人形图像抓拍方法、装置、设备及存储介质制造方法及图纸

本申请涉及图像处理领域，提出了一种人形图像抓拍方法、装置、设备及存储介质，所述方法包括：对待抓拍图像进行特征分割，获得所述待抓拍图像中的人形区域；计算所述人形区域的清晰度得分，以及计算所述人形区域中的各个身体部位的部位得分；基于所述人形区域中的各个身体部位的部位得分确定所述待抓拍图像的姿态得分；根据所述清晰度得分和所述姿态得分，确定所述待抓拍图像的人形评分；根据所述人形评分确定目标抓拍图像。基于分割的身体部位确定清晰度得分和姿态得分，可以有效的提高人形评分的准确度，从而有利于选择质量更高的图像作为抓拍的人形图像，为人形识别提供便利。为人形识别提供便利。为人形识别提供便利。

【技术实现步骤摘要】
人形图像抓拍方法、装置、设备及存储介质


[0001]本申请涉及图像处理领域，尤其涉及一种人形图像抓拍方法、装置、设备及存储介质。

技术介绍

[0002]在智能监控等领域，为了高效的采集到准确的监控信息，通常会对监控图像进行人形评分，基于人形评分的结果，选择人形评分更高的图像作为抓拍的图像，从而有利于根据抓拍的图像完成行人再识别(英文简称为ReID，英文全称为Person Re
‑
identification)任务。
[0003]常见的人形评分的指标包括人形清晰度，人形姿态和人形光照等。基于图像的各个指标分别计算得到相应的评分后，可得到人形评分的结果。但是，在摄像头拍摄到包括人形的图像时，可能人像处于运动状态，所拍摄的图像的人形可能较为模糊，而背景较为清晰。受背景图像的影响，导致计算出的人形评分的结果不准确。并且在计算姿态评分时，姿态评分模型通常为分类模型，对于运动模糊的人形、不完整的人形的评分的准确度不高，因此不利于选择质量更好的人形图片。

技术实现思路

[0004]有鉴于此，本申请实施例提供了一种人形图像抓拍方法、装置、设备及存储介质，以解决现有技术中由于计算出的人形评分的结果不准确，不利于选择质量更好的人形图片的问题。
[0005]本申请实施例的第一方面提供了一种人形图像抓拍方法，所述方法包括：
[0006]对待抓拍图像进行特征分割，获得所述待抓拍图像中的人形区域；
[0007]计算所述人形区域的清晰度得分，以及计算所述人形区域中的各个身体部位的部位得分；
[0008]基于所述人形区域中的各个身体部位的部位得分确定所述待抓拍图像的姿态得分；
[0009]根据所述清晰度得分和所述姿态得分，确定所述待抓拍图像的人形评分；
[0010]根据所述人形评分确定目标抓拍图像。
[0011]结合第一方面，在第一方面的第一种可能实现方式中，获得所述待抓拍图像中的人形区域，包括：
[0012]通过细节分支网络提取所述待抓拍图像的细节特征，通过语义分支网络提取所述待抓拍图像的语义特征；
[0013]通过聚合层聚合所述细节特征和所述语义特征，确定所述待抓拍图像中的人形区域的分割结果。
[0014]结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，通过聚合层聚合所述细节特征和所述语义特征，包括：
[0015]将所述细节分支网络提取的细节特征的特征图像进行下采样后，直接与语义分支网络提取的语义特征的特征图像进行聚合；
[0016]或者，将所述细节分支网络提取的细节特征的特征图像，与经过上采样后的由语义分支网络提取的语义特征的特征图像直接进行聚合；
[0017]或者，将所述细节分支网络提取的细节特征的特征图像进行下采样，与经过上采样后的语义分支网络提取的语义特征的特征图像直接进行聚合。
[0018]结合第一方面，在第一方面的第三种可能实现方式中，计算所述人形区域中的各个部位的得分，包括：
[0019]确定所述人形区域对应的分布矩阵；
[0020]确定所述人形区域对应的概率分布热力图，根据所述概率分布热力图确定所述身体部位对应的概率矩阵；
[0021]根据所述分布矩阵和所述概率矩阵进行积分处理，确定所述人形区域中的各个身体部位的部位得分。
[0022]结合第一方面的第三种可能实现方式，根据所述分布矩阵和所述概率矩阵进行积分处理，确定所述人形区域的各个身体部位的部位得分，包括：
[0023]根据所述分布矩阵和所述概率矩阵进行积分处理，确定所述人形区域的各个身体部位的相似度得分；
[0024]根据身体部位的基础得分和所述相似度得分，确定所述身体部位的部位得分。
[0025]结合第一方面，在第一方面的第五种可能实现方式中，基于所述人形区域中的各个身体部位的部位得分确定所述待抓拍图像的姿态得分，包括：
[0026]确定所述身体部位对应的权重；
[0027]根据所述人形区域中的各个身体部位的部位得分，结合所述身体部位对应的权重，确定所述待抓拍图像的姿态得分。
[0028]结合第一方面、第一方面的第一种可能实现方式、第一方面的第二种可能实现方式、第一方面的第三种可能实现方式、第一方面的第四种可能实现方式或第一方面的第五种可能实现方式，在第一方面的第六种可能实现方式中，根据所述人形评分确定目标抓拍图像，包括：
[0029]将所述人形评分与预先设定的评分阈值进行比较，将所述人形评分大于所述评分阈值的抓拍图像设定为目标抓拍图像；
[0030]或者，将人形评分最高的抓拍图像设定为目标抓拍图像。
[0031]本申请实施例的第二方面提供了一种人形图像抓拍装置，所述装置包括：
[0032]分割单元，用于对待抓拍图像进行特征分割，获得所述待抓拍图像中的人形区域；
[0033]第一得分计算单元，用于计算所述人形区域的清晰度得分，以及计算所述人形区域中的各个身体部位的部位得分；
[0034]第二得分计算单元，用于基于所述人形区域中的各个身体部位的部位得分确定所述待抓拍图像的姿态得分；
[0035]人形评分确定单元，用于根据所述清晰度得分和所述姿态得分，确定所述待抓拍图像的人形评分；
[0036]图像选择单元，用于根据所述人形评分确定目标抓拍图像。
[0037]本申请实施例的第三方面提供了人形图像抓拍设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述方法的步骤。
[0038]本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述方法的步骤。
[0039]本申请实施例与现有技术相比存在的有益效果是：本申请通过对待抓拍图像进行特征分割，得到待抓拍图像中的人形区域，基于分割后的人形区域计算清晰度得分，从而能够更好的保障所选择的图像的人像的清晰度；并且基于人形区域的各个身体部位得分确定姿态得分，从而使得模糊的人形或不完整的人形可以得到更为准确的姿态得分，基于清晰度得分和姿态得分得到更为准确的人形评分，从而有利于准确的选择质量最高的图像作为目标抓拍图像，为人形图像识别提供便利。
附图说明
[0040]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0041]图1是本申请实施例提供的一种人形图像抓拍方法的实现流程示意图；
[0042]图2是本申请实施例提供的方法的一种获取人形区域的网络结构示意图；
[0043]图3是本申请实施例提供的一种身体各个部位的概率分布热力图；...

