[發(fā)明專利]對圖像中人體進(jìn)行分析的方法、裝置及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 201811273942.1
• 申請日: 2018-10-30
• 公開（公告）號: CN109657534A
• 公開（公告）日: 2019-04-19
• 發(fā)明（設(shè)計）人: 柏提;傅依;沈輝;孫明;高原;劉霄;李旭斌;孫昊;文石磊;丁二銳
• 申請（專利權(quán)）人: 百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205
• 代理人: 孫靜;劉芳

本發(fā)明實施例提供一種對圖像中人體進(jìn)行分析的方法、裝置及電子設(shè)備，獲取待檢測的圖像，所述圖像為包括人物的圖像；將所述圖像輸入至人體分析模型，所述人體分析模型用于對所述圖像進(jìn)行特征提取，并對提取的特征進(jìn)行至少兩個分析類型的預(yù)測，輸出所述圖像對應(yīng)的至少兩個分析類型的預(yù)測結(jié)果；根據(jù)所述人體分析模型的輸出結(jié)果，獲取所述圖像對應(yīng)的人體分析結(jié)果；由于本實施例中的人體分析模型對圖像進(jìn)行提取后，提取的特征同時用于進(jìn)行多個分析類型的預(yù)測，與現(xiàn)有技術(shù)相比，減少了對圖像進(jìn)行特征提取的次數(shù)，因此，大幅度減少了人體分析模型的計算量，降低了對電子設(shè)備的計算能力要求。

技術(shù)領(lǐng)域

本發(fā)明實施例涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種對圖像中人體進(jìn)行分析的方法、裝置及電子設(shè)備。

背景技術(shù)

在人工智能時代，如何讓計算機(jī)正確客觀地認(rèn)識物質(zhì)世界是人工智能的關(guān)鍵。特別地，如何對圖像中人體的動作行為進(jìn)行全面解析又是重中之重。正確理解人體的動作行為在安防監(jiān)控、社交娛樂等領(lǐng)域都有重要意義。例如，在安防監(jiān)控領(lǐng)域，人體檢測、姿態(tài)識別等技術(shù)能夠?qū)θ说男袨檫M(jìn)行定性分析，能夠有效預(yù)防可能的安全問題發(fā)生。在社交娛樂領(lǐng)域，手勢識別和人體分割等技術(shù)是各種特效地基礎(chǔ)底層技術(shù)。

現(xiàn)有技術(shù)中，是基于單一分析類型對圖像中的人體進(jìn)行分析的，即針對不同的任務(wù)需求，分別構(gòu)建不同的分析類型對應(yīng)的人體分析模型。例如：針對人體檢測的分析模型、針對人像分割的分析模型、針對手勢識別的分析模型、針對姿態(tài)識別的分析模型等。

然而，若需要對圖像中人體進(jìn)行多種分析類型的綜合分析時，需要同時在電子設(shè)備上部署多個分析模型，即每個分析模型對應(yīng)其中一個分析類型，使得人體分析過程所需要的計算資源也會成倍增加，對電子設(shè)備的計算能力要求較高。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種對圖像中人體進(jìn)行分析的方法、裝置及電子設(shè)備，能夠降低人體識別的計算量，降低對電子設(shè)備的計算能力的要求。

第一方面，本發(fā)明實施例提供一種對圖像中人體進(jìn)行分析的方法，包括：

獲取待檢測的圖像，所述圖像為包括人物的圖像；

將所述圖像輸入至人體分析模型，所述人體分析模型用于對所述圖像進(jìn)行特征提取，并對提取的特征進(jìn)行至少兩個分析類型的預(yù)測，輸出所述圖像對應(yīng)的至少兩個分析類型的預(yù)測結(jié)果；

根據(jù)所述人體分析模型的輸出結(jié)果，獲取所述圖像對應(yīng)的人體分析結(jié)果。

可選的，所述人體分析模型包括特征提取單元和至少兩個預(yù)測單元，各所述預(yù)測單元與各所述分析類型對應(yīng)，所述特征提取單元與各所述預(yù)測單元分別連接；

所述特征提取單元用于對所述圖像進(jìn)行特征提取，各所述預(yù)測單元用于根據(jù)所述特征提取單元提取的特征進(jìn)行對應(yīng)的分析類型的預(yù)測，得到對應(yīng)的分析類型的預(yù)測結(jié)果。

可選的，所述至少兩個分析類型為下述中的至少兩種：人體檢測分析、人像分割分析、手勢識別分析、姿態(tài)識別分析。

可選的，所述人體分析模型是采用如下方法進(jìn)行訓(xùn)練的：

獲取至少兩個第一訓(xùn)練樣本集，各所述第一訓(xùn)練樣本集與各所述分析類型對應(yīng)，所述第一訓(xùn)練樣本集包括第一樣本和各第一樣本對應(yīng)的第一標(biāo)簽，其中，各所述第一訓(xùn)練樣本集對應(yīng)的第一標(biāo)簽的類型不同，所述第一標(biāo)簽的類型為下述中的任一：人體位置標(biāo)簽、人像輪廓標(biāo)簽、手勢位置和手勢類型標(biāo)簽、人體關(guān)鍵點(diǎn)標(biāo)簽；

獲取第二訓(xùn)練樣本集，所述第二訓(xùn)練樣本集包括第二樣本和各第二樣本對應(yīng)的第二標(biāo)簽，所述第二標(biāo)簽包括與所述至少兩個分析類型對應(yīng)的至少兩種類型的標(biāo)簽：人體位置標(biāo)簽、人像輪廓標(biāo)簽、手勢位置和手勢類型標(biāo)簽、人體關(guān)鍵點(diǎn)標(biāo)簽；

采用各所述第一訓(xùn)練樣本集和所述第二訓(xùn)練樣本集對待訓(xùn)練的人體分析模型進(jìn)行訓(xùn)練，得到訓(xùn)練后的人體分析模型。