[發明專利]手部圖像的分割方法、裝置及計算機設備

在審

• 申請號: 201910345761.3
• 申請日: 2019-04-26
• 公開（公告）號: CN110232311A
• 公開（公告）日: 2019-09-13
• 發明（設計）人: 侯麗;王福晴
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 黃耀威

1.一種手部圖像的分割方法，其特征在于，包括：

采集包含完整手部圖像的樣本圖像；

標注所述樣本圖像中手部區域的坐標位置；

將已標注所述坐標位置的所述樣本圖像作為訓練集，基于Faster R-CNN算法訓練得到訓練結果滿足預設標準的手部識別模型；

利用所述手部識別模型，檢測待識別圖像中是否包含手部圖像；

根據檢測結果輸出所述待識別圖像的手部圖像分割結果。

2.根據權利要求1所述的方法，其特征在于，所述標注所述樣本圖像中手部區域的坐標位置，具體包括：

以所述樣本圖像的左上角作為原點創建圖像坐標系；

在所述圖像坐標系中，確定伸展的手部的拇指指尖、小指指尖、中指指尖，手掌根部的四點坐標位置；

根據所述拇指指尖和所述小指指尖的橫坐標、所述中指指尖和所述手掌根部的縱坐標確定出手部所在的矩形框；

標注出所述矩形框左上角和右下角的坐標位置。

3.根據權利要求2所述的方法，其特征在于，所述將已標注所述坐標位置的所述樣本圖像作為訓練集，基于Faster R-CNN算法訓練得到訓練結果滿足預設標準的手部識別模型，具體包括：

將已標注所述坐標位置的所述樣本圖像輸入預先基于Faster R-CNN算法創建得到的初始手部識別模型中；

利用所述初始手部識別模型的深度卷積神經網絡CNN提取所述樣本圖像的手部圖像特征；

依據所述手部圖像特征，區域建議網絡RPN生成預定數量的建議窗口proposals；

把各個所述建議窗口映射到CNN的最后一層卷積feature map上，生成固定尺寸；

利用探測分類概率Softmax Loss和探測邊框回歸Smooth L1 Loss對各個所述建議窗口內的檢測圖像進行訓練修正，以使所述初始手部識別模型滿足所述預設標準。

4.根據權利要求3所述的方法，其特征在于，所述利用探測分類概率Softmax Loss和探測邊框回歸Smooth L1 Loss對各個所述建議窗口內的檢測圖像進行訓練修正，以使所述初始手部識別模型滿足所述預設標準，具體包括：

將所述檢測圖像與標注坐標位置的所述矩形框內的手部圖像進行重合度匹配；

將重合度的數值確定為對應的評定分數；

若所述建議窗口中所述評定分數大于或等于第一預設閾值的數量滿足第一預設數量條件，則確定所述初始手部識別模型訓練結果達到預設標準；

若所述建議窗口中所述評定分數大于或等于所述第一預設閾值的數量不滿足所述第一預設數量條件，則按照實際標注的所述手部圖像的坐標位置修正所述評定分數低于所述第一預設閾值的所述建議窗口。

5.根據權利要求4所述的方法，其特征在于，利用所述手部識別模型，檢測待識別圖像中是否包含手部圖像，具體包括：

將所述待識別圖像上傳入所述手部識別模型中；

利用Faster R-CNN算法確定所述待識別圖像對應的預定數量個所述建議窗口及各自對應的檢測概率，其中，所述檢測概率為判斷建議窗口中是否含有手部圖像的評判數據；

若所述檢測概率大于或等于第二預設閾值的所述建議窗口的數量滿足第二預設數量條件，則確定所述待識別圖像中包含手部圖像；

若所述檢測概率大于或等于所述第二預設閾值的所述建議窗口的數量不滿足所述第二預設數量條件，則確定所述待識別圖像中不包含手部圖像。

6.根據權利要求5所述的方法，其特征在于，所述根據檢測結果輸出所述待識別圖像的手部圖像分割結果，具體包括：

若確定所述待識別圖像中包含所述手部圖像，則選取所述檢測概率最高的所述建議窗口作為最優檢測圖像；

將所述最優檢測圖像作為手部圖像分割結果輸出；

若確定所述待識別圖像中不包含所述手部圖像，則在顯示頁面輸出未檢測出所述手部圖像的提示信息。