【技术保护点】

【技术特征摘要】
1.一种人形图像抓拍方法，其特征在于，所述方法包括：对待抓拍图像进行特征分割，获得所述待抓拍图像中的人形区域；计算所述人形区域的清晰度得分，以及计算所述人形区域中的各个身体部位的部位得分；基于所述人形区域中的各个身体部位的部位得分确定所述待抓拍图像的姿态得分；根据所述清晰度得分和所述姿态得分，确定所述待抓拍图像的人形评分；根据所述人形评分确定目标抓拍图像。2.根据权利要求1所述的方法，其特征在于，获得所述待抓拍图像中的人形区域，包括：通过细节分支网络提取所述待抓拍图像的细节特征，通过语义分支网络提取所述待抓拍图像的语义特征；通过聚合层聚合所述细节特征和所述语义特征，确定所述待抓拍图像中的人形区域的分割结果。3.根据权利要求2所述的方法，其特征在于，通过聚合层聚合所述细节特征和所述语义特征，包括：将所述细节分支网络提取的细节特征的特征图像进行下采样后，直接与语义分支网络提取的语义特征的特征图像进行聚合；或者，将所述细节分支网络提取的细节特征的特征图像，与经过上采样后的由语义分支网络提取的语义特征的特征图像直接进行聚合；或者，将所述细节分支网络提取的细节特征的特征图像进行下采样，与经过上采样后的语义分支网络提取的语义特征的特征图像直接进行聚合。4.根据权利要求1所述的方法，其特征在于，计算所述人形区域中的各个部位的得分，包括：确定所述人形区域对应的分布矩阵；确定所述人形区域对应的概率分布热力图，根据所述概率分布热力图确定所述身体部位对应的概率矩阵；根据所述分布矩阵和所述概率矩阵进行积分处理，确定所述人形区域中的各个身体部位的部位得分。5.根据权利要求4所述的方法，其特征在于，根据所述分布矩阵和所述概率矩阵进行积分处理，确定所述人形区域的各个身体部位的部位得分，包括：根据所述...

【专利技术属性】
技术研发人员：张洪光，
申请(专利权)人：杭州联吉技术有限公司，
类型：发明
国别省市：