[发明专利]手部姿态识别模型的训练方法、装置、设备及存储介质

说明书

本申请提供了一种手部姿态识别模型的训练方法、装置、设备及存储介质，涉及AI技术领域。所述方法包括：获取训练样本，该训练样本包括样本手部图像和样本手部图像对应的样本手部姿态信息；根据样本手部姿态信息，获取m段肢体分别对应的置信度图谱，该m为正整数；根据m段肢体分别对应的置信度图谱，生成样本手部图像对应的合成手部分割图；采用样本手部图像、合成手部分割图以及样本手部姿态信息，对手部姿态识别模型进行训练。相比于相关技术中，本申请实施例提供的技术方案，在获取到样本手部姿态信息之后，自动获取合成手部分割图，不需要人工进行标注，进一步基于该合成手部分割图训练模型，从而降低了模型训练所需的人力成本和时间成本。

技术领域

本申请实施例涉及AI(Artificial Intelligence，人工智能)技术领域，特别涉及一种手部姿态识别模型的训练方法、装置、设备及存储介质。

背景技术

手部姿态识别是指从图像中准确识别出人手骨架节点的位置。手部姿态在很多AI应用中扮演重要角色，比如人机交互，虚拟现实，增强现实等等。

在相关技术中，人手姿态识别通常采用一个姿态识别和实例分割融合的多任务姿态识别模型，如Mask-pose Cascaded CNN(Convolutional Neural Networks，卷积神经网络)。在该姿态识别模型的训练过程中，需要获取大量的手部图像以及手部图像对应的手部分割图作为训练样本，然后进行手部关键点的预测。

在上述相关技术中，大量的手部分割图需要人工进行标注，导致模型训练所需的人力成本和时间成本较高。

发明内容

本申请实施例提供了一种手部姿态识别模型的训练方法、装置、设备及存储介质，可用于降低模型训练所需的人力成本和时间成本。所述技术方案如下：

一方面，本申请实施例提供了一种手部姿态识别模型的训练方法，所述方法包括：

获取训练样本，所述训练样本包括样本手部图像和所述样本手部图像对应的样本手部姿态信息；

根据所述样本手部姿态信息，获取m段肢体分别对应的置信度图谱，其中，第i段肢体对应的置信度图谱中像素点的值，用于表征所述像素点属于所述第i段肢体的置信度，所述m为正整数，所述i为小于或等于所述m的正整数；

根据所述m段肢体分别对应的置信度图谱，生成所述样本手部图像对应的合成手部分割图，所述合成手部分割图是指分割有所述样本手部图像中的手部区域和非手部区域的图像，所述合成手部分割图中像素点的值用于表征所述像素点属于肢体的置信度；

采用所述样本手部图像、所述合成手部分割图以及所述样本手部姿态信息，对所述手部姿态识别模型进行训练。

另一方面，本申请实施例提供了一种手部姿态识别方法，所述方法包括：

获取目标手部图像；

调用手部姿态识别模型，所述手部姿态识别模型是采用样本手部图像、所述样本手部图像对应的合成手部分割图以及所述样本手部图像对应的样本手部姿态信息进行训练得到的，其中，所述合成手部分割图是根据所述样本手部姿态信息获取的，所述合成手部分割图中像素点的值用于表征所述像素点属于肢体的置信度；

通过所述手部姿态识别模型，确定所述目标手部图像对应的手部姿态信息。

可选地，所述手部姿态识别模型包括特征提取部分、结构预测部分和姿态预测部分；

所述特征提取部分，用于提取所述目标手部图像的特征图；