本发明专利技术涉及人工智能技术领域，公开了一种体态类型的识别方法、装置、设备及存储介质，用于提高体态类型识别的效率和准确率。所述体态类型的识别方法包括：获取待检测的初始人体图像，并对初始人体图像进行矩阵化处理，得到人体图像矩阵；通过预置的目标检测算法对人体图像矩阵进行人体目标检测，得到目标人体信息；通过预先训练的体态关键点识别模型对目标人体信息进行人体关键点识别，得到人体关键点信息；对人体关键点信息进行偏移量计算，得到体态偏移量，并根据体态偏移量确定体态类型信息。此外，本发明专利技术还涉及区块链技术，体态类型信息可存储于区块链节点中。息可存储于区块链节点中。息可存储于区块链节点中。
【技术实现步骤摘要】
体态类型的识别方法、装置、设备及存储介质
[0001]本专利技术涉及图像分类
，尤其涉及一种体态类型的识别方法、装置、设备及存储介质。
技术介绍
[0002]随着图像处理技术的发展，人体体态也能够通过智能图像处理技术识别，标准的体态是不仅是美的体现，更是健康的代表。
[0003]现有的人体体态类型识别技术通常是通过对动作组合图像进行体态评估，这种方式由于需要处理的数据量大，且难以评估动作是否符合标准，导致体态类型识别的效率和准确率低。
技术实现思路
[0004]本专利技术提供了一种体态类型的识别方法、装置、设备及存储介质，用于提高体态类型识别的效率和准确率。
[0005]本专利技术第一方面提供了一种体态类型的识别方法，包括：
[0006]获取待检测的初始人体图像，并对所述初始人体图像进行矩阵化处理，得到人体图像矩阵；
[0007]通过预置的目标检测算法对所述人体图像矩阵进行人体目标检测，得到目标人体信息；
[0008]通过预先训练的体态关键点识别模型对所述目标人体信息进行人体关键点识别，得到人体关键点信息；
[0009]对所述人体关键点信息进行偏移量计算，得到体态偏移量，并根据所述体态偏移量确定体态类型信息。
[0010]可选的，在本专利技术第一方面的第一种实现方式中，所述获取待检测的初始人体图像，并对所述初始人体图像进行矩阵化处理，得到人体图像矩阵，包括：
[0011]获取待检测的初始人体图像，并读取所述初始人体图像中所有像素点的像素值；
[0012]通过预置掩膜矩阵，对所述初始人体图像中所有像素点的像素值进行掩膜操作，得到人体图像矩阵。
[0013]可选的，在本专利技术第一方面的第二种实现方式中，所述通过预置的目标检测算法对所述人体图像矩阵进行人体目标检测，得到目标人体信息，包括：
[0014]通过预置的目标检测算法，对所述人体图像矩阵进行人体特征提取，得到人体特征信息，并对所述人体特征信息进行回归运算，得到至少一个目标物信息，每个目标物信息包括各目标物的类型信息；
[0015]通过所述目标物类型信息确定至少一个目标物信息中的人体目标物信息，得到目标人体信息，所述目标人体信息用于指示人体目标物的检测框信息。
[0016]可选的，在本专利技术第一方面的第三种实现方式中，所述预先训练的体态关键点识
别模型包括多层深度卷积层、上采样层、跨阶段局部层、空间金字塔池化层和回归层，所述通过预先训练的体态关键点识别模型对所述目标人体信息进行人体关键点识别，得到人体关键点信息，包括：
[0017]通过所述多层深度卷积层对所述目标人体信息进行体态特征提取，得到体态特征信息；
[0018]通过所述上采样层对所述体态特征信息进行分块并进行拼接处理，得到体态特征采样信息；
[0019]通过所述跨阶段局部层和所述空间金字塔池化层，对所述体态特征采样信息进行体态特征融合，得到体态特征融合信息；
[0020]通过所述回归层对所述体态特征融合信息进行人体关键点分类回归，得到人体关键点信息。
[0021]可选的，在本专利技术第一方面的第四种实现方式中，所述对所述人体关键点信息进行偏移量计算，得到体态偏移量，并根据所述体态偏移量确定体态类型信息，包括：
[0022]对所述人体关键点信息进行人体姿态分类，得到姿态类型信息，并判断所述姿态类型信息是否为预置姿态类型信息；
[0023]若所述姿态类型信息为预置姿态类型信息，则基于所述人体关键点信息计算关节偏移量和关节偏移方向，得到体态偏移量，并根据所述体态偏移量确定体态类型信息。
[0024]可选的，在本专利技术第一方面的第五种实现方式中，所述基于所述人体关键点信息计算关节偏移量和关节偏移方向，得到体态偏移量，并根据所述体态偏移量确定体态类型信息，包括：
[0025]通过所述人体关键点信息中多个关节点的位置信息，计算各关节点的关节角度；
[0026]计算各关节点的关节角度与对应关节点的标准角度之间的差值，得到体态偏移量，所述体态偏移量包括各关节点的关节偏移量和关节偏移方向；
[0027]根据各关节点的关节偏移量和关节偏移方向，确定体态类型信息。
[0028]可选的，在本专利技术第一方面的第六种实现方式中，所述根据各关节点的关节偏移量和关节偏移方向，确定体态类型信息，包括：
[0029]获取各关节对应的偏移阈值，并通过各关节点的关节偏移量和关节偏移方向确定至少一个目标关节点，目标关节点用于指示多个关节点中关节偏移量大于各关节对应的偏移阈值的关节点；
