一种手部检测方法、装置、存储介质和设备制造方法及图纸

本申请公开了一种手部检测方法、装置、存储介质和设备，获取用户输入的图像，将图像输入至预先构建的目标检测网络中，得到目标检测网络的输出结果。对候选框进行难例挖掘和非极大值抑制，得到特征图张量。在第一数值大于预设阈值的情况下，向用户发送特征图张量。在第一数值不大于预设阈值的情况下，重复执行预设步骤，对输出结果进行迭代处理，直至迭代处理后的输出结果所指示的第一数值大于预设阈值，并向用户发送迭代处理后所得到的新的特征图张量。相较于现有技术，本申请所述方法所花费的计算时间明显减少，提升了手部检测的效率。此外，目标检测网络对硬件资源要求不高，能够广泛适用于绝大多数个体和团队，具有较高的适用性。用性。用性。

【技术实现步骤摘要】
一种手部检测方法、装置、存储介质和设备


[0001]本申请涉及图像处理领域，尤其涉及一种手部检测方法、装置、存储介质和设备。

技术介绍

[0002]如何检测图像中的手部，为当前市面上研究手势识别的团队和企业所重点关注的问题。目前，通常利用深度学习网络实现手部检测，然而，由于图像中所包含的多个手部，各自的尺寸大小差别较大，为了保证手部检测结果的准确性，现有的深度学习网络通常会大量增加自身网络结构的卷积层数和感受野。卷积层数的增加会令深度学习网络的计算速度下降，从而导致手部检测的效率大大降低。此外，随着卷积层数和感受野的增加，计算过程还会消耗大量的计算资源，使得硬件成本增加，难以适用于大多数个体和团队，不利于手势识别工作的研究发展。

技术实现思路

[0003]本申请提供了一种手部检测方法、装置、存储介质和设备，用于在确保手部检测结果准确的情况下，提高手部检测的效率。
[0004]为了实现上述目的，本申请提供了以下技术方案：
[0005]一种手部检测方法，包括：
[0006]获取用户输入的图像；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种手部检测方法，其特征在于，包括：获取用户输入的图像；将所述图像输入至预先构建的目标检测网络中，得到所述目标检测网络的输出结果；所述输出结果包括候选框和第一数值，所述第一数值用于指示所述候选框中所框定的目标为手部的概率；对所述候选框进行难例挖掘和非极大值抑制，得到特征图张量；判断所述第一数值是否大于预设阈值；在所述第一数值大于所述预设阈值的情况下，向所述用户发送所述特征图张量；在所述第一数值不大于所述预设阈值的情况下，重复执行预设步骤，对所述输出结果进行迭代处理，直至迭代处理后的所述输出结果所指示的第一数值大于所述预设阈值，并向所述用户发送迭代处理后所得到的新的特征图张量；其中，所述预设步骤包括：将所述特征图张量输入至所述目标检测网络中，得到新的输出结果，并对所述新的输出结果所包含的候选框进行难例挖掘和非极大值抑制，得到所述新的特征图张量。2.根据权利要求1所述的方法，其特征在于，所述目标检测网络包括：第一降采样结构，用于对所述图像进行降维，得到降维后的图像，并对所述降维后的图像进行下采样，得到第一特征图像；第二降采样结构，用于对所述第一特征图像进行降维，得到降维后的第一特征图像，并对所述降维后的第一特征图像进行下采样，得到第二特征图像；目标捕获结构，用于对所述第二特征图像进行目标捕获，得到所述候选框和所述第一数值。3.根据权利要求2所述的方法，其特征在于，所述第一降采样结构包括：标准卷积层、归一化层、激活层、下采样层、以及1
×
1卷积层。4.根据权利要求2所述的方法，其特征在于，所述第二降采样结构包括：标准卷积层、归一化层、激活层、以及下采样层。5.根据权利要求2所述的方法，其特征在于，所述目标捕获结构包括：深度卷积层、归一化层、激活层、三维点云操作层、以及标准卷积层。6.根据权利要求2所述...

【专利技术属性】
技术研发人员：古迎冬，李骊，
申请(专利权)人：北京华捷艾米科技有限公司，
类型：发明
国别省市：