识别图像中人物位置方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种基于神经网络的识别图像中人物位置的方法、装置、计算机设备和存储介质。所述方法包括：获取待识别监控视频文件，并对待识别监控视频文件进行预处理，获得待识别视频图像；确定待识别视频图像的图像类型；在图像类型为彩色图像时，通过训练获得的人体姿态模型识别待识别视频图像中的人体关键点，并基于识别出的人体关键点确定待识别视频图像中的人物位置信息；在图像类型为夜视图像时，通过训练获得的轻量级目标检测模型，识别出待识别视频图像中的人物位置信息。采用本方法能够提高工作效率。

Method, device, computer equipment and storage medium for identifying the location of people in images

The application relates to a method, device, computer device and storage medium for recognizing the position of a person in an image based on a neural network. The method includes: acquiring the surveillance video file to be recognized, preprocessing the surveillance video file to be recognized, obtaining the video image to be recognized; determining the image type of the video image to be recognized; when the image type is color image, recognizing the human body key points in the video image to be recognized by the human body posture model obtained through training, and confirming the human body key points based on the recognized human body key points Determine the location information of the characters in the video image to be recognized; when the image type is night vision image, recognize the location information of the characters in the video image to be recognized by the lightweight target detection model obtained through training. This method can improve work efficiency.

【技术实现步骤摘要】
识别图像中人物位置方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种识别图像中人物位置的方法、装置、计算机设备和存储介质。
技术介绍
随着社会经济和安全生产的需要，视频监控设备在平安城市、智慧交通、安防工程等领域得到了越来越广泛的部署。并且，近年来视频监控朝着高清化、网络化和智能化的方向发展。但是，由于监控视频的广泛引用，海量摄像头所产生的大量视频数据也越来越多，为查看目标物，需从海量视频数据中查询，现有的查询方式主要依赖于人力查看和手动检索，导致视频内容监控自动化程度不高，查询效率慢等问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高效率的识别图像中人物位置的方法、装置、计算机设备和存储介质。一种识别图像中人物位置的方法，所述方法包括：获取待识别监控视频文件，并对所述待识别监控视频文件进行预处理，获得待识别视频图像；确定所述待识别视频图像的图像类型；在所述图像类型为彩色图像时，通过训练获得的人体姿态模型识别所述待识别图像中的人体关键点，并基于识别出的人体关键点确定所述待识别视频图像中的人物位置信息；在所述图像类型为夜视图像时，通过训练获得的轻量级目标检测模型，识别出所述待识别视频图像中的人物位置信息。在其中一个实施例中，所述确定所述待识别视频图像的图像类型的步骤，包括：获取所述待识别视频图像中各像素的三通道像素值；基于所述三通道像素值进行差值计算，选择差值最大的值作为像素差值；根据预设值和所述像素差值确定所述待识别视频图像的图像类型。在其中一个实施例中，所述确定所述待识别视频图像的图像类型，包括：获取所述待识别监控视频文件对应监控设备的采集模式调节时间，以及获取所述待识别视频图像对应的拍摄时间；根据所述采集模式调节时间确定所述待识别视频图像的图像类型。在其中一个实施例中，在所述图像类型为彩色图像时，通过训练获得的人体姿态模型识别所述待识别图像中的人体关键点，并基于识别出的人体关键点确定所述待识别视频图像中的人物位置信息，包括：利用所述人体姿态模型的前置网络层对所述待识别视频图像进行特征提取，得到所述待识别视频图像对应的特征图；利用所述人体姿态模型的置信度网络层从所述特征图中提取所述待识别视频图像中人体的人体关键点，得到所述待识别视频图像中人体关键点对应的关键点置信图；利用所述人体姿态模型的关联度向量网络层从所述特征图中提取所述待识别视频图像中各所述人体关键点的关联度；根据所述关键点置信图和所述人体关键点的关联度确定所述待识别视频图像的人物位置信息。在其中一个实施例中，所述根据所述关键点置信图和所述人体关键点的关联度确定所述待识别视频图像的人物位置信息，包括：根据所述人体关键点的关联度，将所述关键点置信图上的人体关键点进行连接，并计算得到关键点轮廓；根据所述关键点轮廓获取外接最小矩形，所述外接最小矩形为包括所述关键点轮廓的面积最小的矩形；根据所述外接最小矩形确定所述待识别视频图像中的人物位置信息。在其中一个实施例中，所述得到所述待识别人物位置信息之后，之后，还包括：生成与所述人物位置信息对应的视频信息；将所述视频信息写入对应的日志中。在其中一个实施例中，在所述获取待识别监控视频文件之前，还包括训练所述人体姿态模型和所述轻量级目标检测模型的步骤；所述训练所述人体姿态模型和所述轻量级目标检测模型的步骤包括：获取监控设备的历史监控视频；从所述历史监控视频中提取彩色图像样本和夜视图像样本，并对所述彩色图像样本中的人体进行人体关键点的标注，以及对所述夜视图像样本中的人体进行位置坐标的标注，得到标注彩色图像和标注夜视图像；分别对所述标注彩色图像和标注夜视图像进行尺寸调整，得到训练彩色图像和训练夜视图像；将所述训练彩色图像中的人体关键点与所述标注彩色图像中标注的人体关键点进行映射，利用映射后的训练彩色图像对所述人体姿态模型进行训练；将所述训练夜视图像中的位置坐标与所述标注夜视图像中标注的位置坐标进行映射，利用映射后的训练夜视图像对所述轻量级目标检测模型进行训练。一种识别图像中人物位置的装置，所述装置包括：预处理模块，用于获取待识别监控视频文件，并对所述待识别监控视频文件进行预处理，获得待识别视频图像；确定模块，用于确定所述待识别视频图像的图像类型；识别模块，用于在所述图像类型为彩色图像时，通过训练获得的人体姿态模型识别所述待识别视频图像中的人体关键点，并基于识别出的人体关键点确定所述待识别视频图像中的人物位置信息；所述识别模块还用于在所述图像类型为夜视图像时，通过训练获得的轻量级目标检测模型，识别出所述待识别视频图像中的人物位置信息。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述识别图像中人物位置的方法。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述识别图像中人物位置的方法。上述识别图像中人物位置的方法、装置、计算机设备和存储介质，当获取到待识别监控视频文件后，对待识别监控视频文件进行预处理得到待识别视频图像，从而便于后续对视频内容识别的处理。确定待识别视频图像的图像类型后，根据图像类型调用对应的识别模型，即在图像类型为彩色图像时，通过训练获得的人体姿态模型识别待识别图像中的人体关键点，并基于识别出的人体关键点确定待识别视频图像中的人物位置信息。而在图像类型为夜视图像时，通过训练获得的轻量级目标检测模型，识别出所述待识别视频图像中的人物位置信息。从而保证不同类型的待识别视频图像能够有最匹配的识别模型进行识别，提高识别的准确性。并且根据不同的识别模型检测视频图像中人物的位置，能够摆脱旧式的人工识别查看方法，实现自动化快速识别监控视频内容。提高工作效率。附图说明图1为一个实施例中识别图像中人物位置的方法的应用场景图；图2为一个实施例中识别图像中人物位置的方法的流程示意图；图3为一个实施例中确定视频图像的类型步骤的流程示意图；图4为另一个实施例中识别图像中人物位置的方法的流程示意图；图5为一个实施例中识别图像中人物位置的装置的结构框图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的识别图像中人物位置的方法，可以应用于如图1所示的应用环境中。其中，监控设备102通过网络与服务器104进行通信。服务器104获取监控设备102发送的待识别监控视频文件，服务器104对监控视频文件进行预处理得到待识别视频图像。服务器104确定待识别本文档来自技高网...

