一种人体细粒度分割方法及模型训练方法技术

本发明专利技术公开了一种人体细粒度分割方法及模型训练方法，属于图像分割技术领域，能够结合人脑判断思维进行优化，方式更加合理，有助于提高人体细粒度分割的精度和稳定性。所述方法包括：获取人体样本图片；利用人体细粒度分割模块对人体样本图片进行人体细粒度分割，得到人体细粒度分割标注；利用细节分类模块检测人体样本图片的细节特征，并根据细节特征获取人体左右分类标注；细节特征包括人体的朝向、人体走路姿态和人体着装特征中的至少一种；人体左右分类标注为判定人体左侧肢体和人体右侧肢体的信息；根据人体样本图片、人体细粒度分割标注和人体左右分类标注训练神经网络模型，得到人体细粒度分割模型。本发明专利技术用于人体细粒度分割。细粒度分割。细粒度分割。

【技术实现步骤摘要】
一种人体细粒度分割方法及模型训练方法


[0001]本专利技术涉及一种人体细粒度分割方法及模型训练方法，属于图像分割


技术介绍

[0002]随着技术的发展，许多领域都对人体细粒度分割有着比较高的精度要求，比如行人再识别、步态识别等领域，这些领域从关注全局特征向关注局部特征迭代，这就使得对人体细粒度分割的要求越来越高。
[0003]现有技术在人体细粒度分割方面主要存在以下挑战：(1)背景跟目标着装存在类似纹理的时候，现有技术方案容易将背景分割成目标的某一部分；(2)目标的边缘比较模糊时，现有技术方案很难准确的确定目标的边缘，从而导致分割错误；(3)目标的形态多变，现有技术容易将左右手、左右脚分错。

