[发明专利]一种手部分割方法、装置、存储介质和设备

说明书

本申请公开了一种手部分割方法、装置、存储介质和设备，获取用户输入的图像，将图像输入至分割网络中，得到分割网络的输出结果。判断第一数值和第二数值是否均大于预设阈值。若第一数值和第二数值均大于预设阈值，则将左手的掩膜、以及右手的掩膜发送给用户，否则，重复执行预设步骤，对输出结果进行迭代处理，直至迭代处理后的输出结果所指示的第一数值和第二数值均大于预设阈值，并向用户发送迭代处理后的输出结果所包含的左手的掩膜和右手的掩膜。相较于现有技术，本申请所述方法所花费的计算时间明显得到有效减少，提升了手部分割的效率。此外，基于分割网络的网络结构可知，分割网络对硬件资源要求不高，能够广泛适用于绝大多数个体和团队。

技术领域

本申请涉及图像处理领域，尤其涉及一种手部分割方法、装置、存储介质和设备。

背景技术

如何对图像中的手部(包括左手和右手)进行准确分割，为当前市面上研究手势识别的团队和企业所重点关注的问题。目前，通常利用深度学习网络实现手部分割，然而，在保证分割结果准确的情况下，现有的深度学习网络通常需花费较长时间进行计算，令手部分割的效率显得较为低下，且对硬件资源具有较高的要求，难以适用于大多数个体和团队，适用范围过于狭隘，不利于手势识别工作的研究发展。

发明内容

本申请提供了一种手部分割方法、装置、存储介质和设备，用于在确保手部分割结果准确的情况下，提高手部分割的效率。

为了实现上述目的，本申请提供了以下技术方案：

一种手部分割方法，包括：

获取用户输入的图像；

将所述图像输入至预先构建的分割网络中，得到所述分割网络的输出结果；所述输出结果包括左手的掩膜、右手的掩膜、第一数值、以及第二数值；所述第一数值指示所述左手识别成功的概率，所述第二数值指示所述右手识别成功的概率；

判断所述第一数值和所述第二数值是否均大于预设阈值；

在所述第一数值和所述第二数值均大于所述预设阈值的情况下，将所述左手的掩膜、以及所述右手的掩膜发送给所述用户；

在所述第一数值和所述第二数值均不大于所述预设阈值的情况下，重复执行预设步骤，对所述输出结果进行迭代处理，直至迭代处理后的所述输出结果所指示的第一数值和第二数值均大于所述预设阈值，并向所述用户发送迭代处理后的所述输出结果所包含的左手的掩膜、以及右手的掩膜；其中，所述预设步骤包括：基于所述输出结果，生成新的图像，并将所述新的图像输入至所述分割网络中，得到所述新的输出结果。

可选的，所述分割网络包括：

降采样结构，用于对所述图像进行下采样，得到下采样后的图像；

特征识别结构，用于从所述下采样后的图像中识别得到特征图像；所述特征图像包括左手特征图像和右手特征图像；

升采样结构，用于对所述左手特征图像进行上采样，得到所述左手的掩膜、以及所述左手识别成功的概率；对所述右手特征图像进行上采样，得到所述右手的掩膜、以及所述右手识别成功的概率。

可选的，所述降采样结构包括：

标准卷积层、归一化层、激活层、以及下采样层。

可选的，所述特征识别结构包括：

深度卷积层、归一化层、激活层、以及三维点云操作层。

可选的，所述升采样结构包括：

标准卷积层、归一化层、激活层、以及转置卷积层。

可选的，所述分割网络还包括：

跳跃链接结构，用于辅助所述升采样结构对所述特征图像进行上采样。