本發明實施例涉及人工智能,尤其涉及一種骨架圖生成方法、裝置及相關設備。
背景技術:
1、隨著人工智能技術的不斷發展,人工智能技術在人們的生活中得到了廣泛應用。在相關技術中,可以根據人體的骨架圖識別人體的行為,但是人體的骨架圖容易出現環境遮擋等現象導致骨架圖中的關節點缺失或者標注錯誤,從而導致當前人體的骨架圖的準確度較低。
技術實現思路
1、本發明實施例提供一種骨架圖生成方法、裝置及相關設備,以解決當前人體的骨架圖的準確度較低的問題。
2、為解決上述問題,本發明是這樣實現的:
3、第一方面,本發明實施例提供了一種骨架圖生成方法,所述方法包括:
4、獲取第一人體特征圖;
5、將所述第一人體特征圖輸入至第一全連接層中進行注意力計算,以輸出第二人體特征圖,所述第一全連接層包括歸一化層和激活函數層,所述第二人體特征圖包括n個身體部位對應的特征向量,n為大于1的整數;
6、將所述身體部位對應的特征向量輸入至第二全連接層中進行計算,以得到注意力矩陣,所述第二全連接層與所述身體部位一一對應;
7、將所述注意力矩陣輸入至第一分類器中,以確定所述身體部位的權值;
8、根據所述身體部位的特征向量與對應的權值的乘積生成骨架圖。
9、第二方面,本發明實施例提供了一種骨架圖生成裝置,包括:
10、獲取模塊,用于獲取第一人體特征圖;
11、第一計算模塊,用于將所述第一人體特征圖輸入至第一全連接層中進行注意力計算,以輸出第二人體特征圖,所述第一全連接層包括歸一化層和激活函數層,所述第二人體特征圖包括n個身體部位對應的特征向量,n為大于1的整數;
12、第二計算模塊,用于將所述身體部位對應的特征向量輸入至第二全連接層中進行計算,以得到注意力矩陣,所述第二全連接層與所述身體部位一一對應;
13、第一確定模塊,用于將所述注意力矩陣輸入至第一分類器中,以確定所述身體部位的權值;
14、生成模塊,用于根據所述身體部位的特征向量與對應的權值的乘積生成骨架圖。
15、第三方面,本發明實施例還提供一種電子設備,包括:收發機、存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的程序;所述處理器,用于讀取存儲器中的程序實現如前述第一方面所述方法中的步驟。
16、第四方面,本發明實施例還提供一種可讀存儲介質,用于存儲程序,所述程序被處理器執行時實現如前述第一方面所述方法中的步驟。
17、在本發明實施例中,可以通過計算得到注意力矩陣,且對每個身體部位對應的特征向量進行加權處理,并根據身體部位的特征向量與對應的權值的乘積生成骨架圖,即相當于在骨架圖的生成過程中在身體部位方面加入了注意力機制,從而能有效的擴大感受野,減少因環境遮擋等導致關節點缺失或標注錯誤產生的誤差,增大全局特征的重要性,進而可以提高骨架圖的準確度。
1.一種骨架圖生成方法,其特征在于,所述方法包括:
2.根據權利要求1所述的方法,其特征在于,所述將所述第一人體特征圖輸入至第一全連接層中進行注意力計算,以輸出第二人體特征圖,包括:
3.根據權利要求1或2所述的方法,其特征在于,所述獲取第一人體特征圖,包括:
4.根據權利要求3所述的方法,其特征在于,所述獲取初始人體特征圖,包括:
5.根據權利要求1或2所述的方法,其特征在于,所述根據所述身體部位的特征向量與對應的權值的乘積生成骨架圖之后,所述方法還包括:
6.根據權利要求5所述的方法,其特征在于,所述確定所述骨架圖包括的根節點、鄰居節點和非相鄰節點,包括:
7.根據權利要求5所述的方法,其特征在于,所述對所述目標骨架圖進行特征提取,得到第三人體特征圖之后,所述方法還包括:
8.一種骨架圖生成裝置,其特征在于,包括:
9.一種電子設備,包括:收發機、存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的程序;其特征在于,所述處理器,用于讀取存儲器中的程序實現如權利要求1至7中任一項所述的骨架圖生成方法中的步驟。
10.一種可讀存儲介質,用于存儲程序,其特征在于,所述程序被處理器執行時實現如權利要求1至7中任一項所述的骨架圖生成方法中的步驟。