公开了一种图像识别的方法、装置、存储介质和电子设备，其中，方法包括：从待识别图像中确定出待识别对象的人脸图像、人体区域信息和人体骨骼的关键点信息；利用预先训练的第一预测模型，基于人脸图像，预测待识别对象的年龄，得到待识别对象的预测年龄；利用预先训练的第二预测模型，基于人体区域信息和人体骨骼的关键点信息预测待识别对象所处的年龄区间，得到待识别对象的预测年龄区间；基于预测年龄和预测年龄区间，确定待识别对象是否为儿童。克服了依赖单一特征信息进行识别的局限性，降低了人脸或身体被遮挡对图像识别带来的不利影响，有助于提高图像识别的泛化性、容错性以及儿童识别的准确度。识别的准确度。识别的准确度。
【技术实现步骤摘要】
图像识别的方法、装置、介质和设备
[0001]本公开涉及人工智能领域，尤其涉及一种图像识别的方法、装置、存储介质和电子设备。
技术介绍
[0002]目前，针对汽车座舱内儿童的关怀服务，例如儿童遗留提醒、儿童危险行为报警、安全座椅正确佩戴提示等，需要从座舱内设置的摄像头采集的图像中识别出儿童。
[0003]相关技术中，识别座舱内儿童的方法通常包括以下两种：第一种是基于图像中的人脸特征进行年龄估计，以预测对象是否为儿童；第二种是基于图像中的骨骼关键点，通过像素级运算估计骨骼长度，进而根据骨骼长度估计对象身高，然后通过对比对象身高与预设的身高阈值，预测对象的年龄。受限于座舱内摄像头的类型、安装位置以及座椅遮挡等诸多因素，这两种识别方法在实际应用中的表现不佳，例如当人脸被遮挡时，可能导致无法通过第一种方法进行识别；而当对象的身体部分被遮挡时，可能导致第二种方法的识别准确率较低。
技术实现思路
[0004]为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种图像识别的方法、装置、存储介质和电子设备。
[0005]根据本公开实施例的一个方面，提供了一种图像识别的方法，包括：从待识别图像中确定出待识别对象的人脸图像、人体区域信息和人体骨骼的关键点信息；利用预先训练的第一预测模型，基于人脸图像，预测待识别对象的年龄，得到待识别对象的预测年龄；利用预先训练的第二预测模型，基于人体区域信息和人体骨骼的关键点信息预测待识别对象所处的年龄区间，得到待识别对象的预测年龄区间；基于预测年龄和预测年龄区间，确定待识别对象是否为儿童。
[0006]根据本公开实施例的又一个方面，提供了一种图像识别的装置，包括：信息获取单元，被配置成从待识别图像中确定出待识别对象的人脸图像、人体区域信息和人体骨骼的关键点信息；第一预测单元，被配置成利用预先训练的第一预测模型，基于人脸图像，预测待识别对象的年龄，得到待识别对象的预测年龄；第二预测单元，被配置成利用预先训练的第二预测模型，基于人体区域信息和人体骨骼的关键点信息预测待识别对象所处的年龄区间，得到待识别对象的预测年龄区间；结果确定单元，被配置成基于预测年龄和预测年龄区间，确定待识别对象是否为儿童。
[0007]根据本公开实施例的再一方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于实现上述方法。
[0008]根据本公开实施例的又一方面，提供了一种电子设备，该电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述方法。
[0009]本公开的图像识别的方法，可以利用待识别图像中的人脸信息预测待识别对象的年龄，同时利用待识别图像中的人体区域信息和人体骨骼的关键点信息。预测待识别对象的年龄区域，并融合预测年龄和预测年龄区间，确定待识别对象是否为儿童。克服了依赖单一特征信息进行识别的局限性，降低了人脸或身体被遮挡对图像识别带来的不利影响，有助于提高图像识别的泛化性、容错性以及儿童识别的准确度。
[0010]下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
[0011]通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0012]图1是本公开的图像识别的方法所适用的场景示意图；
[0013]图2是本公开的图像识别的方法的一个实施例的流程示意图；
[0014]图3是本公开的图像识别的方法的一个实施例中确定人脸图像、人体区域信息和人体骨骼的关键点信息的流程示意图；
[0015]图4是本公开的图像识别的方法的一个实施例中预测年龄区间的流程示意图；
[0016]图5是本公开的图像识别的装置的一个实施例的结构示意图；
[0017]图6是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
[0018]下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。
[0019]应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
[0020]本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
[0021]还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
[0022]还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
[0023]另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0024]还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
[0025]同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际
的比例关系绘制的。
[0026]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
[0027]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
[0028]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0029]本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统、大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
[0030]终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像识别的方法，包括：从待识别图像中确定出待识别对象的人脸图像、人体区域信息和人体骨骼的关键点信息；利用预先训练的第一预测模型，基于所述人脸图像，预测所述待识别对象的年龄，得到所述待识别对象的预测年龄；利用预先训练的第二预测模型，基于所述人体区域信息和所述人体骨骼的关键点信息，预测所述待识别对象所处的年龄区间，得到所述待识别对象的预测年龄区间；基于所述预测年龄和所述预测年龄区间，确定所述待识别对象是否为儿童。2.根据权利要求1所述的方法，其中，所述从待识别图像中确定出待识别对象的人脸图像、人体区域信息和人体骨骼的关键点信息，包括：利用预先训练的多任务检测网络中的人脸分支网络对所述待识别图像进行人脸检测，得到人脸检测框；基于所述人脸检测框，从所述待识别图像中提取所述人脸图像；利用所述多任务检测网络中的人体分支网络，对所述待识别对象进行人体检测，得到人体检测框，并将所述人体检测框的坐标确定为所述人体区域信息；利用所述人体分支网络，基于所述人体检测框，预测所述待识别对象的人体骨骼关键点的坐标和置信度，得到所述人体骨骼的关键点信息。3.根据权利要求1所述的方法，其中，所述利用预先训练的第一预测模型，基于所述人脸图像，预测所述待识别对象的年龄，得到所述待识别对象的预测年龄，包括：利用所述第一预测模型对所述人脸图像进行预测，输出第一概率向量，所述第一概率向量包括第一预设数量的年龄数值的置信度；基于所述概率向量中大于预设概率阈值的置信度的数量，确定所述预测年龄。4.根据权利要求1所述的方法，其中，所述利用预先训练的第一预测模型，基于所述人脸图像，预测所述待识别对象的年龄，得到所述待识别对象的预测年龄之前，所述方法还包括对所述人脸图像进行如下预处理：将所述人脸图像调整至预设尺寸；对调整尺寸后的人脸图像中的像素值进行归一化处理。5.根据权利要求4所述的方法，其中，所述对调整尺寸后的人脸图像中的像素值进行归一化处理之后，所述预处理还包括：从所述人脸图像中识别出面部关键点，得到面部关键点的坐标信息；基于所述面部关键点的坐标信息，将所述人脸图像中的人脸姿态调整至预设姿态。6.根据权利要求2至5任一所述的方法，其中，所述利用预先训练的第二预测模型，基于所述人体区域信息和所述人体骨骼的关键点信息预测所述待识别对象所处的年龄区间，得到所述待识别对象的预测年龄区间，包括：基于所述人体区域信息，确定所述人体检测框的高度和面积；基于所述人体骨骼的关键点信息，确定所述待识别对...
【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：南京地平线集成电路有限公司，
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。