基于无锚的实例级人体部位检测方法、装置和存储介质

本发明涉及图像处理，尤其是一种基于无锚的实例级人体部位检测方法、计算机装置和存储介质。

背景技术：

1、从图像中检测出人脸、手部等人体部位，能够为后续的人脸识别和手势识别等提供支持，提高识别效率。

2、目前主流的人体部位检测算法大都采用基于锚框的二阶段检测算法，此类方法的原理是:提前设置锚框的尺寸、宽高比、检测区域,然后基于这些固定的锚框来遍历并匹配出得分最高的待检目标。虽然这类方法能够良好检索出待见目标。但是大量产生的冗余框会导致正负样本的不匹配，也会降低算法的处理效率。基于锚框的检测算法无法避超参数设置的复杂性，并且固定的锚框设计无法适应分辨率较小的物体，这不仅大大降低了算法的泛用性，而且缺乏在像素级别上对待见目标的理解。

技术实现思路

1、针对目前的人体部位检测技术存在的效率低和泛用性差等技术问题，本发明的目的在于提供一种基于无锚的实例级人体部位检测方法、计算机装置和存储介质。

2、一方面，本发明实施例包括一种基于无锚的实例级人体部位检测方法，包括：

3、获取待检测图片；

4、对待检测图片进行特征提取和融合，获得多个特征层；各特征层分别用于检测相应尺度大小的目标；

5、对各特征层进行无锚的人体目标检测，获得感兴趣区域；

6、对感兴趣区域进行人体部位目标检测，获得人体部位检测结果。

7、进一步地，获取待检测图片，包括：

8、对待检测图片执行尺寸固定、水平翻转和随机裁剪操作。

9、进一步地，对待检测图片进行特征提取和融合，获得多个特征层，包括：

10、使用特征金字塔对待检测图片进行特征提取，获得多个特征图；

11、对各特征图进行卷积，获得多个特征层中的一部分特征层；

12、对部分通过卷积所得的特征层进行下采样，获得多个特征层中的另一部分特征层。

13、进一步地，对各特征层进行无锚的人体目标检测，获得感兴趣区域，包括：

14、获取无锚结构的全卷积网络；

15、对全卷积网络设定各特征层各自对应的回归范围；

16、将各特征层输入至全卷积网络进行处理；

17、获取全卷积网络输出的感兴趣区域。

18、进一步地，各特征层各自对应的回归范围递增。

19、进一步地，全卷积网络以固定的尺寸输出感兴趣区域。

20、进一步地，对感兴趣区域进行人体部位目标检测，获得人体部位检测结果，包括：

21、执行感兴趣区域对齐操作；

22、将感兴趣区域对应的人体部位检测框映射到目标特征层上，获得人体部位检测结果。

23、进一步地，基于无锚的实例级人体部位检测方法还包括：

24、根据人体部位检测结果，确定待检测图片中存在的人体部位之间的相对位置关系；

25、根据相对位置关系，生成控制命令；

26、根据控制命令，对无人车进行pid控制。

27、另一方面，本发明实施例还包括一种计算机装置，包括存储器和处理器，存储器用于存储至少一个程序，处理器用于加载至少一个程序以执行实施例中的一种基于无锚的实例级人体部位检测方法。

28、另一方面，本发明实施例还包括一种存储介质，其中存储有处理器可执行的程序，处理器可执行的程序在由处理器执行时用于执行实施例中的一种基于无锚的实例级人体部位检测方法。

29、本发明的有益效果是：实施例中的基于无锚的实例级人体部位检测方法，考虑了人体与人体部位在空间存在的依赖关系以及生物特相似性，能够从待检测图片中检测到人体后，裁剪掉待检测图片中的无用的背景信息，然后在其基础上进一步关注人体部位，这不仅加大了人体部位与人体之间的从属性，而且也大大降低了无关背景对待检目标的影响；除此之外，实施例中的基于无锚的实例级人体部位检测方法在执行时，能够直接基于图像上的点生成候选框，不仅能够大大降低设计锚框的成本，也从像素级上解决了检测小目标的问题，例如对分辨率较小的物体的识别灵敏度更高。

技术特征：

1.一种基于无锚的实例级人体部位检测方法，其特征在于，基于无锚的实例级人体部位检测方法包括：

2.根据权利要求1的基于无锚的实例级人体部位检测方法，其特征在于，获取待检测图片，包括：

3.根据权利要求1的基于无锚的实例级人体部位检测方法，其特征在于，对待检测图片进行特征提取和融合，获得多个特征层，包括：

4.根据权利要求1的基于无锚的实例级人体部位检测方法，其特征在于，对各特征层进行无锚的人体目标检测，获得感兴趣区域，包括：

5.根据权利要求4的基于无锚的实例级人体部位检测方法，其特征在于，各特征层各自对应的回归范围递增。

6.根据权利要求4的基于无锚的实例级人体部位检测方法，其特征在于，全卷积网络以固定的尺寸输出感兴趣区域。

7.根据权利要求1的基于无锚的实例级人体部位检测方法，其特征在于，对感兴趣区域进行人体部位目标检测，获得人体部位检测结果，包括：

8.根据权利要求1-7任一项的基于无锚的实例级人体部位检测方法，其特征在于，基于无锚的实例级人体部位检测方法还包括：

9.一种计算机装置，其特征在于，包括存储器和处理器，存储器用于存储至少一个程序，处理器用于加载至少一个程序以执行权利要求1-8任一项的基于无锚的实例级人体部位检测方法。

10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，处理器可执行的程序在由处理器执行时用于执行权利要求1-8任一项的基于无锚的实例级人体部位检测方法。

技术总结
本发明公开了一种基于无锚的实例级人体部位检测方法、计算机装置和存储介质，包括对待检测图片进行特征提取和融合获得多个特征层，对各特征层进行无锚的人体目标检测获得感兴趣区域，对感兴趣区域进行人体部位目标检测获得人体部位检测结果等步骤。本发明能够从待检测图片中检测到人体后，裁剪掉待检测图片中的无用的背景信息，然后在其基础上进一步关注人体部位，加大了人体部位与人体之间的从属性，也降低了无关背景对待检目标的影响；除此之外，本发明能够直接基于图像上的点生成候选框，不仅能够大大降低设计锚框的成本，也从像素级上解决了检测小目标的问题，例如对分辨率较小的物体的识别灵敏度更高。本发明广泛应用于图像处理技术领域。

技术研发人员：高庆,张晔
受保护的技术使用者：中山大学·深圳
技术研发日：
技术公布日：2024/2/8