[發明專利]圖像識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 202310571910.4
• 申請日: 2023-05-19
• 公開（公告）號: CN116310010B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 劉耀;陳衛華;土旦強巴
• 申請（專利權）人: 北京七維視覺傳媒科技有限公司
• 主分類號: G06T13/40
• 分類號: G06T13/40;G06V40/20
• 代理公司: 北京北知掘金知識產權代理有限公司 11945
• 代理人: 焦燁鋆

本申請涉及一種圖像識別方法、裝置、電子設備及存儲介質，包括：獲取第一圖像數據和第二圖像數據，第一圖像數據與第二圖像數據為目標對象相鄰幀次的整體圖像。通過開源人體姿態識別算法對第一圖像數據和第二圖像數據進行節點識別，以獲取第一節點數據和第二節點數據，第一節點數據為第一圖像數據中目標對象最低點對應的節點信息，第二節點數據為第二圖像數據中目標對象最低點對應的節點信息。構建第一對象模型，第一對象模型為與目標對象相對應的虛擬對象模型，用于匹配第一節點數據和第二節點數據。獲取第一節點數據與第二節點數據之間的差值，并在差值不超過第一閾值時，將第一節點數據和第二節點數據與第一對象模型所在虛擬空間零高度綁定。

技術領域

本申請涉及人體姿態識別技術領域，特別是涉及一種圖像識別方法、裝置、電子設備及存儲介質。

背景技術

人體姿態識別技術伴隨著計算機視覺的發展和生活實踐中的廣泛應用，基于各種算法的行為檢測和動作識別項目在實踐中得到了越來越多的應用，并在相關領域得到了廣泛的研究。在行為監測方面，不僅僅有通過圖形、溫濕度、聲音等信息進行蜂群行為的監測，同時更多的應用是集中在人類行為的監測上。而人體姿態識別作為行為監測重要參考依據在視頻捕捉、計算機圖形學等領域得到了廣泛應用。

目前，傳統的人體評估姿態識別方法有RMPE（Regional?Multi-Person?PoseEstimation，區域多人姿態估計）模型和Mask?R-CNN（圖像實例分割）模型，它們都是采用自頂向下的檢測方法，而openpose（人體姿態識別算法）作為姿態識別的經典項目是采用自底向上的檢測方法，主要應用于行為監測、姿態糾正、動作分類等領域，另外，在智能家居、自動駕駛、智能監控等領域同樣具有重要的研究意義和應用價值。目前基于圖像識別的二維骨骼人物在三維空間的腳部地面的匹配方法常采用識別整體參數坐標作為三維空間的初始化位置參數，程序啟動后不再進行優化，人物如果只是在畫面中平行移動，人物整體偏差不大，合成效果還能接收，但是，如果真實人物跳動或前后走動時，人物驅動的虛擬人物模型會出現懸空、飄移、抖動等問題，導致最終的合成畫面會顯得較為怪異和不真實。

因此，傳統的圖像識別方法在腳部地面匹配中真實人物在畫面中非平行移動時，真實人物與虛擬人物模型在虛擬三維空間中的合成效果較差。

發明內容

基于此，有必要針對上述技術問題，提供一種真實人物與虛擬人物模型在虛擬三維空間中的合成效果較好的圖像識別方法、裝置、電子設備及存儲介質。

第一方面，本申請提供一種圖像識別方法，所述方法包括：

獲取第一圖像數據和第二圖像數據，所述第一圖像數據與第二圖像數據為目標對象相鄰幀次的整體圖像；

通過開源人體姿態識別算法對所述第一圖像數據和第二圖像數據進行節點識別，以獲取第一節點數據和第二節點數據，所述第一節點數據為所述第一圖像數據中目標對象最低點對應的節點信息，所述第二節點數據為所述第二圖像數據中目標對象最低點對應的節點信息；

構建第一對象模型，所述第一對象模型為與所述目標對象相對應的虛擬對象模型，用于匹配所述第一節點數據和第二節點數據；

獲取所述第一節點數據與所述第二節點數據之間的差值，并在所述差值不超過第一閾值時，將所述第一節點數據和第二節點數據與所述第一對象模型所在虛擬空間的零高度進行匹配綁定。

在其中一個實施例中，所述通過開源人體姿態識別算法對所述第一圖像數據和第二圖像數據進行節點識別，包括：

通過攝像機獲取所述目標對象的整體圖像；

通過所述開源人體姿態識別算法對所述目標對象進行人體節點識別，以獲取所述目標對象的整體人物節點信息、人物整體線框位置與大小參數、人物腳部節點位置信息。