[发明专利]一种人物意图推理方法、装置、设备及存储介质

权利要求书

1.一种人物意图推理方法，其特征在于，包括：

对待推理图像进行目标检测得到相应的目标检测结果；

基于所述目标检测结果确定所述待推理图像中各人物的检测框，确定所述待推理图像中各检测框对应的图像部分分别为相应人物的待推理子图像，获取各所述待推理子图像中相应人物的关节点的关节特征及遮挡概率；

将任意待推理子图像作为当前子图像，将所述当前子图像的融合特征信息输入至遮挡关节点预测网络，得到所述遮挡关节点预测网络输出的所述当前子图像中各关节点的预测特征；其中，所述当前子图像的融合特征信息为将所述当前子图像的d维关节特征与所述当前子图像的1维遮挡概率直接拼接得到或将所述当前子图像的遮挡概率扩展成d维子概率，将该d维子概率分别与所述当前子图像的d维关节特征一一对应相加得到；所述遮挡关节点预测网络为基于已知预测特征的多项融合特征信息预训练得到的；

基于各所述待推理子图像中相应人物的关节点的关节特征及预测特征进行修正，得到各所述待推理子图像中相应人物的关节点的修正特征；

利用所述目标检测结果及各所述待推理子图像中相应人物的关节点的修正特征进行人物意图推理，得到相应的人物意图推理结果。

2.根据权利要求1所述的方法，其特征在于，所述获取各所述待推理子图像中相应人物的关节点的关节特征，包括：

利用卷积神经网络将所述当前子图像压缩为多维向量；其中，所述多维向量中包括将所述当前子图像的长和宽分别按照所述卷积神经网络的降采样倍数压缩所得的指定数据；

求取所述当前子图像的多维向量中指定数据的平均池化，得到所述当前子图像中各关节点的关节特征的向量。

3.根据权利要求1所述的方法，其特征在于，获取各所述待推理子图像中相应人物的关节点的遮挡概率，包括：

将所述当前子图像中各关节点的关节特征的向量输入至遮挡预测网络，得到所述遮挡预测网络输出的所述当前子图像中各关节点的遮挡概率；其中，所述遮挡预测网络为基于已知是否被遮挡的关节特征的向量预训练得到的。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于各所述待推理子图像中相应人物的关节点的关节特征及预测特征进行修正，得到各所述待推理子图像中相应人物的关节点的修正特征，包括：

如果所述当前子图像中任意关节点的遮挡概率不小于遮挡阈值，则确定该任意关节点的预测特征为相应的修正特征，否则，确定该任意关节点的关节特征为相应的修正特征。

5.一种人物意图推理装置，其特征在于，包括：

检测模块，用于：对待推理图像进行目标检测得到相应的目标检测结果；

获取模块，用于：基于所述目标检测结果确定所述待推理图像中各人物的检测框，确定所述待推理图像中各检测框对应的图像部分分别为相应人物的待推理子图像，获取各所述待推理子图像中相应人物的关节点的关节特征及遮挡概率；

修正模块，用于：将任意待推理子图像作为当前子图像，将所述当前子图像的融合特征信息输入至遮挡关节点预测网络，得到所述遮挡关节点预测网络输出的所述当前子图像中各关节点的预测特征；其中，所述当前子图像的融合特征信息为将所述当前子图像的d维关节特征与所述当前子图像的1维遮挡概率直接拼接得到或将所述当前子图像的遮挡概率扩展成d维子概率，将该d维子概率分别与所述当前子图像的d维关节特征一一对应相加得到；所述遮挡关节点预测网络为基于已知预测特征的多项融合特征信息预训练得到的；

基于各所述待推理子图像中相应人物的关节点的关节特征及预测特征进行修正，得到各所述待推理子图像中相应人物的关节点的修正特征；

推理模块，用于：利用所述目标检测结果及各所述待推理子图像中相应人物的关节点的修正特征进行人物意图推理，得到相应的人物意图推理结果。

6.一种人物意图推理设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述人物意图推理方法的步骤。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述人物意图推理方法的步骤。