The embodiment of the present invention provides a method and device for target attitude recognition, and pretrains the neural network model: according to the attitude information corresponding to the preset feature samples, the network parameters of the preset structure of the neural network are trained to obtain the neural network model; when the target attitude recognition is carried out, the image characteristics of the image region in which the target is located and the shape characteristics of the target are determined. And/or structural features, the image features and shape features and/or structural features are input into the neural network model to output the attitude of the target. It is obvious that in this scheme, the attitude of the target is recognized based on the neural network model. First, the neural network model is trained based on a large number of samples. The information carried by the neural network model is richer than that carried by the feature point model, and the recognition accuracy is higher. Secondly, the network parameters of the neural network model in this scheme carry information of image features, shape features and/or structural features of the target, which further improves the accuracy of recognition.
【技术实现步骤摘要】
一种目标姿态识别方法、装置及电子设备
本专利技术涉及图像处理
，特别是涉及一种目标姿态识别方法、装置及电子设备。
技术介绍
在图像处理过程中，通常需要识别出图像中目标的姿态，比如人脸角度识别、人体姿态识别、车辆姿态识别等。现有的识别方案通常包括：针对同一类型的目标(比如，人脸、人体、车辆等)，预先构建其各个姿态下的特征点模型；对待识别图像中的目标进行特征点提取，将提取的特征点与所构建的各个特征点模型进行匹配，匹配成功的模型对应的姿态即为该目标的姿态。但是，特征点模型中的特征点是有限的，特征点模型携带的信息较少，导致姿态识别的准确度较低。
技术实现思路
本专利技术实施例的目的在于提供一种目标姿态识别方法、装置及电子设备，以提高识别的准确度。具体技术方案如下：为达到上述目的，本专利技术实施例提供了一种目标姿态识别方法，包括：获取待识别目标所在的图像区域；确定所述图像区域的图像特征、以及所述目标的形状特征和/或结构特征；将所述图像特征以及所述目标的形状特征和/或结构特征输入预先训练得到的第一神经网络模型，得到所述目标的姿态；其中，所述第一神经网络模型为：根据预设特征样...
【技术保护点】
1.一种目标姿态识别方法，其特征在于，包括：获取待识别目标所在的图像区域；确定所述图像区域的图像特征、以及所述目标的形状特征和/或结构特征；将所述图像特征以及所述目标的形状特征和/或结构特征输入预先训练得到的第一神经网络模型，得到所述目标的姿态；其中，所述第一神经网络模型为：根据预设特征样本对应的姿态信息，对预设结构的第一神经网络的网络参数进行训练得到的，所述特征样本中包含图像特征、以及目标的形状特征和/或结构特征。
【技术特征摘要】
1.一种目标姿态识别方法，其特征在于，包括：获取待识别目标所在的图像区域；确定所述图像区域的图像特征、以及所述目标的形状特征和/或结构特征；将所述图像特征以及所述目标的形状特征和/或结构特征输入预先训练得到的第一神经网络模型，得到所述目标的姿态；其中，所述第一神经网络模型为：根据预设特征样本对应的姿态信息，对预设结构的第一神经网络的网络参数进行训练得到的，所述特征样本中包含图像特征、以及目标的形状特征和/或结构特征。2.根据权利要求1所述的方法，其特征在于，所述获取待识别目标所在的图像区域的步骤，包括：获取标准图像，将所述标准图像的全部区域作为待识别目标所在的图像区域；或者，获取非标准图像，在所述非标准图像中，确定待识别目标所在的图像区域。3.根据权利要求1所述的方法，其特征在于，确定所述目标的形状特征和/或结构特征的步骤，包括：将所述图像区域输入预先训练得到的第二神经网络模型，得到所述目标的形状特征和/或结构特征；其中，所述第二神经网络模型为：根据所述预设特征样本对应的姿态信息，对预设结构的第二神经网络的网络参数进行训练得到的，所述特征样本中包含目标的形状特征和/或结构特征。4.根据权利要求1所述的方法，其特征在于，所述确定所述图像区域的图像特征的步骤，包括：将所述图像区域输入预先训练得到的第三神经网络模型，得到所述图像区域的图像特征；其中，所述第三神经网络模型为：根据所述预设特征样本对应的姿态信息，对预设结构的第三神经网络的网络参数进行训练得到的；或者，对所述图像区域进行特征值提取，得到所述图像区域的图像特征。5.根据权利要求1所述的方法，其特征在于，所述目标为人脸，所述形状特征包括人脸形状特征，所述结构特征包括人脸关键点特征；或者，所述目标为人体，所述形状特征包括人体形状特征，所述结构特征包括人体结构特征；或者，所述目标为物体，所述形状特征包括预设物体形状特征，所述结构特征包括预设物体关键点特征；或者，所述目标为动物，所述形状特征包括预设动物形状特征，所述结构特征包括预设动物结构特征。6.根据权利要求1所述的方法，其特征在于，在所述确定所述图像区域的图像特征、以及所述目标的形状特征和/或结构特征的步骤之后，还包括：将所述图像特征以及所述目标的形状特征和/或结构特征输入预先训练得到的环境神经网络模型，得到所述目标所在环境的环境因素；其中，所述环境神经网络模型为：根据预设特征样本对应的环境因素，对预设结构的环境神经网络的网络参数进行训练得到的，所述特征样本中包含图像特征以及目标的形状特征和/或结构特征。7.根据权利要求1所述的方法，其特征在于，在所述确定所述图像区域的图像特征、以及所述目标的形状特征和/或结构特征的步骤之后，还包括：将所述目标的形状特征和/或结构特征与所述图像特征进行融合，得到融合后的特征；所述将所述图像特征以及所述目标的形状特征和/或结构特征输入预先训练得到的第一神经网络，得到所述目标的姿态的步骤，包括：将所述融合后的特征输入预先训练得到的第一神经网络，得到所述目标的姿态。8.根据权利要求1所述的方法，其特征在于，所述图像特征包含所述图像区域的色彩特征。9.根据权利要求1所述的方法，其特征在于，训练得到所述第一神经网络模型的过程包括：获取预设特征样本，所述特征样本中包含图像特征以及目标的形状特征和/或结构特征；将所述特征样本输入至预设结构的第一神经网络，采用所述第一神经网络的当前网络参数，对所述特征样本进行处理，输出姿态信息；当基于所输出的姿态信息与预设特征样本对应的姿态信息之间的相似度，确定网络收敛时，得到训练完成的第一神经网络模型；当基于所输出的姿态信息与预设特征样本对应的姿态信息之间的相似度，确定网络未收敛时，调整所述当前权重参数，并采用调整后的权重参数，继续对所述特征样本进行处理。10.一种目标姿态识别装置，其特征在于，包括：获取模块，用于获取...
【专利技术属性】
技术研发人员：郑钢，钮毅，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。