图像处理方法、装置、存储介质及电子设备制造方法及图纸

本公开涉及一种图像处理方法、装置、存储介质及电子设备。该方法包括：获取包含目标人体的待处理图像；将待处理图像输入目标人体图像分割模型中，对目标人体进行部位分割，以得到部位分割后的目标图像；其中，该目标人体图像分割模型为根据目标样本数据集训练得到的，目标样本数据集包括多个目标样本图像，以及每个目标样本图像对应的目标部位标签，目标样本图像包括第一待定样本数据集中的第一样本图像，目标部位标签为根据第一待定样本数据集和第二待定样本数据集获取的；第一待定样本数据集包括第一样本图像及其对应的第一人体关键点标签；第二待定样本数据集包括第二样本图像及其对应的第二人体关键点标签和第二部位标签。签。签。

【技术实现步骤摘要】
图像处理方法、装置、存储介质及电子设备


[0001]本公开涉及人工智能领域，具体地，涉及一种图像处理方法、装置、存储介质及电子设备。

技术介绍

[0002]人体部位分割是在包含人体的图像中检索出更细粒度地语义标签，例如头部标签、四肢标签和躯干标签等。人体部位分割的应用范围广泛，例如，可以应用在行为理解、机器人操作、启示推理和识别人机交互等场景。
[0003]在相关技术中，可以通过神经网络模型实现人体部位分割，但是为了对神经网络模型进行训练，需要大量经过标注的训练样本数据，而对样本数据进行标注的成本极高，导致难以获取足够的样本数据对神经网络模型进行训练，样本量少会导致训练后的模型难以准确实现人体部位分割。

