【技术实现步骤摘要】
特征提取方法、装置、终端设备及存储介质
本专利技术实施例涉及计算机视觉
，尤其涉及特征提取方法、装置、终端设备及存储介质。
技术介绍
随着科学技术的进步，实现机器自主分析、理解和决策正在成为现实。人体姿态估计(关节点定位)就是实现这种功能其中的一项关键技术。该技术在生活和工业领域有很广泛的应用，包括视频监控、自动驾驶、游戏娱乐、智能家居、视频检索和工业控制等。借助该技术，智能设备将走入我们的生活，更好的服务人类。人体姿态估计是定位出视频或图像数据中人体部位关节所在位置的过程。目前大多采用神经网络模型进行人体姿态估计，具体估计过程为，输入图像至神经网络模型，经过神经网络模型得到该图像的关节位置。然而，现有神经网络模型提取关节位置时，提取精度较低。
技术实现思路
本专利技术实施例提供了特征提取方法、装置、终端设备及存储介质，以提高特征提取的精度。第一方面，本专利技术实施例提供了一种特征提取方法，包括：获取用户的图像；将所述图像输入预先确定的增强模型进行增强处理后，得到对应所述图像的关节特征和肢体特征，所述增强处理包括如下至少之一特征融合、特征迁移和特征提炼。可选的，...
【技术保护点】
1.一种特征提取方法，其特征在于，包括：获取用户的图像；将所述图像输入预先确定的增强模型进行增强处理后，得到对应所述图像的关节特征和肢体特征，所述增强处理包括如下至少之一特征融合、特征迁移和特征提炼。
【技术特征摘要】
1.一种特征提取方法，其特征在于，包括：获取用户的图像；将所述图像输入预先确定的增强模型进行增强处理后，得到对应所述图像的关节特征和肢体特征，所述增强处理包括如下至少之一特征融合、特征迁移和特征提炼。2.根据权利要求1所述的方法，其特征在于，将所述图像输入预先确定的增强模型进行增强处理后，得到对应所述图像的关节特征和肢体特征，包括：将图像输入至预先确定的提取模型进行特征增强处理，得到增强关节特征和增强肢体特征；将所述增强关节特征和所述图像对应的目标元素区域输入关节提炼模型，得到对应所述图像的关节特征；将所述增强肢体特征和所述图像对应的目标元素区域输入肢体提炼模型，得到对应所述图像的肢体特征。3.根据权利要求2所述的方法，其特征在于，将图像输入至预先确定的提取模型进行特征增强处理，得到增强关节特征和增强肢体特征，包括：将图像输入至预先确定的主干网络，得到对应所述图像的目标元素区域；将所述目标元素区域进行特征增强处理，得到增强关节特征和增强肢体特征。4.根据权利要求3所述的方法，其特征在于，将所述目标元素区域进行特征增强处理，得到增强关节特征和增强肢体特征，包括：将所述目标元素区域输入至关节模型，得到初增关节特征和关节融合特征，所述关节融合特征为对所述关节模型中关节卷积层集合的特征融合得到，所述关节卷积层集合为所述关节模型中除输出初增关节特征的卷积层外的卷积层，所述初增关节特征为对所述关节融合特征卷积得到；将所述目标元素区域输入肢体模型，得到初增肢体特征和肢体融合特征，所述肢体融合特征为对所述肢体模型中肢体卷积层集合的特征融合得到，所述肢体卷积层集合为所述肢体模型中除输出初增肢体特征的卷积层外的卷积层，所述初增肢体特征为对所述肢体融合特征卷积得到；将所述关节融合特征输入关节迁移模型，得到迁移肢体特征，并将所述迁移肢体特征与所述初增肢体特征融合，...
【专利技术属性】
技术研发人员：黄盈，
申请(专利权)人：北京卡路里信息技术有限公司，
类型：发明
国别省市：北京,11
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。