[0030]根据至少一个目标关节点和目标关节点对应的关节偏移方向，确定体态类型信息。
[0031]本专利技术第二方面提供了一种体态类型的识别装置，包括：
[0032]获取模块，用于获取待检测的初始人体图像，并对所述初始人体图像进行矩阵化处理，得到人体图像矩阵；
[0033]检测模块，用于通过预置的目标检测算法对所述人体图像矩阵进行人体目标检测，得到目标人体信息；
[0034]识别模块，用于通过预先训练的体态关键点识别模型对所述目标人体信息进行人体关键点识别，得到人体关键点信息；
[0035]计算模块，用于对所述人体关键点信息进行偏移量计算，得到体态偏移量，并根据
所述体态偏移量确定体态类型信息。
[0036]可选的，在本专利技术第二方面的第一种实现方式中，所述获取模块具体用于：
[0037]获取待检测的初始人体图像，并读取所述初始人体图像中所有像素点的像素值；
[0038]通过预置掩膜矩阵，对所述初始人体图像中所有像素点的像素值进行掩膜操作，得到人体图像矩阵。
[0039]可选的，在本专利技术第二方面的第二种实现方式中，所述检测模块具体用于：
[0040]通过预置的目标检测算法，对所述人体图像矩阵进行人体特征提取，得到人体特征信息，并对所述人体特征信息进行回归运算，得到至少一个目标物信息，每个目标物信息包括各目标物的类型信息；
[0041]通过所述目标物类型信息确定至少一个目标物信息中的人体目标物信息，得到目标人体信息，所述目标人体信息用于指示人体目标物的检测框信息。
[0042]可选的，在本专利技术第二方面的第三种实现方式中，所述预先训练的体态关键点识别模型包括多层深度卷积层、上采样层、跨阶段局部层、空间金字塔池化层和回归层，所述识别模块具体用于：
[0043]通过所述多层深度卷积层对所述目标人体信息进行体态特征提取，得到体态特征信息；
[0044]通过所述上采样层对所述体态特征信息进行分块并进行拼接处理，得到体态特征采样信息；
[0045]通过所述跨阶段局部层和所述空间金字塔池化层，对所述体态特征采样信息进行体态特征融合，得到体态特征融合信息；
[0046]通过所述回归层对所述体态特征融合信息进行人体关键点分类回归，得到人体关键点信息。
[0047]可选的，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种体态类型的识别方法，其特征在于，所述体态类型的识别方法包括：获取待检测的初始人体图像，并对所述初始人体图像进行矩阵化处理，得到人体图像矩阵；通过预置的目标检测算法对所述人体图像矩阵进行人体目标检测，得到目标人体信息；通过预先训练的体态关键点识别模型对所述目标人体信息进行人体关键点识别，得到人体关键点信息；对所述人体关键点信息进行偏移量计算，得到体态偏移量，并根据所述体态偏移量确定体态类型信息。2.根据权利要求1所述的体态类型的识别方法，其特征在于，所述获取待检测的初始人体图像，并对所述初始人体图像进行矩阵化处理，得到人体图像矩阵，包括：获取待检测的初始人体图像，并读取所述初始人体图像中所有像素点的像素值；通过预置掩膜矩阵，对所述初始人体图像中所有像素点的像素值进行掩膜操作，得到人体图像矩阵。3.根据权利要求1所述的体态类型的识别方法，其特征在于，所述通过预置的目标检测算法对所述人体图像矩阵进行人体目标检测，得到目标人体信息，包括：通过预置的目标检测算法，对所述人体图像矩阵进行人体特征提取，得到人体特征信息，并对所述人体特征信息进行回归运算，得到至少一个目标物信息，每个目标物信息包括各目标物的类型信息；通过所述目标物类型信息确定至少一个目标物信息中的人体目标物信息，得到目标人体信息，所述目标人体信息用于指示人体目标物的检测框信息。4.根据权利要求1所述的体态类型的识别方法，其特征在于，所述预先训练的体态关键点识别模型包括多层深度卷积层、上采样层、跨阶段局部层、空间金字塔池化层和回归层，所述通过预先训练的体态关键点识别模型对所述目标人体信息进行人体关键点识别，得到人体关键点信息，包括：通过所述多层深度卷积层对所述目标人体信息进行体态特征提取，得到体态特征信息；通过所述上采样层对所述体态特征信息进行分块并进行拼接处理，得到体态特征采样信息；通过所述跨阶段局部层和所述空间金字塔池化层，对所述体态特征采样信息进行体态特征融合，得到体态特征融合信息；通过所述回归层对所述体态特征融合信息进行人体关键点分类回归，得到人体关键点信息。5.根据权利要求1所述的体态类型的识别方法，其特征在于，所述对所述人体关键点信息进行偏移量计算，得到体态偏移量，并根据所述体态偏移量确定体态类型信息，包括：对所述人体关键点信息进行人体姿态分类，得到姿...
【专利技术属性】
技术研发人员：简毅，
申请(专利权)人：康键信息技术深圳有限公司，
类型：发明
国别省市：
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。