技术实现思路

[0004]本公开的目的是提供一种图像处理方法、装置、存储介质及电子设备，以部分地解决相关技术中存在的上述问题。
[0005]为了实现上述目的，本公开的第一方面提供了一种图像处理方法，所述方法包括：
[0006]获取包含目标人体的待处理图像；
[0007]将所述待处理图像输入目标人体图像分割模型中，对所述目标人体进行部位分割，以得到部位分割后的目标图像；
[0008]其中，所述目标人体图像分割模型为根据目标样本数据集训练得到的，所述目标样本数据集包括多个目标样本图像，以及每个所述目标样本图像对应的目标部位标签，所述目标样本图像包括第一待定样本数据集中的第一样本图像，所述目标部位标签为根据所述第一待定样本数据集和第二待定样本数据集获取的；所述第一待定样本数据集包括多个第一样本图像，以及每个所述第一样本图像对应的第一人体关键点标签；所述第二待定样本数据集包括多个第二样本图像，以及每个所述第二样本图像对应的第二人体关键点标签和第二部位标签。
[0009]可选地，所述目标人体图像分割模型是通过以下方式训练得到的：
[0010]获取所述第一待定样本数据集和所述第二待定样本数据集；
[0011]根据所述第二待定样本数据集获取所述第一样本图像对应的第一部位标签；
[0012]根据所述第一样本图像和所述第一部位标签，确定所述目标样本数据集；
[0013]根据所述目标样本数据集，对第一预设神经网络模型进行训练，得到所述目标人体图像分割模型。
[0014]可选地，所述根据所述第二待定样本数据集获取所述第一样本图像对应的第一部位标签包括：
[0015]根据所述第一人体关键点标签，获取所述第一待定样本数据集中每个所述第一样
本图像对应的第一人体姿态；
[0016]根据所述第二人体关键点标签，获取所述第二待定样本数据集中每个所述第二样本图像对应的第二人体姿态；
[0017]根据所述第一人体姿态和所述第二人体姿态，确定所述第一样本图像对应的第一部位标签。
[0018]可选地，所述根据所述第一人体姿态和所述第二人体姿态，确定所述第一样本图像对应的第一部位标签包括：
[0019]根据标签获取步骤，获取所述第一样本图像对应的第一候选部位标签；
[0020]根据所述第一候选部位标签，确定所述第一样本图像对应的第一部位标签；
[0021]其中，所述标签获取步骤包括：
[0022]根据待定样本图像对应的待定人体姿态，从所述第二待定样本数据集中确定所述待定样本图像对应的一个或多个目标姿态样本图像；所述目标姿态样本图像对应的第二人体姿态与待定人体姿态的相似度大于或等于预设姿态相似度阈值；
[0023]根据所述目标姿态样本图像对应的第二部位标签，获取所述待定样本图像对应的待定部位标签；所述待定样本图像包括所述第一样本图像，所述待定部位标签包括所述第一样本图像对应的第一候选部位标签。
[0024]可选地，所述根据所述目标姿态样本图像对应的第二部位标签，获取所述待定样本图像对应的待定部位标签包括：
[0025]将一个或多个所述目标姿态样本图像的第二部位标签的平均值，作为所述待定样本图像对应的待定部位标签。
[0026]可选地，所述根据所述第一候选部位标签，确定所述第一样本图像对应的第一部位标签包括：
[0027]将所述第一样本图像、所述第一人体关键点标签和所述第一候选部位标签，输入预先训练的标签校准模型，得到所述第一样本图像对应的第一部位标签；其中，所述标签校准模型是根据第二待定样本数据集进行训练得到的。
[0028]可选地，所述待定样本数据包括所述第二样本数据，所述待定部位标签包括所述第二样本数据对应的第二候选部位标签；所述标签校准模型是通过以下方式训练得到的：
[0029]根据所述标签获取步骤，获取所述第二待定样本数据集中每个第二样本数据对应的第二候选部位标签；
[0030]根据所述第二候选部位标签和所述第二待定样本数据集，对第二预设神经网络模型进行训练，得到所述标签校准模型。
[0031]第二方面，本公开提供了一种图像处理装置，所述装置包括：
[0032]图像获取模块，用于获取包含目标人体的待处理图像；
[0033]图像处理模块，用于将所述待处理图像输入目标人体图像分割模型中，对所述目标人体进行部位分割，以得到部位分割后的目标图像；
[0034]其中，所述目标人体图像分割模型为根据目标样本数据集训练得到的，所述目标样本数据集包括多个目标样本图像，以及每个所述目标样本图像对应的目标部位标签，所述目标样本图像包括第一待定样本数据集中的第一样本图像，所述目标部位标签为根据所述第一待定样本数据集和第二待定样本数据集获取的；所述第一待定样本数据集包括多个
第一样本图像，以及每个所述第一样本图像对应的第一人体关键点标签；所述第二待定样本数据集包括多个第二样本图像，以及每个所述第二样本图像对应的第二人体关键点标签和第二部位标签。
[0035]可选地，所述装置还包括第一模型训练模块；
[0036]所述第一模型训练模块，用于获取所述第一待定样本数据集和所述第二待定样本数据集；根据所述第二待定样本数据集获取所述第一样本图像对应的第一部位标签；根据所述第一样本图像和所述第一部位标签，确定所述目标样本数据集；根据所述目标样本数据集，对第一预设神经网络模型进行训练，得到所述目标人体图像分割模型。
[0037]可选地，所述第一模型训练模块，用于根据所述第一人体关键点标签，获取所述第一待定样本数据集中每个所述第一样本图像对应的第一人体姿态；根据所述第二人体关键点标签，获取所述第二待定样本数据集中每个所述第二样本图像对应的第二人体姿态；根据所述第一人体姿态和所述第二人体姿态，确定所述第一样本图像对应的第一部位标签。
[0038]可选地，所述第一模型训练模块，用于根据标签获取步骤，获取所述第一样本图像对应的第一候选部位标签；根据所述第一候选部位标签，确定所述第一样本图像对应的第一部位标签；
[0039]其中，所述标签获取步骤包括：
[0040]根据待定样本图像对应的待定人体姿态，从所述第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取包含目标人体的待处理图像；将所述待处理图像输入目标人体图像分割模型中，对所述目标人体进行部位分割，以得到部位分割后的目标图像；其中，所述目标人体图像分割模型为根据目标样本数据集训练得到的，所述目标样本数据集包括多个目标样本图像，以及每个所述目标样本图像对应的目标部位标签，所述目标样本图像包括第一待定样本数据集中的第一样本图像，所述目标部位标签为根据所述第一待定样本数据集和第二待定样本数据集获取的；所述第一待定样本数据集包括多个第一样本图像，以及每个所述第一样本图像对应的第一人体关键点标签；所述第二待定样本数据集包括多个第二样本图像，以及每个所述第二样本图像对应的第二人体关键点标签和第二部位标签。2.根据权利要求1所述的方法，其特征在于，所述目标人体图像分割模型是通过以下方式训练得到的：获取所述第一待定样本数据集和所述第二待定样本数据集；根据所述第二待定样本数据集获取所述第一样本图像对应的第一部位标签；根据所述第一样本图像和所述第一部位标签，确定所述目标样本数据集；根据所述目标样本数据集，对第一预设神经网络模型进行训练，得到所述目标人体图像分割模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述第二待定样本数据集获取所述第一样本图像对应的第一部位标签包括：根据所述第一人体关键点标签，获取所述第一待定样本数据集中每个所述第一样本图像对应的第一人体姿态；根据所述第二人体关键点标签，获取所述第二待定样本数据集中每个所述第二样本图像对应的第二人体姿态；根据所述第一人体姿态和所述第二人体姿态，确定所述第一样本图像对应的第一部位标签。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一人体姿态和所述第二人体姿态，确定所述第一样本图像对应的第一部位标签包括：根据标签获取步骤，获取所述第一样本图像对应的第一候选部位标签；根据所述第一候选部位标签，确定所述第一样本图像对应的第一部位标签；其中，所述标签获取步骤包括：根据待定样本图像对应的待定人体姿态，从所述第二待定样本数据集中确定所述待定样本图像对应的一个或多个目标姿态样本图像；所述目标姿态样本图像对应的第二人体姿态与待定人体姿态的相似度大于或等于预设姿态相似度阈值；根据所述目标姿态样本图像对应的第二部位标签，获取所述待定样本图像对应的待定部位标签；所述待定样本图像包括所...

【专利技术属性】
技术研发人员：阚海鹏，陈奕名，霍卫涛，王超，程章焱，沐天宇，张清宇，马丁，
申请(专利权)人：北京育达东方软件科技有限公司，
类型：发明
国别省市：