技术实现思路

[0004]本专利技术提供了一种人体细粒度分割方法及模型训练方法，能够结合人脑判断思维进行优化，方式更加合理，有助于提高人体细粒度分割的精度和稳定性。
[0005]一方面，本专利技术提供了一种人体细粒度分割模型训练方法，所述方法包括：
[0006]S1、获取人体样本图片；
[0007]S2、利用人体细粒度分割模块对所述人体样本图片进行人体细粒度分割，得到人体细粒度分割标注；
[0008]S3、利用细节分类模块检测所述人体样本图片的细节特征，并根据所述细节特征获取人体左右分类标注；所述细节特征包括人体的朝向、人体走路姿态和人体着装特征中的至少一种；所述人体左右分类标注为判定人体左侧肢体和人体右侧肢体的信息；
[0009]S4、根据所述人体样本图片、所述人体细粒度分割标注和所述人体左右分类标注训练神经网络模型，得到人体细粒度分割模型。
[0010]可选的，当所述细节特征包括人体的朝向时；所述S3中的根据所述细节特征获取人体左右分类标注，具体为：
[0011]判断所述人体的朝向为正向、背向、左向还是右向；若为正向，则判定所述待检测人体图片中位于左侧的肢体为实际中的人体右侧肢体；若为背向，则判定所述待检测人体图片中位于左侧的肢体为实际中的人体左侧肢体；若为左向，则判定所述待检测人体图片中位于前侧的肢体为实际中的人体左侧肢体；若为右向，则判定所述待检测人体图片中位于前侧的肢体为实际中的人体右侧肢体。
[0012]可选的，当所述细节特征包括人体走路姿态时；所述S3中的根据所述细节特征获取人体左右分类标注，具体为：
[0013]判断所述人体走路姿态中向前摆臂的是左臂还是右臂；若向前摆臂的是左臂，则判定向前跨步的是右腿；若向前摆臂的是右臂，则判定向前跨步的是左腿；
[0014]或者，判断所述人体走路姿态中向前跨步的是左腿还是右腿；若向前跨步的是左
腿，则判定向前摆臂的是右臂；若向前跨步的是右腿，则判定向前摆臂的是左臂。
[0015]可选的，当所述细节特征包括人体着装特征时；所述S3中的根据所述细节特征获取人体左右分类标注，具体为：
[0016]根据鞋子和/或衣服的左右差异信息获取人体左右分类标注。
[0017]可选的，在所述S1后，所述方法还包括：
[0018]S5、利用人体分割模块检测所述人体样本图片的前景信息，得到二值化的人体分割标注；
[0019]相应的，所述S4具体为：
[0020]根据所述人体样本图片、所述人体细粒度分割标注、所述人体左右分类标注和所述人体分割标注训练神经网络模型，得到人体细粒度分割模型。
[0021]可选的，在所述S1后，所述方法还包括：
[0022]S6、利用人体边缘检测模块检测所述人体样本图片中人体各部位的边缘信息，得到人体各部位边缘标注；
[0023]相应的，所述S4具体为：
[0024]根据所述人体样本图片、所述人体细粒度分割标注、所述人体左右分类标注、所述人体分割标注和所述人体各部位边缘标注训练神经网络模型，得到人体细粒度分割模型。
[0025]可选的，所述人体细粒度分割模块的损失函数为CrossEntropyLoss；
[0026]所述细节分类模块的损失函数为Softmaxloss；
[0027]所述人体分割模块的损失函数为BCEWithLogitsLoss；
[0028]所述人体边缘检测模块的损失函数为BCEWithLogitsLoss。
[0029]可选的，所述人体细粒度分割模块和所述人体边缘检测模块的损失函数的权重均大于所述人体分割模块的损失函数的权重，且均小于所述细节分类模块的损失函数的权重。
[0030]可选的，所述人体细粒度分割模块、所述人体分割模块、所述人体边缘检测模块和所述细节分类模块的损失函数的权重比为2：1：2：4。
[0031]另一方面，本专利技术提供了一种人体细粒度分割方法，所述方法包括：
[0032]S10、获取待检测人体图片；
[0033]S20、将所述待检测人体图片输入所述人体细粒度分割模型中，得到人体细粒度分割预测结果；所述人体细粒度分割模型通过上述任一种所述的方法训练而成。
[0034]本专利技术能产生的有益效果包括：
[0035](1)本专利技术提供的人体细粒度分割模型训练方法，通过使用细节特征来对分割算法进行细节约束，更加符合人脑区分左右的思维方式，让算法更加稳定，从而让训练出来的人体细粒度分割模型的识别精度更高。
[0036](2)本专利技术提供的人体细粒度分割模型训练方法，通过使用前景和背景约束、边缘约束和细节约束等多种约束方式来提高人体细粒度分割的稳定性，本专利技术提供的技术方案能兼容更多、更复杂的场景。
附图说明
[0037]图1为本专利技术实施例提供的人体细粒度分割模型训练方法流程图；
[0038]图2为本专利技术实施例提供的人体细粒度分割模型训练阶段的输入输出结果示意图。
具体实施方式
[0039]下面结合实施例详述本专利技术，但本专利技术并不局限于这些实施例。
[0040]本专利技术实施例提供了一种人体细粒度分割模型训练方法，人体细粒度分割模型包括人体细粒度分割模块和细节分类模块；如图1所示，所述模型训练方法包括：
[0041]S1、获取人体样本图片。
[0042]S2、利用人体细粒度分割模块对人体样本图片进行人体细粒度分割，得到人体细粒度分割标注。
[0043]S3、利用细节分类模块检测人体样本图片的细节特征，并根据细节特征获取人体左右分类标注；细节特征包括人体的朝向、人体走路姿态和人体着装特征中的至少一种；人体左右分类标注为判定人体左侧肢体和人体右侧肢体的信息。在实际应用中，人体左右分类标注可以用简单的数字来区分左右(如1表示左肢体，2表示右肢体)。
[0044]S4、根据人体样本图片、人体细粒度分割标注和人体左右分类标注训练神经网络模型，得到人体细粒度分割模型。
[0045]具体的，当细节特征包括人体的朝向时；S3中的根据细节特征获取人体左右分类标注，具体为：
[0046]判断人体的朝向为正向、背向、左向还是右向；若为正向，则判本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体细粒度分割模型训练方法，其特征在于，所述方法包括：S1、获取人体样本图片；S2、利用人体细粒度分割模块对所述人体样本图片进行人体细粒度分割，得到人体细粒度分割标注；S3、利用细节分类模块检测所述人体样本图片的细节特征，并根据所述细节特征获取人体左右分类标注；所述细节特征包括人体的朝向、人体走路姿态和人体着装特征中的至少一种；所述人体左右分类标注为判定人体左侧肢体和人体右侧肢体的信息；S4、根据所述人体样本图片、所述人体细粒度分割标注和所述人体左右分类标注训练神经网络模型，得到人体细粒度分割模型。2.根据权利要求1所述的方法，其特征在于，当所述细节特征包括人体的朝向时；所述S3中的根据所述细节特征获取人体左右分类标注，具体为：判断所述人体的朝向为正向、背向、左向还是右向；若为正向，则判定所述待检测人体图片中位于左侧的肢体为实际中的人体右侧肢体；若为背向，则判定所述待检测人体图片中位于左侧的肢体为实际中的人体左侧肢体；若为左向，则判定所述待检测人体图片中位于前侧的肢体为实际中的人体左侧肢体；若为右向，则判定所述待检测人体图片中位于前侧的肢体为实际中的人体右侧肢体。3.根据权利要求1所述的方法，其特征在于，当所述细节特征包括人体走路姿态时；所述S3中的根据所述细节特征获取人体左右分类标注，具体为：判断所述人体走路姿态中向前摆臂的是左臂还是右臂；若向前摆臂的是左臂，则判定向前跨步的是右腿；若向前摆臂的是右臂，则判定向前跨步的是左腿；或者，判断所述人体走路姿态中向前跨步的是左腿还是右腿；若向前跨步的是左腿，则判定向前摆臂的是右臂；若向前跨步的是右腿，则判定向前摆臂的是左臂。4.根据权利要求1所述的方法，其特征在于，当所述细节特征包括人体着装特征时；所述S3中的根据所述细节特征获取人体左右分类标注，具体为：根据鞋子和/或衣服的左右差异信息获...

【专利技术属性】
技术研发人员：黄永祯，徐栋，刘旭，曹春水，
申请(专利权)人：银河水滴科技北京有限公司，
类型：发明
国别省市：