[發(fā)明專利]人像分割方法、裝置、機器人及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011402997.5
• 申請日: 2020-12-04
• 公開（公告）號: CN112464839A
• 公開（公告）日: 2021-03-09
• 發(fā)明（設計）人: 曾鈺勝;龐建新;程駿
• 申請（專利權(quán)）人: 深圳市優(yōu)必選科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/34
• 代理公司: 深圳中細軟知識產(chǎn)權(quán)代理有限公司 44528
• 代理人: 孫凱樂

1.一種人像分割方法，其特征在于，包括：

獲取待分割的原始人物圖像；

對所述原始人物圖像中的人臉進行識別，根據(jù)識別得到的人臉關(guān)鍵點進行人臉對齊，得到對齊后的標準人物圖像；

基于所述對齊后的標準人物圖像采用人臉分割模型進行人像分割，所述人臉分割模型為輕量型網(wǎng)絡模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對所述原始人物圖像中的人臉進行識別，根據(jù)識別得到的人臉關(guān)鍵點進行人臉對齊，得到對齊后的標準人物圖像，還包括：

將所述人臉關(guān)鍵點映射到預設空間的指定位置，得到預設空間內(nèi)對齊后的標準人物圖像。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將所述人臉關(guān)鍵點映射到預設空間的指定位置之前還包括：

根據(jù)預設的人體占比確定人臉關(guān)鍵點在預設空間的目標坐標位置，所述目標坐標位置作為所述指定位置。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述對齊后的標準人物圖像采用人臉分割模型進行人像分割，包括：

將所述對齊后的人物圖像作為人像分割模型的輸入，所述人像分割模型用于從所述標準人物圖像中分割出目標人物圖像；

獲取所述人像分割模型輸出的所述目標人物圖像。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述人像分割模型的訓練方式如下：

獲取訓練數(shù)據(jù)集，所述訓練數(shù)據(jù)集中包括訓練人物圖像和對應的分割標注，所述訓練人物圖像和對應的分割標注是通過對已有人體圖像集以及對應的人體分割標注進行對齊分割得到的；

將所述訓練人物圖像作為所述人像分割模型的輸入，將對應的分割標注作為期望的輸出進行訓練得到目標人像分割模型。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述將所述訓練人物圖像作為所述人像分割模型的輸入，將對應的分割標注作為期望的輸出進行訓練得到目標人像分割模型，包括：

將所述訓練人物圖像作為所述人像分割模型的輸入，獲取所述人像分割模型的實際輸出；

根據(jù)所述實際輸出和所述期望輸出采用dice損失函數(shù)計算得到損失值，根據(jù)所述損失值利用反向傳播算法更新所述人像分割模型中的權(quán)重，以使所述損失值朝著減小的方向改變，直到收斂。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述人像分割模型采用卷積神經(jīng)網(wǎng)絡訓練得到，包括多個卷積層，所述卷積層用于對圖像進行特征提取；

在采用所述卷積層進行特征提取之前，還包括：對所述圖像進行邊緣擴增，以使進行卷積后得到的圖像分辨率與輸入的標準人物圖像的分辨率一致。

8.一種人像分割裝置，其特征在于，包括：

獲取模塊，用于獲取待分割的原始人物圖像；

對齊模塊，用于對所述原始人物圖像中的人臉進行識別，根據(jù)識別得到的人臉關(guān)鍵點進行人臉對齊，得到對齊后的標準人物圖像；

分割模塊，用于基于所述對齊后的標準人物圖像采用人臉分割模型進行人像分割，所述人臉分割模型為輕量型網(wǎng)絡模型。

9.一種計算機可讀存儲介質(zhì)，存儲有計算機程序，所述計算機程序被處理器執(zhí)行時，使得所述處理器執(zhí)行如權(quán)利要求1至7中任一項所述的人像分割方法的步驟。

10.一種機器人，包括存儲器和處理器，所述存儲器存儲有計算機程序，所述計算機程序被所述處理器執(zhí)行時，使得所述處理器執(zhí)行如權(quán)利要求1至7中任一項所述的人像分割方法的步驟。