像作為待識別圖像。

進一步，所述卷積神經網絡模型還包括卷積層；所述通過所述卷積神經網絡模型中的所述殘差金字塔模塊、沙漏模塊和級聯特征金字塔模塊逐級對所述待識別圖像進行特征提取，得到所述待識別圖像的識別結果的步驟，包括：通過所述卷積層對輸入的所述待識別圖像進行卷積處理，得到所述待識別圖像的第一特征圖，并將所述第一特征圖輸入至所述殘差金字塔模塊；通過所述殘差金字塔模塊對所述第一特征圖進行多尺度特征提取，得到所述待識別圖像的第二特征圖，并將所述第二特征圖輸入至所述沙漏模塊；通過至少一個所述沙漏模塊對所述第二特征圖進行多尺度特征提取，得到所述待識別圖像的第三特征圖，并將所述第三特征圖輸入至所述級聯特征金字塔模塊；通過所述級聯特征金字塔模塊對所述第三特征圖進行多尺度特征提取，輸出識別結果。

進一步，所述殘差金字塔模塊包括主分支和金字塔分支，所述主分支包括至少一層卷積層；所述通過所述殘差金字塔模塊對所述第一特征圖進行多尺度特征提取，得到所述待識別圖像的第二特征圖的步驟，包括：將所述第一特征圖分別輸入所述主分支和所述金字塔分支；所述主分支和所述金字塔分支分別對所述第一特征圖進行特征提取；將所述主分支和所述金字塔分支提取得到的特征信息融合，得到所述待識別圖像的第二特征圖。