图像处理方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种图像处理方法、装置、电子设备及存储介质，涉及图像处理技术领域。方法包括：获得包含对象的至少两个身体部位的图像；根据图像，确定出至少两个身体部位中目标身体部位的一个参考采样框；根据参考采样框，以及根据每个身体部位与参考采样框之间的偏差参数，确定出每个身体部位的实际采样框。其实现了通过将对象和该对象的每个身体部位绑定的方式，确定出该对象的每个身体部位的实际采样框，无需将确定出采用框再归属到其所属的对象，从而就可以避免出现归类错误，进而就实现可以准确的提取出所属于每个对象的各身体部位。

Image Processing Method, Device, Electronic Equipment and Storage Media

The embodiment of the application provides an image processing method, device, electronic device and storage medium, which relates to the field of image processing technology. The methods include: obtaining images of at least two body parts of an object; determining a reference sampling frame of the target body parts in at least two body parts based on the images; and determining the actual sampling frame of each body part according to the reference sampling frame and the deviation parameters between each body part and the reference sampling frame. \u5176\u5b9e\u73b0\u4e86\u901a\u8fc7\u5c06\u5bf9\u8c61\u548c\u8be5\u5bf9\u8c61\u7684\u6bcf\u4e2a\u8eab\u4f53\u90e8\u4f4d\u7ed1\u5b9a\u7684\u65b9\u5f0f\uff0c\u786e\u5b9a\u51fa\u8be5\u5bf9\u8c61\u7684\u6bcf\u4e2a\u8eab\u4f53\u90e8\u4f4d\u7684\u5b9e\u9645\u91c7\u6837\u6846\uff0c\u65e0\u9700\u5c06\u786e\u5b9a\u51fa\u91c7\u7528\u6846\u518d\u5f52\u5c5e\u5230\u5176\u6240\u5c5e\u7684\u5bf9\u8c61\uff0c\u4ece\u800c\u5c31\u53ef\u4ee5\u907f\u514d\u51fa\u73b0\u5f52\u7c7b\u9519\u8bef\uff0c\u8fdb\u800c\u5c31\u5b9e\u73b0\u53ef\u4ee5\u51c6\u786e\u7684\u63d0\u53d6\u51fa\u6240\u5c5e\u4e8e\u6bcf\u4e2a\u5bf9\u8c61\u7684\u5404\u8eab\u4f53\u90e8\u4f4d\u3002