【技术保护点】
1.一种识别图像中人物位置的方法，所述方法包括：/n获取待识别监控视频文件，并对所述待识别监控视频文件进行预处理，获得待识别视频图像；/n确定所述待识别视频图像的图像类型；/n在所述图像类型为彩色图像时，通过训练获得的人体姿态模型识别所述待识别图像中的人体关键点，并基于识别出的人体关键点确定所述待识别视频图像中的人物位置信息；/n在所述图像类型为夜视图像时，通过训练获得的轻量级目标检测模型，识别出所述待识别视频图像中的人物位置信息。/n

【技术特征摘要】
1.一种识别图像中人物位置的方法，所述方法包括：
获取待识别监控视频文件，并对所述待识别监控视频文件进行预处理，获得待识别视频图像；
确定所述待识别视频图像的图像类型；
在所述图像类型为彩色图像时，通过训练获得的人体姿态模型识别所述待识别图像中的人体关键点，并基于识别出的人体关键点确定所述待识别视频图像中的人物位置信息；
在所述图像类型为夜视图像时，通过训练获得的轻量级目标检测模型，识别出所述待识别视频图像中的人物位置信息。


2.根据权利要求1所述的方法，其特征在于，所述确定所述待识别视频图像的图像类型的步骤，包括：
获取所述待识别视频图像中各像素的三通道像素值；
基于所述三通道像素值进行差值计算，选择差值最大的值作为像素差值；
根据预设值和所述像素差值确定所述待识别视频图像的图像类型。


3.根据权利要求1所述的方法，其特征在于，所述确定所述待识别视频图像的图像类型，包括：
获取所述待识别监控视频文件对应监控设备的采集模式调节时间，以及获取所述待识别视频图像对应的拍摄时间；
根据所述采集模式调节时间确定所述待识别视频图像的图像类型。


4.根据权利要求1所述的方法，其特征在于，在所述图像类型为彩色图像时，通过训练获得的人体姿态模型识别所述待识别图像中的人体关键点，并基于识别出的人体关键点确定所述待识别视频图像中的人物位置信息，包括：
利用所述人体姿态模型的前置网络层对所述待识别视频图像进行特征提取，得到所述待识别视频图像对应的特征图；
利用所述人体姿态模型的置信度网络层从所述特征图中提取所述待识别视频图像中人体的人体关键点，得到所述待识别视频图像中人体关键点对应的关键点置信图；
利用所述人体姿态模型的关联度向量网络层从所述特征图中提取所述待识别视频图像中各所述人体关键点的关联度；
根据所述关键点置信图和所述人体关键点的关联度确定所述待识别视频图像的人物位置信息。


5.根据权利要求4所述的方法，其特征在于，所述根据所述关键点置信图和所述人体关键点的关联度确定所述待识别视频图像的人物位置信息，包括：
根据所述人体关键点的关联度，将所述关键点置信图上的人体关键点进行连接，并计算得到关键点轮廓；
根据所述关键点轮廓获取外接最...

【专利技术属性】
技术研发人员：石磊，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44