[发明专利]一种姿态识别方法、装置、电子设备及计算机可读介质

说明书

本申请公开了姿态识别方法、装置、电子设备及计算机可读介质，涉及人工智能技术领域，具体涉及机器视觉、图像识别技术领域，该方法包括：接收姿态识别请求，获取对应的待识别图像和目标特征；根据目标特征，从待识别图像中确定边界框；生成待识别图像在边界框中的关键点；基于边界框生成空白背景图，将关键点映射至空白背景图中，进而生成骨架图；根据关键点和骨架图，得到预测姿态，进而根据预测姿态确定姿态类型。避免了因环境因素导致的识别不准确的影响，适用于复杂姿态在不同背景亮度下的分类识别任务。

技术领域

本申请涉及人工智能技术领域，具体涉及机器视觉、图像识别技术领域，尤其涉及一种姿态识别方法、装置、电子设备及计算机可读介质。

背景技术

目前，基于物理规则的手势识别，需要根据不同应用场景和需求人工预定义一组规则来对手势关键点进行分类归属，仅根据手指的弯曲或伸展状态进行判断只适用于简单手势，无法有效的对复杂手势进行判断识别。只依赖深度卷积神经网络进行手型轮廓的特征提取将会受限于多种外部因素，不利于良好的手型特征提取，当存在手指重叠的情况下提取出来的手型特征再次输入深度卷积神经网络进行分类的效果差。

在实现本申请过程中，发明人发现现有技术中至少存在如下问题：

受多种外部因素的影响，通过深度卷积神经网络对手部姿态进行识别的效果差。

发明内容

有鉴于此，本申请实施例提供一种姿态识别方法、装置、电子设备及计算机可读介质，能够解决现有的受多种外部因素的影响，通过深度卷积神经网络对手部姿态进行识别的效果差的问题。

为实现上述目的，根据本申请实施例的一个方面，提供了一种姿态识别方法，包括：

接收姿态识别请求，获取对应的待识别图像和目标特征；

根据目标特征，从待识别图像中确定边界框；

生成待识别图像在边界框中的关键点；

基于边界框生成空白背景图，将关键点映射至空白背景图中，进而生成骨架图；

根据关键点和骨架图，得到预测姿态，进而根据预测姿态确定姿态类型。

可选地，生成骨架图，包括：

将映射至空白背景图中的关键点用不同颜色的线条连接；

将线条作为骨架，将关键点作为节点，根据骨架和节点生成骨架图。

可选地，根据目标特征，从待识别图像中确定边界框，包括：

基于非最大值抑制算法，从待识别图像中确定目标特征的边界位置；

基于边界位置生成边界框。

可选地，生成待识别图像在边界框中的关键点，包括：

根据待识别图像和边界框，确定待识别图像中的目标区域图像；

将目标区域图像输入关键点预测模型，以输出对应的关键点。

可选地，根据关键点和骨架图，得到预测姿态，包括：

将关键点和骨架图输入至分类模型，以输出对应的预测姿态。

可选地，根据预测姿态确定姿态类型，包括：

将预测姿态输入至分类模型，以输出预测姿态对应的姿态类型。

可选地，方法还包括：

获取深度卷积神经网络模型；

获取训练样本集，训练样本集包括关键点、关键点对应的骨架图、标记的姿态和标记的姿态类型；