[发明专利]人体姿态分类方法、设备和存储介质

说明书

本发明公开了一种人体姿态分类方法、设备和存储介质，人体姿态分类方法包括：将待分类人体图像包含的多个人体划分为若干种人体，若干种人体包括次要人体；对待分类人体图像中对应次要人体的次要人体区域进行填充，得到填充图像；利用填充图像进行人体姿态分类，得到目标姿态分类结果。由于填充图像中的次要人体区域被填充，在对填充图像进行人体姿态分类时，可以避免次要人体图像干扰人体姿态分类，从而可以提高人体姿态分类的准确性。

技术领域

本发明涉及计算机视觉技术领域，特别是涉及一种人体姿态分类方法、设备和存储介质。

背景技术

人体姿态包括人体的动作或者行为，例如，站立、倒地、下蹲、坐地、坐椅子、趴桌子、扭头等。人体姿态分类指对人的动作或行为进行分类的过程，被广泛应用在健康检测、人机交互以及运动分析等场景中。

目前，通常通过对人体图像进行人体目标检测，并基于深度学习的方法实现人体姿态的分类。然而，当目标检测框中的图像包含多个人体时，在进行人体姿态分类时，多个人体之间会相互干扰，影响人体姿态分类的准确性。

发明内容

本发明主要解决的技术问题是提供一种人体姿态分类方法、设备和存储介质，能够提高人体姿态识别的准确性。

为解决上述技术问题，本申请采用的一个技术方案是：提供一种人体姿态分类方法，所述方法包括：将待分类人体图像包含的多个人体划分为若干种人体，所述若干种人体包括次要人体；对所述待分类人体图像中对应所述次要人体的次要人体区域进行填充，得到填充图像；利用所述填充图像进行人体姿态分类，得到目标姿态分类结果。

其中，所述对所述待分类人体图像中对应所述次要人体的次要人体区域进行填充，得到填充图像，包括：从所述待分类人体图像的人体实例分割结果中，获取所述次要人体的位置表征信息；利用所述次要人体的位置表征信息，在所述待分类人体图像中确定所述次要人体区域；按照预设像素值填充方式，对所述待分类人体图像中的所述次要人体区域进行像素值填充，得到所述填充图像。

其中，所述位置表征信息包括人体检测框位置信息和人体分割掩码中的至少一种，所述利用所述次要人体的位置表征信息，在所述待分类人体图像中确定所述次要人体区域，包括以下任意一个步骤：将所述待分类人体图像中的次要人体检测框区域作为所述次要人体区域，所述次要人体检测框区域为与所述次要人体的人体检测框位置信息对应的区域；将所述待分类人体图像中的次要人体分割掩码区域作为所述次要人体区域，所述次要人体分割掩码区域为与所述次要人体的人体分割掩码对应的区域；将所述待分类人体图像中的人体交集区域作为所述次要人体区域，所述人体交集区域为所述次要人体的次要人体检测框区域与次要人体分割掩码区域之间的交集区域。

其中，所述若干种人体包括主要人体，所述利用所述填充图像进行人体姿态分类，得到目标姿态分类结果，包括：从所述待分类人体图像的人体实例分割结果中，获取所述主要人体的位置表征信息；利用所述主要人体的位置表征信息，对所述填充图像中所述主要人体对应的主要人体区域进行去干扰，得到主要人体图像；对所述主要人体图像进行人体姿态分类，得到目标姿态分类结果。

其中，所述位置表征信息包括人体分割掩码，所述利用所述主要人体的位置表征信息，对所述填充图像中所述主要人体对应的主要人体区域进行去干扰，得到主要人体图像，包括：对所述填充图像和所述主要人体的人体分割掩码进行融合，得到所述主要人体图像；和/或，所述对所述主要人体图像进行人体姿态分类，得到目标姿态分类结果，包括：利用姿态分类网络对所述主要人体图像进行姿态分类，得到目标姿态分类结果。

其中，所述将待分类人体图像包含的多个人体划分为若干种人体，包括：基于所述待分类人体图像的人体关键点检测结果，将所述多个人体划分为所述若干种人体，所述人体关键点检测结果包括待划分人体的关键点信息，所述待划分人体为所述待分类人体图像中能够被检测到关键点的所述人体，所述待划分人体的关键点信息包括所述待划分人体的关键点数量和所述待划分人体的每个关键点的置信度中的至少一者。