[發(fā)明專利]圖像的遮擋檢測方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110098961.0
• 申請日: 2021-01-25
• 公開（公告）號: CN112733802A
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計(jì)）人: 周紅花
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京派特恩知識產(chǎn)權(quán)代理有限公司 11270
• 代理人: 高天華;張穎玲

本申請?zhí)峁┝艘环N圖像的遮擋檢測方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲介質(zhì)；涉及人工智能領(lǐng)域中的計(jì)算機(jī)視覺技術(shù)；方法包括：獲取包含對象的待檢測圖像；對所述待檢測圖像進(jìn)行特征提取處理，以獲得圖像特征；將所述圖像特征進(jìn)行降維處理，并對得到的降維圖像特征進(jìn)行融合處理，以獲得融合特征；對所述融合特征進(jìn)行映射處理，以獲得所述對象的不同部位的遮擋概率；將所具有的遮擋概率大于遮擋概率閾值的部位，確定為所述對象的被遮擋部位。通過本申請，能夠以計(jì)算資源集約的方式對圖像中的遮擋進(jìn)行準(zhǔn)確檢測。

技術(shù)領(lǐng)域

本申請涉及人工智能技術(shù)，尤其涉及一種圖像的遮擋檢測方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

人工智能(AI，Artificial Intelligence)是利用數(shù)字計(jì)算機(jī)或者數(shù)字計(jì)算機(jī)控制的機(jī)器模擬、延伸和擴(kuò)展人的智能，感知環(huán)境、獲取知識并使用知識獲得最佳結(jié)果的理論、方法和技術(shù)及應(yīng)用系統(tǒng)。隨著人工智能技術(shù)研究和進(jìn)步，人工智能技術(shù)在多個(gè)領(lǐng)域展開研究和應(yīng)用。

以圖像的遮擋檢測為例，圖像的遮擋檢測是指判斷包含對象(例如人臉、手掌、肢體等)的圖像中是否存在被遮擋部位。相關(guān)技術(shù)通常是基于圖像語義分割技術(shù)和關(guān)鍵點(diǎn)檢測技術(shù)識別被遮擋部位，該方案在識別過程中需要對待檢測圖像中的每個(gè)像素進(jìn)行分類，不僅耗時(shí)較多，而且需要大量的計(jì)算資源支撐，因此無法靈活地在計(jì)算能力受限的設(shè)備(例如終端)中部署。

對于準(zhǔn)確檢測圖像中的遮擋和消耗大量計(jì)算資源之間的矛盾，相關(guān)技術(shù)尚無有效解決方案。

發(fā)明內(nèi)容

本申請實(shí)施例提供一種圖像的遮擋檢測方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲介質(zhì)，能夠以計(jì)算資源集約的方式對圖像中的遮擋進(jìn)行準(zhǔn)確檢測。

本申請實(shí)施例的技術(shù)方案是這樣實(shí)現(xiàn)的：

本申請實(shí)施例提供一種圖像的遮擋檢測方法，包括：

獲取包含對象的待檢測圖像；

對所述待檢測圖像進(jìn)行特征提取處理，以獲得圖像特征；

將所述圖像特征進(jìn)行降維處理，并對得到的降維圖像特征進(jìn)行融合處理，以獲得融合特征；

對所述融合特征進(jìn)行映射處理，以獲得所述對象的不同部位的遮擋概率；

將所具有的遮擋概率大于遮擋概率閾值的部位，確定為所述對象的被遮擋部位。

在上述方案中，所述遮擋檢測方法是通過第二神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)的，所述方法還包括：

通過以下方式訓(xùn)練所述第二神經(jīng)網(wǎng)絡(luò)模型：

獲取包含對象的樣本圖像、以及所述樣本圖像的標(biāo)注數(shù)據(jù)，其中，所述標(biāo)注數(shù)據(jù)包括針對所述對象標(biāo)注的未遮擋部位和對應(yīng)的位置；

基于所述樣本圖像、以及所述樣本圖像的標(biāo)注數(shù)據(jù)，對所述第二神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

其中，訓(xùn)練后的所述第二神經(jīng)網(wǎng)絡(luò)模型用于預(yù)測所述待檢測圖像包含的對象的未遮擋部位和對應(yīng)的位置；

其中，所述樣本圖像是通過以下方式至少之一生成的：拍攝包含所述對象的無遮擋圖像；拍攝所述對象使用不同物品時(shí)的有遮擋圖像；將任意圖像合成到所述對象的無遮擋圖像中，以形成所述對象的有遮擋圖像。

在上述方案中，所述基于所述樣本圖像、以及所述樣本圖像的標(biāo)注數(shù)據(jù)，對所述第二神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，包括：

通過所述第二神經(jīng)網(wǎng)絡(luò)模型執(zhí)行以下處理：

獲得與所述樣本圖像中的多個(gè)包圍框一一對應(yīng)的多個(gè)圖像特征；

針對對應(yīng)每個(gè)包圍框的圖像特征進(jìn)行降維處理，并對得到的降維圖像特征進(jìn)行融合處理，以獲得對應(yīng)每個(gè)包圍框的融合特征；