遮挡识别方法、装置、计算机设备及存储介质制造方法及图纸

本申请涉及一种遮挡识别方法、装置、计算机设备及存储介质。该方法包括：获取包括目标部位的待处理图像；对所述待处理图像进行目标部位定位处理，得到包括所述目标部位的关键点的关键点图像；对待处理图像进行所述目标部位的语义分割，得到目标部位的分割图像；将所述关键点图像和所述分割图像进行叠加，得到叠加图像；按照所述叠加图像中的所述关键点，定位所述叠加图像中所述目标部位的区域，并确定所述目标部位在所述区域中的像素占比；根据所述像素占比，对所述目标部位进行遮挡识别。本申请方案能够提高遮挡识别的准确性。

Occlusion recognition method, device, computer equipment and storage medium

【技术实现步骤摘要】
遮挡识别方法、装置、计算机设备及存储介质
本专利技术涉及人工智能
及图像处理
，特别是涉及一种遮挡识别方法、装置、计算机设备及存储介质。
技术介绍
随着科学技术的飞速发展，图像处理技术越来越受到重视。图像处理技术被用来识别目标部位的应用越来越广泛。比如，用于进行人脸识别等。在识别目标部位时，可能会存在目标部位被遮挡的情况下。这样一来，就需要判断目标部位的遮挡情况。传统方法中，是根据对目标部位关键点来对目标部位进行遮挡判断。但是，由于识别关键点任务主要是为了输出准确的关键点定位，所以在训练过程中并不会考虑预测位置是否存在遮挡。因此，通过关键点进行遮挡识别不够准确。
技术实现思路
基于此，有必要针对传统方法进行遮挡识别不够准确的问题，提供一种遮挡识别方法、装置、计算机设备及存储介质。一种遮挡识别方法，方法包括：获取包括目标部位的待处理图像；对待处理图像进行目标部位定位处理，得到包括目标部位的关键点的关键点图像；对待处理图像进行目标部位的语义分割，得到目标部位的分割图像；本文档来自技高网...

【技术保护点】
1.一种遮挡识别方法，所述方法包括：/n获取包括目标部位的待处理图像；/n对所述待处理图像进行目标部位定位处理，得到包括所述目标部位的关键点的关键点图像；/n对待处理图像进行所述目标部位的语义分割，得到目标部位的分割图像；/n将所述关键点图像和所述分割图像进行叠加，得到叠加图像；/n按照所述叠加图像中的所述关键点，定位所述叠加图像中所述目标部位的区域，并确定所述目标部位在所述区域中的像素占比；/n根据所述像素占比，对所述目标部位进行遮挡识别。/n

【技术特征摘要】
1.一种遮挡识别方法，所述方法包括：
获取包括目标部位的待处理图像；
对所述待处理图像进行目标部位定位处理，得到包括所述目标部位的关键点的关键点图像；
对待处理图像进行所述目标部位的语义分割，得到目标部位的分割图像；
将所述关键点图像和所述分割图像进行叠加，得到叠加图像；
按照所述叠加图像中的所述关键点，定位所述叠加图像中所述目标部位的区域，并确定所述目标部位在所述区域中的像素占比；
根据所述像素占比，对所述目标部位进行遮挡识别。


2.根据权利要求1所述的方法，其特征在于，所述按照所述叠加图像中的所述关键点，定位所述叠加图像中所述目标部位的区域，并确定所述目标部位在所述区域中的像素占比包括：
当所述关键点中包括所述目标部位的子部位的关键点时，则
按照所述叠加图像中所述子部位的关键点，定位所述叠加图像中的子部位区域，并确定所述子部位区域中所述子部位的像素占比。


3.根据权利要求2所述的方法，其特征在于，所述像素占比为遮挡置信度；所述确定所述子部位区域中所述子部位的像素占比包括：
获取所述子部位区域中所述子部位的像素数量；
获取所述子部位区域中的总像素数量；
根据所述子部位的像素数量和所述总像素数量的比值，得到所述子部位在所述子部位区域中的遮挡置信度。


4.根据权利要求2所述的方法，其特征在于，所述待处理图像为面部图；所述目标部位为面部；所述子部位为面部组成部位；
所述按照所述叠加图像中所述子部位的关键点，定位所述叠加图像中的子部位区域，并确定所述子部位区域中所述子部位的像素占比包括：
根据所述叠加图像中的所述面部组成部位的关键点，从所述叠加图像中，抠取所述面部组成部位的子图像区域；
确定所述面部组成部位在所述子图像区域中的像素占比。


5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取目标部位的预设的完整度要求条件；
当根据所述子部位的像素占比识别出所述目标部位中的被遮挡子部位，且所述被遮挡子部位不符合所述完整度要求条件时，则输出部位位置调整提示。


6.根据权利要求5所述的方法，其特征在于，所述当根据所述子部位的像素占比识别出所述目标部位中的被遮挡子部位，且所述被遮挡子部位不符合所述完整度要求条件时，则输出部位位置调整提示包括：
当根据所述子部位的像素占比，识别出所述目标部位中被遮挡子部位和所述被遮挡子部位的遮挡程度时，则将所述被遮挡子部位和所述被遮挡子部位的遮挡程度与所述完整度要求条件进行比对；
当所述被遮挡子部位和所述被遮挡子部位的遮挡程度中的任一项不符合所述完整度要求条件时，则输出部位位置调整提示。


7.根据权利要求1所述的方法，其特征在于，所述目标部位的关键点，是通过关键点定位模型，从所述待处理图像中提取得到的面部关键点；
所述关键点定位模型的训练步骤包括：
根据样本数据集进行机器学习训练，得到初始的关键点定位模型；同组样本数据中，包括样本面部图和所述样本面部图中面部关键点的标注结果；
将各样本面部图输入所述关键点定位模型，输出面部关键点的定位结果；
根据各所述标注结果和各所述定位结果之间的误差，筛选困难样本数据；
根据所述困难样本数据，对所述关键点定位模型进行更新训练。


8.根据权利要求7所述的方法，其特征在于，所述标注结果包括面部关键点的标注坐标；所述定位结果包括面部关键点的预测坐标；
所述根据各所述标注结果和各所述定位结果之间的误差，筛选困难样本数据包括：
针对每个定位结果，确定所述定位结...

【专利技术属性】
技术研发人员：陈星宇，张睿欣，李绍欣，王世卿，李季檩，黄飞跃，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44