[发明专利]基于人体动作特征的对象识别方法及装置

说明书

本发明提供了一种基于人体动作特征的对象识别方法及装置。所述对象识别方法包括：接收采集装置所采集的关于待识别人物的多帧人体图像，并从所述多帧人体图像的至少一帧中截取人体所在区域；从所截取的人体所在区域提取出人体的关键点信息；以及基于所提取的关键点信息利用训练好的模型得到人物对象识别结果。本发明提供的基于人体动作特征的对象识别方法及装置基于人体动作特征进行人物对象识别，可以弥补单纯使用人脸识别技术的缺陷，提高人物对象识别的准确率。

技术领域

本发明涉及图像处理技术领域，具体而言涉及一种基于人体动作特征的对象识别方法及装置。

背景技术

当今社会，人脸识别技术的应用开始普及，比如门禁系统、监控系统等。人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术。人脸与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。

然而，人脸识别技术有着难以克服的缺陷。例如，当待识别对象进行了面部改变较大的化妆时，人脸识别的效果会急剧下降。再如，在拍摄不到脸的情况下，人脸识别就没有办法进行工作。因此，需要可以弥补单纯使用人脸识别技术进行人物对象识别的缺陷的技术。

发明内容

针对现有技术的不足，一方面，本发明提供一种基于人体动作特征的对象识别方法，所述对象识别方法包括：接收采集装置所采集的关于待识别人物的多帧人体图像，并从所述多帧人体图像的至少一帧中截取人体所在区域；从所截取的人体所在区域提取出人体的关键点信息；以及基于所提取的关键点信息利用训练好的模型得到人物对象识别结果。

在本发明的一个实施例中，所述基于所述关键点信息利用训练好的模型得到人物对象识别结果，包括：基于所述关键点信息利用训练好的模型得到人体动作特征，并且基于所述人体动作特征得到人物对象识别结果。

在本发明的一个实施例中，所述关键点信息包括人体骨架信息，并且所述基于所述关键点信息利用训练好的模型得到人体动作特征，并且基于所述人体动作特征得到人物对象识别结果，包括：将预定时间内的人体骨架信息整合成张量输入到卷积神经网络进行处理；将所述卷积神经网络的输出输入到递归神经网络进行处理，以得到人体动作特征；以及将所述人体动作特征输入到多层感知机映射到人物识别标签，以得到所述人物对象识别结果。

示例性地，所述从所截取的人体所在区域提取出人体的关键点信息的步骤采用物体特征提取技术实现；和/或所述从所述多帧人体图像中截取人体所在区域的步骤采用物体识别技术实现。

示例性地，所述采集装置为深度摄像机。

另一方面，本发明还提供一种基于人体动作特征的对象识别装置，所述对象识别装置包括：图像处理模块，用于接收采集装置所采集的关于待识别人物的多帧人体图像，并从所述多帧人体图像的至少一帧中截取人体所在区域；骨架提炼模块，用于从所述图像处理模块所截取的人体所在区域提取出人体的关键点信息；以及人物识别模块，用于基于所述骨架提炼模块所提取的关键点信息利用训练好的模型得到人物对象识别结果。

在本发明的一个实施例中，所述人物识别模块进一步用于：基于所述关键点信息利用训练好的模型得到人体动作特征，并且基于所述人体动作特征得到人物对象识别结果。

在本发明的一个实施例中，所述关键点信息包括人体骨架信息，并且所述人物识别模块进一步用于：将预定时间内的人体骨架信息整合成张量输入到卷积神经网络进行处理；将所述卷积神经网络的输出输入到递归神经网络进行处理，以得到人体动作特征；以及将所述人体动作特征输入到多层感知机映射到人物识别标签，以得到所述人物对象识别结果。

示例性地，所述骨架提炼模块采用物体特征提取技术从所述人体所在区域提取出人体的关键点信息；和/或所述图像处理模块采用物体识别技术从所述多帧人体图像中截取人体所在区域。

示例性地，所述采集装置为深度摄像机。