【技术实现步骤摘要】
图像处理方法、装置、电子设备及存储介质
本申请涉及图像处理
，具体而言，涉及一种图像处理方法、装置、电子设备及存储介质。
技术介绍
在目前的图像处理中，需要通过不同的采样框对图像中不同的身体部位分门别类的进行提取，然后再将每个身体部位对应的归类到其所属的每个对象。但这种方式很容易出现错误的归类，例如，将提取出的对象A的身体确定为对象B的身体，从而导致其实际应用的效果很差。
技术实现思路
本申请在于提供一种图像处理方法、装置、电子设备及存储介质，以实现可以准确的提取出所属于每个对象的各身体部位。为了实现上述目的，本申请的实施例通过如下方式实现：第一方面，本申请实施例提供了一种图像处理方法，所述方法包括：获得包含对象的至少两个身体部位的图像；根据所述图像，确定出所述至少两个身体部位中目标身体部位的一个参考采样框；根据所述参考采样框，以及根据每个所述身体部位与所述参考采样框之间的偏差参数，确定出每个所述身体部位的实际采样框。在本申请实施例中，由于可以针对对象的一个目标身体部位确定该目标身体部位的参考采样框，并再由该参考采样框到该对象的每个身体部位的偏差参数确定出该对象的每个身体部位的实际采样框，从而就实现了通过将对象和该对象的每个身体部位绑定的方式，确定出该对象的每个身体部位的实际采样框，无需将确定出采用框再归属到其所属的对象，从而就可以避免出现归类错误，进而就实现可以准确的提取出所属于每个对象的各身体部位。结合第一方面，在第一种可能的实现方式中，根据所述图像，确定出所述至少两个身体部位中目标身体部位的一个参考采样框，包括：利用身体识别模型处理所述图像，确定出多个初始采样框，以及确定出每个所述初始采样框的得分，其中，每个所述初始采样框的得分越高则表示每个所述初始采样框内的内容为所述至少两个身体部位中目标身体部位的概率越大；根据每个所述初始采样框的得分和所述多个初始采样框中任意两个初始采样框之间的重合度，从所述多个初始采样框中确定出一个目标初始采样框为所述目标身体部位的一个参考采样框。在本申请实施例中，由于可以根据初始采样框的得分和重合度来对多个初始采样框进行筛选，故可以使得确定出的目标初始采样框能够更加的与身体部位相关。结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，根据每个所述初始采样框的得分和所述多个初始采样框中任意两个初始采样框之间的重合度，从所述多个初始采样框中确定出一个目标初始采样框为所述目标身体部位的一个参考采样框，包括：根据所述多个初始采样框中得分满足阈值条件的目标初始采样框与所述多个初始采样框中除所述目标初始采样框外的每个其它初始采样框之间的重合度，将重合度高于第一重合度阈值的每个其它初始采样框删除，获得删除后的所述多个初始采样框；在删除后的所述多个初始采样框中仅包括所述目标初始采样框或删除后的所述多个初始采样框中任意两个的初始采样框之间的重合度低于所述第一重合度阈值时，确定所述目标初始采样框为所述目标身体部位的一个参考采样框。在本申请实施例中，通过设置的第一重合度阈值而将与得分高的初始采样框过度重合的其它初始采样框删除，可以删除不必要的采样框并留下得分高的初始采样框，实现了确定出的目标初始采样框是与目标身体部位最相关的一个采样框，提高了确定出的目标初始采样框准确性。结合第一方面的第一种可能的实现方式，在第三种可能的实现方式中，利用身体识别模型处理所述图像，确定出多个初始采样框，以及确定出每个所述初始采样框的得分，包括：利用身体识别模型对所述图像进行特征提取，获得特征图像；利用所述身体识别模型对所述特征图像进行识别处理，获得所述身体识别模型输出的多个初始采样框和每个所述初始采样框的得分。在本申请实施例中，通过模型对特征图像的处理的方式来确定出每个初始采样框的得分，其可以使得获得的每个初始采样框的得分的准确性比较好。结合第一方面的第一种可能的实现方式，在第四种可能的实现方式中，在获得包含每个对象的至少两个身体部位的图像之后，所述方法还包括：利用所述身体识别模型对所述图像进行偏差处理，确定出每个所述初始采样框与每个所述身体部位之间的偏差参数，其中，每个所述偏差参数包括：每个所述初始采样框的中心点到每个所述身体部位的中心点的距离偏差，以及每个所述初始采样框的尺寸大小偏差。在本申请实施例中，通过模型处理该图像的方式来确定出偏差参数，其可以使得确定出的偏差参数准确性比较高。结合第一方面，在第五种可能的实现方式中，根据所述参考采样框，以及根据每个所述身体部位与所述参考采样框之间的偏差参数，确定出每个所述身体部位的实际采样框，包括：根据所述参考采样框，以及根据每个所述身体部位与所述参考采样框之间的偏差参数，获得基于所述参考采样框按每个偏差参数移动而生成的每个偏差采样框；根据每个所述身体部位与所述参考采样框的大小关系调整每个偏差采样框的大小，获得每个所述身体部位的实际采样框。在本申请实施例中，由于可以基于偏差参数去生成实际采样框，故使得实际采样框可以更加的与身体部位相关，即实际采样框可以更好框选住身体部位。结合第一方面的第一种至第五种中的任一种可能的实现方式，在第六种可能的实现方式中，对所述身体识别模型进行训练的步骤包括：获得包含训练对象的至少两个身体部位的特征训练图像；获得所述特征训练图像中所述训练对象的至少两个身体部位中目标身体部位的多个训练的初始采样框，利用所述身体识别模型中当前的分类神经网络参数为第一参数对所述特征训练图像进行识别处理，获得所述身体识别模型输出的每个所述训练的初始采样框的得分；以及根据所述训练对象的目标身体部位的标准采样框的得分与每个所述训练的初始采样框的得分之间的差值，将所述当前的分类神经网络参数由所述第一参数调整为第二参数；利用所述身体识别模型中当前的位置神经网络参数为第三参数对所述特征训练图像进行偏差处理，确定出每个所述训练的初始采样框与所述训练对象的至少两个身体部位中所述训练对象的每个身体部位之间的偏差参数；根据每个所述训练的初始采样框与所述训练对象的每个身体部位之间的偏差参数，以及根据所述训练对象的每个身体部位之间的标准采样框，将所述当前的位置神经网络参数由所述第三参数调整为第四参数。在本申请实施例中，由于可以通过预设的标准采样框的得分和模式实际确定出的每个训练的初始采样框的得分去反向优化模型中确定得分的参数，故可以通过训练使得模型确定出的得分的准确性越来越高。以及，也由于还可以通过预设的每个训练对象的每个身体部位的标准采样框和模型实际确定出的偏差参数去反向优化模型中确定偏差参数的参数，故也可以通过训练使得模型确定出的偏差参数的准确性越来越高。结合第一方面的第六种可能的实现方式，在第七种可能的实现方式中，获得所述特征训练图像中所述训练对象的至少两个身体部位中目标身体部位的多个训练的初始采样框，包括：获得以所述特征训练图像包含的P个采样点中每个所述采样点为采样框的中心，确定的与每个采样点相关且形状和/或尺寸不同的N个训练的初始采样框，共获得P*N个训练的初始采样框，P和N均为大于1的整数；根据所述P*N个训练的初始采样框中每个所述训练的初始采样框与所述训练对象的目标身体部位的标准采样框之间的重合度，从所述P*N个训练的初始采样框中获得重合度大于第本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：获得包含对象的至少两个身体部位的图像；根据所述图像，确定出所述至少两个身体部位中目标身体部位的一个参考采样框；根据所述参考采样框，以及根据每个所述身体部位与所述参考采样框之间的偏差参数，确定出每个所述身体部位的实际采样框。

