(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221021680 0.1 (22)申请日 2022.03.07 (71)申请人 奇酷软件 （深圳） 有限公司 地址 518055 广东省深圳市南 山区桃源街 道学苑大道1001号南山智园A2栋10层 (72)发明人 陈超村　 (74)专利代理 机构 北京清大紫荆知识产权代理 有限公司 1 1718 专利代理师 张卓 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/26(2022.01) G06V 10/40(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 人体图像分割方法、 装置、 电子设备和存储 介质 (57)摘要 本发明提供了一种人体图像分割方法、 装 置、 电子设备和存储介质， 该方法包括： 获取人体 分割原始图像数据； 将原始图像数据按多个预设 人体关键部位进行分类及合并处理， 并分别对分 类及合并处理后得到的图像数据中每类图像数 据重置数据标签及对应图像区域像素值； 将分类 及合并处理后得到的图像数据及对应标签输入 至人体图像分割模型中， 输出人体 关键部位分割 结果。 本发 明可将图像中人体的关键部位分割出 来， 分割效率不受图像人体个数的影响， 效率高、 精度高， 适于实际场景落 地应用。 权利要求书1页 说明书6页 附图3页 CN 114648778 A 2022.06.21 CN 114648778 A 1.一种人体图像分割方法， 其特 征在于， 包括如下步骤： 获取人体分割原 始图像数据； 将所述原始图像数据按多个预设人体关键部位进行分类及合并处理， 并分别对分类及 合并处理后得到的图像数据中每 类图像数据重 置数据标签及对应图像区域像素值； 将分类及合并处理后得到的图像数据及对应标签输入至人体图像分割 模型中， 输出人 体关键部位分割结果。 2.根据权利要求1所述的人体图像分割方法， 其特征在于， 所述多个预设人体关键部位 包括头部、 躯干、 胳膊、 腿、 脚掌。 3.根据权利要求1或2所述的人体图像分割方法， 其特征在于， 所述人体图像分割方法 还包括： 将非所述多个预设人体关键部位的剩余原始图像数据合并为背景类， 并对所述背 景类的图像数据重 置数据标签及对应图像区域像素值。 4.根据权利要求1所述的人体图像分割方法， 其特征在于， 所述人体图像分割 模型包括 改进的特 征提取网络， 所述改进的特 征提取网络包括并行的多个 基础网络分支。 5.根据权利要求4所述的人体图像分割方法， 其特征在于， 所述改进的特征提取网络的 改进方法具体包括： 将 基础网络的通道数压缩， 同时增加基础卷积池化层数， 再将多个所述 基础网络并行拼接， 得到所述改进的特 征提取网络 。 6.根据权利要求1或4所述的人体图像分割方法， 其特征在于， 所述人体图像分割方法 还包括： 经过所述人体图像分割模型后， 对输出的所有不同分辨率的特征图进 行特征融合， 输出人体关键 部位最终分割结果。 7.一种人体图像分割装置， 其特 征在于， 包括： 图像获取模块， 用于获取 人体分割原 始图像数据； 数据处理模块， 用于将所述原始图像数据按多个预设人体关键部位进行分类及合并处 理， 并分别对分类及合并处理后得到的图像数据中每类图像数据重置数据标签及对应图像 区域像素值； 输出模块， 用于将分类及合并处理后得到的图像数据及对应标签输入至人体图像分割 模型中， 输出 人体关键 部位分割结果。 8.根据权利要求7所述的人体图像分割 装置， 其特征在于， 所述人体图像分割 装置还包 括特征融合模块， 用于将所述人体图像分割模 型输出的所有不同分辨率的特征图进行特征 融合， 输出 人体关键 部位最终分割结果。 9.一种电子设备， 其特征在于， 包括处理器和存储器， 所述存储器存储有能够被所述处 理器执行的机器可执行指 令， 所述处理器执行所述机器可执行指令以实现权利要求 1至6任 一项所述的人体图像分割方法。 10.一种机器可读存储介质， 其特征在于， 所述机器可读存储介质存储有机器可执行指 令， 所述机器可执行指令被处理器执行时实现权利要求 1至6任一项 所述的人体图像分割方 法。权　利　要　求　书 1/1 页 2 CN 114648778 A 2人体图像分割方 法、 装置、 电子设备和存储介质 技术领域 [0001]本发明涉及计算机视觉及图像处理技术领域， 尤其涉及一种人体图像分割方法、 装置、 电子设备和存 储介质。 背景技术 [0002]人体图像分割是将人体图像中的包含人体部分的前景区域分割出来， 自动识别并 定位出人体的各个关键部位。 人体图像分割可以应用于虚拟现实、 视频监控、 行为分析等多 种领域。 [0003]目前， 现有的对人体图像进行分割主要是通过深度学习RGB图像分割融合传统RGB 颜色分割方法， 或者先用人体检测将人体图像检测识别后 从背景中分割 出来， 再进行人体 部位分割； 这些 方法普遍存在效率低， 精度不够高等问题， 不 适于实际场景落 地实现。 发明内容 [0004]有鉴于此， 本发明实施例提供一种人体图像分割方法、 装置、 电子设备和存储介 质， 本发明实施例将图像中人体的关键部位分割出来， 分割效率不受图像人体个数的影响， 效率高、 精度高， 适于实际场景落 地应用。 [0005]本申请实施例提供以下技术方案： 一种人体图像分割方法， 包括如下步骤： 获取人 体分割原始图像数据； 将所述原始图像数据按多个预设人体关键部位进行分类及合并处 理， 并分别对分类及合并处理后得到的图像数据中每类图像数据重置数据标签及对应图像 区域像素值； 将分类及合并处理后得到的图像数据及对应标签输入至人体图像分割模型 中， 输出人体关键 部位分割结果。 [0006]进一步地， 所述多个预设人体关键 部位包括头 部、 躯干、 胳膊、 腿、 脚掌。 [0007]进一步地， 所述人体图像分割方法还包括： 将非所述多个预设人体关键部位的剩 余原始图像数据合并为背 景类， 并对所述背 景类的图像数据重置数据标签及对应图像区域 像素值。 [0008]进一步地， 所述人体图像分割模型包括改进的特征提取网络， 所述改进的特征提 取网络包括并行的多个 基础网络分支。 [0009]进一步地， 所述改进的特征提取网络 的改进方法具体包括： 将基础网络的通道数 压缩， 同时增加基础卷积池化层数， 再将多个所述基础网络并行拼接， 得到所述改进的特征 提取网络 。 [0010]进一步地， 所述人体图像分割方法还包括： 经过所述人体图像分割模型后， 对输出 的所有不同分辨 率的特征图进行 特征融合， 输出 人体关键 部位最终分割结果。 [0011]本发明实施例提供一种人体图像分割装置， 包括： 图像获取模块， 用于获取人体分 割原始图像数据； 数据 处理模块， 用于将所述原始图像数据按多个预设人体关键部位进行 分类及合并处理， 并分别对分类及合并处理后得到的图像数据中每类图像数据重置数据标 签及对应图像区域像素值； 输出模块， 用于将分类及合并处理后得到的图像数据及对应标说　明　书 1/6 页 3 CN 114648778 A 3