一种图像识别方法、装置、存储介质及设备制造方法及图纸

本申请公开了一种图像识别方法、装置、存储介质及设备，该方法包括：首先获取包含目标用户的目标图像；然后预测目标图像中目标用户的遮挡区域；并确定该区域中目标用户的局部特征；接着预测目标图像中目标用户的局部表观特征，并将其与遮挡区域中目标用户的局部特征进行时序聚合处理，得到目标用户的聚合后的表观特征，再提取目标图像中目标用户对应的姿态帧的底层特征，并对其进行时序聚合处理，得到目标用户的步态特征；进而将聚合后的表观特征和步态特征进行融合处理，并根据处理结果对目标图像中目标用户进行识别。由于本申请充分考虑了人体局部被遮挡的问题，并在时序上对特征进行聚合，从而能够更为准确的提取出图像中人体的特征数据。的特征数据。的特征数据。

【技术实现步骤摘要】
一种图像识别方法、装置、存储介质及设备


[0001]本申请涉及图像处理
，尤其涉及一种图像识别方法、装置、存储介质及设备。

技术介绍

[0002]人体特征提取是计算机视觉中一个比较重要的任务，在得到人体特征数据后，可以根据人体特征数据，对人体所在图像进行进一步检索和处理，以得到更为准确的人体图像识别结果。目前，人体特征提取任务已得到了较快的发展。
[0003]在复杂的开放场景下，如在城市交通车水马龙的场景下，行人特征的提取易受遮挡和姿态变化影响严重，借助行人的姿态信息提取鲁棒的人体特征虽然可以部分减轻前述问题。但现有的一些利用姿态估计来划分行人图片或者特征图，以得到行人的局部表观特征的方法，以及一些简单地聚合姿态序列来输出行人步态特征的方法，均忽略了图像中行人局部被遮挡的问题，也并未能充分利用姿态序列间的时序关系，导致提取出的人体的表观特征和步态特征的鲁棒性均较低，进而导致人体特征的提取效果较差。

技术实现思路

[0004]本申请实施例的主要目的在于提供一种图像识别方法、装置、存储介质及设备，能够更为准确的提取出图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：获取待识别的目标图像；所述目标图像中包含目标用户的图像；预测所述目标图像中目标用户的遮挡区域；并确定所述遮挡区域中所述目标用户的局部特征；预测所述目标图像中目标用户的局部表观特征；并利用所述遮挡区域中所述目标用户的局部特征对所述目标用户的局部表观特征进行时序聚合处理，得到所述目标用户对应的聚合后的表观特征；提取所述目标图像中目标用户对应的姿态帧的底层特征，并对所述姿态帧的底层特征进行时序聚合处理，得到所述目标用户对应的步态特征；将所述聚合后的表观特征和所述步态特征进行融合处理，并根据处理结果，对所述目标图像中目标用户进行识别处理，得到识别结果。2.根据权利要求1所述的方法，其特征在于，所述预测所述目标图像中目标用户的遮挡区域；并确定所述遮挡区域中所述目标用户的局部特征，包括：利用预设的姿态估计算法，估计出所述目标图像中目标用户的关键点信息；对所述目标用户的关键点信息进行编码处理，得到所述目标用户对应的遮挡区域的伪标签信息；将所述目标用户对应的遮挡区域的伪标签信息输入预先构建的局部遮挡预测模型，预测得到所述遮挡区域中所述目标用户的局部特征。3.根据权利要求2所述的方法，其特征在于，所述预设的姿态估计算法为姿态估计开源算法OpenPose。4.根据权利要求2所述的方法，其特征在于，所述局部遮挡预测模型是利用自监督学习的方式训练得到的。5.根据权利要求2所述的方法，其特征在于，所述预测所述目标图像中目标用户的局部表观特征，包括：利用卷积神经网络提取所述目标图像中所述目标用户的全局特征；根据所述目标用户对应的遮挡区域的伪标签信息，确定所述目标用户对应的N个预设局部区域的权重；所述N为大于0的正整数；利用所述N个预设局部区域的权重对所述全局特征进行分割，得到所述目标用户的局部表观特征。6.根据权利要求5所述的方法，其特征在于，所述利用所述遮挡区域中所述目标用户的局部特征对所述目标用户的局部表观特征进行时序聚合处理，得到所述目标用户对应的聚合后的表观特征，包括：根据所述遮挡区域中所述...

【专利技术属性】
技术研发人员：金恺元，程磊，
申请(专利权)人：科大讯飞股份有限公司，
类型：发明
国别省市：