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获得包含对象的至少两个身体部位的图像；根据所述图像，确定出所述至少两个身体部位中目标身体部位的一个参考采样框；根据所述参考采样框，以及根据每个所述身体部位与所述参考采样框之间的偏差参数，确定出每个所述身体部位的实际采样框。2.根据权利要求1所述的图像处理方法，其特征在于，根据所述图像，确定出所述至少两个身体部位中目标身体部位的一个参考采样框，包括：利用身体识别模型处理所述图像，确定出多个初始采样框，以及确定出每个所述初始采样框的得分，其中，每个所述初始采样框的得分越高则表示每个所述初始采样框内的内容为所述至少两个身体部位中目标身体部位的概率越大；根据每个所述初始采样框的得分和所述多个初始采样框中任意两个初始采样框之间的重合度，从所述多个初始采样框中确定出一个目标初始采样框为所述目标身体部位的一个参考采样框。3.根据权利要求2所述的图像处理方法，其特征在于，根据每个所述初始采样框的得分和所述多个初始采样框中任意两个初始采样框之间的重合度，从所述多个初始采样框中确定出一个目标初始采样框为所述目标身体部位的一个参考采样框，包括：根据所述多个初始采样框中得分满足阈值条件的目标初始采样框与所述多个初始采样框中除所述目标初始采样框外的每个其它初始采样框之间的重合度，将重合度高于第一重合度阈值的每个其它初始采样框删除，获得删除后的所述多个初始采样框；在删除后的所述多个初始采样框中仅包括所述目标初始采样框或删除后的所述多个初始采样框中任意两个的初始采样框之间的重合度低于所述第一重合度阈值时，确定所述目标初始采样框为所述目标身体部位的一个参考采样框。4.根据权利要求2所述的图像处理方法，其特征在于，利用身体识别模型处理所述图像，确定出多个初始采样框，以及确定出每个所述初始采样框的得分，包括：利用身体识别模型对所述图像进行特征提取，获得特征图像；利用所述身体识别模型对所述特征图像进行识别处理，获得所述身体识别模型输出的多个初始采样框和每个所述初始采样框的得分。5.根据权利要求2所述的图像处理方法，其特征在于，在获得包含对象的至少两个身体部位的图像之后，所述方法还包括：利用所述身体识别模型对所述图像进行偏差处理，确定出每个所述初始采样框与每个所述身体部位之间的偏差参数，其中，每个所述偏差参数包括：每个所述初始采样框的中心点到每个所述身体部位的中心点的距离偏差，以及每个所述初始采样框的尺寸大小偏差。6.根据权利要求1所述的图像处理方法，其特征在于，根据所述参考采样框，以及根据每个所述身体部位与所述参考采样框之间的偏差参数，确定出每个所述身体部位的实际采样框，包括：根据所述参考采样框，以及根据每个所述身体部位与所述参考采样框之间的偏差参数，获得基于所述参考采样框按...

【专利技术属性】
技术研发人员：张志强，俞刚，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：北京,11