一种基于图像的特征提取方法及设备技术

本发明专利技术公开一种基于图像的特征提取方法及设备，根据输入的图像构建初始骨架边缘特征以及骨架位置后，通过图像卷积操作结合骨架位置构建骨架关节点特征，并通过骨架关节点特征以及上一层骨架边缘特征更新下一层的骨架边缘特征，再使用更新的骨架边缘特征的注意力图对骨架关节点特征进行重塑，从而通过多层次的骨架边缘特征更新以及骨架关节点特征重塑，实现不断地使用提取好的图像特征，能够注意到更多在图像中人体结构的细节，从而通过提取出的骨架关节点特征、骨架边缘特征以及图像特征实现对输入图像的人体行为进行有效识别，提高人体行为识别的准确率。体行为识别的准确率。体行为识别的准确率。

【技术实现步骤摘要】
一种基于图像的特征提取方法及设备


[0001]本专利技术涉及图像识别
，特别是涉及一种基于图像的特征提取方法及设备。

技术介绍

[0002]图像识别技术是人工智能的一个重要组成部分。通过图像识别技术结合人工智能算法能够对图像中人像进行识别，并获取图像中人体的姿态，实现对人体行为的识别。
[0003]目前，现有技术采用提取骨架点的方式进行预测人体的行为模式。通过提取骨架点后，直接使用骨架点进行预测人体的行为模式。该方法使用与人体行为更加接近的骨架点，从而能够从图像中获取更接近人体行为的本质特征。但该方法高度依赖对于骨架预测的精准程度，一旦图像基于对骨架点的预测产生了失误，将使得基于图像对人体行为的识别更加无法预测。
[0004]或采用卷积的方式直接生成图形特征，并直接利用图像特征生成预测结果。但是基于卷积直接生成的特征无法控制，即对于图像特征的学习可能本身是来自图像中的背景而非人物本身的行为模式。这种方案将会更加重视拟合已有的场景，而忽视本身的行为模式。因此，目前的图像识别方法无法有效、稳定地识别人体行为。

