[发明专利]对图像中的对象节点的识别方法、装置、终端及可读介质

权利要求书

1.一种对图像中的对象节点的识别方法，其特征在于，包括：

获取待识别的原始图像，所述原始图像包含目标图像对象；

对所述原始图像进行图像检测，在所述原始图像中确定目标图像区域，所述目标图像区域包括了所述目标图像对象；

根据所述目标图像区域对所述原始图像进行图像裁剪，得到包含所述目标图像对象的子图像；

调用预置的节点识别模型对所述子图像进行节点识别，得到所述目标图像对象的节点识别信息；其中所述目标图像对象为手掌，所述目标图像对象的节点为手掌的关节点，所述节点识别信息为关节点的位置和方向；

所述调用预置的节点识别模型对所述子图像进行节点识别，得到所述目标图像对象的节点识别信息，包括：

对所述子图像进行节点识别，得到P个通道的节点概率矩阵，每个通道的节点概率矩阵表示对应节点在所述原始图像中的位置概率分布状态，P的取值等于所述目标图像对象中的节点数量；

根据所述P个通道的节点概率矩阵得到所述目标图像对象的节点识别信息，所述节点识别信息包括所述目标图像对象上各个节点在所述原始图像上的图像位置信息。

2.如权利要求1所述的方法，其特征在于，所述对所述原始图像进行图像检测，在所述原始图像中确定目标图像区域，包括：

调用预置的第一区域检测模型对所述原始图像进行图像特征识别，得到区域概率矩阵，所述区域概率矩阵中的元素值A_uv表示所述原始图像中对应的像素点O_uv属于目标图像区域的概率，u表示行数，v表示列数；

采用预设阈值对所述区域概率矩阵进行二值化处理，得到特征元素值区域；

根据所述特征元素值区域在所述区域概率矩阵中的位置确定目标图像区域。

3.如权利要求2所述的方法，其特征在于，预置的第一区域检测模型对所述原始图像进行图像特征识别，得到区域概率矩阵，包括：

对所述原始图像进行卷积计算，得到第一图像特征；

根据所述第一图像特征进行基于下采样处理策略的第一处理，得到第二图像特征，其中，进行第一处理后得到的第二图像特征的分辨率低于所述第一图像特征的分辨率；

根据所述第二图像特征进行基于上采样和融合处理策略的第二处理，得到目标图像特征，其中，进行第二处理后得到的目标图像特征的分辨率与所述原始图像的分辨率相同；对所述目标图像特征进行反卷积计算，得到区域概率矩阵。

4.如权利要求3所述的方法，其特征在于，

所述基于下采样处理策略的第一处理包括N次下采样处理和M组卷积计算处理，下采样处理包括对所述第一图像特征进行下采样和对每一组卷积计算处理后得到的下采样图像特征进行下采样的处理；其中，N和M均为正整数；

所述基于上采样和融合处理策略的第二处理包括N次上采样处理、N次特征融合处理以及M组反卷积计算处理，上采样处理包括对所述第二图像特征进行上采样和对每一组反卷积计算处理后得到的图像特征进行上采样的处理，特征融合处理包括将每次上采样处理后得到的图像特征与对应的分辨率相同的下采样图像特征进行特征融合的处理。

5.如权利要求1所述的方法，其特征在于，所述对所述原始图像进行图像检测，在所述原始图像中确定目标图像区域，包括：

调用预置的第二区域检测模型对所述原始图像进行处理，得到四元组数据，其中，所述第二区域检测模型对所述原始图像进行图像特征提取处理，根据提取的图像特征得到四元组数据；

根据所述四元组数据确定目标图像区域。