技术实现思路

[0005]本专利技术所要解决的技术问题是：如何基于图像提高人体行为识别的准确率。
[0006]为了解决上述技术问题，本专利技术采用的技术方案为：一种基于图像的特征提取方法，包括步骤：获取输入图像，基于所述输入图像构建骨架位置和骨架边缘特征；判断所述骨架边缘特征是否达到预设更新次数，若否，则对所述图像进行卷积得到特征图以及图像特征；根据所述骨架位置以及所述特征图构建骨架关节点特征；根据所述骨架关节点特征以及所述骨架边缘特征更新所述骨架边缘特征；根据更新的所述骨架边缘特征的注意力图对所述骨架关节点特征进行重塑，更新的所述骨架关节点特征，直至达到预设更新次数；若是，则根据更新的所述骨架关节点特征、更新的所述骨架边缘特征以及图像特征对所述输入图像进行识别，并输出识别结果。
[0007]一种基于融合骨架边缘特征的人体行为识别设备，包括存储器、处理器及存储在存储器上并可在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上述的一种基于图像的特征提取方法中的各个步骤。
[0008]本专利技术的有益效果在于：根据输入的图像构建初始骨架边缘特征以及骨架位置后，通过图像卷积操作结合骨架位置构建骨架关节点特征，并通过骨架关节点特征以及上一层骨架边缘特征更新下一层的骨架边缘特征，再使用更新的骨架边缘特征的注意力图对骨架关节点特征进行重塑，从而通过多层次的骨架边缘特征更新以及骨架关节点特征重
塑，实现不断地使用提取好的图像特征，能够注意到更多在图像中人体结构的细节，从而通过提取出的骨架关节点特征、骨架边缘特征以及图像特征实现对输入图像的人体行为进行有效识别，提高人体行为识别的准确率。
附图说明
[0009]图1为本专利技术实施例中的一种基于图像的特征提取方法的步骤流程图；图2为本专利技术实施例中的一种基于图像的特征提取方法的另一步骤流程图；图3为本专利技术实施例中的一种基于图像的特征提取方法的算法步骤流程图；图4为本专利技术实施例中的一种基于图像的特征提取方法中的边缘注意力模块原理示意图；图5为本专利技术实施例中的一种基于图像的特征提取设备的结构示意图。
具体实施方式
[0010]为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。
[0011]请参照图1，一种基于图像的特征提取方法，包括步骤：获取输入图像，基于所述输入图像构建骨架位置和骨架边缘特征；对所述输入图像进行卷积得到特征图以及图像特征；根据所述骨架位置以及所述特征图构建骨架关节点特征；根据所述骨架关节点特征更新所述骨架边缘特征；根据更新的所述骨架边缘特征的注意力图更新所述骨架关节点特征，直至所述骨架边缘特征以及骨架关节点特征达到预设更新次数；输出所述图像特征以及完成更新的所述骨架关节点特征和所述骨架边缘特征。
[0012]由上述描述可知，本专利技术的有益效果在于：根据输入的图像构建初始骨架边缘特征以及骨架位置后，通过图像卷积操作结合骨架位置构建骨架关节点特征，并通过骨架关节点特征以及上一层骨架边缘特征更新下一层的骨架边缘特征，再使用更新的骨架边缘特征的注意力图对骨架关节点特征进行重塑，从而通过多层次的骨架边缘特征更新以及骨架关节点特征重塑，实现不断地使用提取好的图像特征，能够注意到更多在图像中人体结构的细节，从而通过提取出的骨架关节点特征、骨架边缘特征以及图像特征实现对输入图像的人体行为进行有效识别，提高人体行为识别的准确率。
[0013]进一步地，所述根据所述骨架位置以及所述特征图构建骨架关节点特征包括：根据所述骨架位置以及所述特征图得到所述骨架位置中的骨架点在所述特征图下的坐标位置；根据所述骨架点在所述特征图下的坐标位置确定关节点坐标以及关节点数目；获取预设的输出属性，根据所述预设的输出属性构建与所述关节点数目对应个数的骨架边缘特征图；从多个所述骨架边缘特征图中提取得到所述骨架关节点特征。
[0014]由上述描述可知，根据骨架点在特征图下的坐标位置，确定关节点坐标以及关节点数目，并构建与关节点数目对应个数的骨架边缘特征图，即构建一个小型特征图堆来提取特征，并根据骨架中关节点的数目形成与关节点数目相同数量的骨架特征图，从而能够
精确的提取出骨架关节点特征。
[0015]进一步地，所述从多个所述骨架边缘特征图中提取得到所述骨架关节点特征包括：根据所述预设的输出属性以及所述关节点坐标对所述骨架边缘特征图进行特征的重新选点，得到更新的所述关节点坐标；根据更新的所述关节点坐标构建得到所述骨架关节点特征。
[0016]由上述描述可知，根据预设的输出属性以及关节点坐标对骨架边缘特征图进行特征的重新选点，再根据更新的关节点坐标构建得到所述骨架关节点特征，从而获取到更精确的骨架关节点特征。
[0017]进一步地，所述预设的输出属性包括边界框信息和图像尺寸信息；所述图像尺寸信息包括预设尺寸值；所述边界框信息根据所述预设尺寸值以及关节点坐标生成。
[0018]由上述描述可知，通过预设尺寸值，能够根据提取需求得到对应大小的输出图像，并基于预设尺寸值以及关节点坐标得到对应精度大小的边界框信息，从而提高对特征提取的效果。
[0019]进一步地，所述根据所述骨架点在所述特征图下的坐标位置确定关节点坐标以及关节点数目包括：获取多组所述输出属性；根据多组所述输出属性输出不同所述预设尺寸值下的对应的所述边界框信息。
[0020]由上述描述可知，通过设置多组输出属性，从而能够得到不同尺寸特征图下的特征信息，为骨架卷积提供不同维度的特征。
[0021]进一步地，所述基于所述输入图像构建骨架位置和骨架边缘特征包括：通过骨架提取算法基于所述输入图像生成所述骨架位置；获取骨架位置中的骨架点在所述输入图像中的坐标位置；将所述坐标位置结合邻接矩阵得到所述骨架边缘特征。
[0022]由上述描述可知，通过坐标位置结合邻接矩阵建立关节点与关节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像的特征提取方法，其特征在于，包括步骤：获取输入图像，基于所述输入图像构建骨架位置和骨架边缘特征；对所述输入图像进行卷积得到特征图以及图像特征；根据所述骨架位置以及所述特征图构建骨架关节点特征；根据所述骨架关节点特征更新所述骨架边缘特征；根据更新的所述骨架边缘特征的注意力图更新所述骨架关节点特征，直至所述骨架边缘特征以及骨架关节点特征达到预设更新次数；输出所述图像特征以及完成更新的所述骨架关节点特征和所述骨架边缘特征。2.根据权利要求1所述的一种基于图像的特征提取方法，其特征在于，所述根据所述骨架位置以及所述特征图构建骨架关节点特征包括：根据所述骨架位置以及所述特征图得到所述骨架位置中的骨架点在所述特征图下的坐标位置；根据所述骨架点在所述特征图下的坐标位置确定关节点坐标以及关节点数目；获取预设的输出属性，根据所述预设的输出属性构建与所述关节点数目对应个数的骨架边缘特征图；从多个所述骨架边缘特征图中提取得到所述骨架关节点特征。3.根据权利要求2所述的一种基于图像的特征提取方法，其特征在于，所述从多个所述骨架边缘特征图中提取得到所述骨架关节点特征包括：根据所述预设的输出属性以及所述关节点坐标对所述骨架边缘特征图进行特征的重新选点，得到更新的所述关节点坐标；根据更新的所述关节点坐标构建得到所述骨架关节点特征。4.根据权利要求2所述的一种基于图像的特征提取方法，其特征在于，所述预设的输出属性包括边界框信息和图像尺寸信息；所述图像尺寸信息包括预设尺寸值；所述边界框信息根据所述预设尺寸值以及关节点坐标生成。5.根据权利要求4所述的一种基于图像的特征提取方法，其特征在于，所述根据所述骨架点在所述特征图下的坐标位...

【专利技术属性】
技术研发人员：张宇，吴庆耀，杨伟强，赵康铭，刘东剑，
申请(专利权)人：深圳金三立视频科技股份有限公司，
类型：发明
国别省市：