一种多人体目标识别方法、系统、设备及介质

技术特征：
1.一种多人体目标识别方法，其特征在于，包括：获取待识别图像，并根据所述待识别图像通过下采样处理得到第一采样特征图；将所述第一采样特征图输入改进的hrnet神经网络模型，以得到目标特征图；其中，所述改进的hrnet神经网络模型至少包括三个阶段，每一个阶段包括四个对称耦合逐通道卷积模块，四个所述对称耦合逐通道卷积模块依次连接，每一个所述对称耦合逐通道卷积模块包括两个1
×
1标准卷积核和两个3
×
3逐通道卷积核，其中，第一个1
×
1标准卷积核、第一个3
×
3逐通道卷积核、第二个3
×
3逐通道卷积核和第二个1
×
1标准卷积核依次连接；其中，根据每一个所述对称耦合逐通道卷积模块对输入的特征图进行卷积处理，包括：将输入的特征图输入所述第一个1
×
1标准卷积核，以得到第一通道特征图，其中，所述输入的特征图是指输入进每一个所述对称耦合逐通道卷积模块的特征图；将所述第一通道特征图输入所述第一个3
×
3逐通道卷积核，将得到的输出特征图输入所述第二个3
×
3逐通道卷积核，以得到第二通道特征图；根据所述第一通道特征图和所述第二通道特征图进行特征融合处理，以得到第三通道特征图；将所述第三通道特征图输入所述第二个1
×
1标准卷积核，以得到第四通道特征图；将所述第四通道特征图与所述输入的特征图进行特征融合处理，以得到每一个所述对称耦合逐通道卷积模块的输出特征图；根据所述目标特征图进行反卷积处理，以得到目标识别图像。2.根据权利要求1所述的一种多人体目标识别方法，其特征在于，所述将所述第一采样特征图输入改进的hrnet神经网络模型，以得到目标特征图，包括：将所述第一采样特征图依次通过每一个阶段对应的四个所述对称耦合逐通道卷积模块，并根据每一个所述对称耦合逐通道卷积模块对输入的特征图进行卷积处理，以得到目标特征图。3.根据权利要求2所述的一种多人体目标识别方法，其特征在于，所述将所述第一采样特征图依次通过每一个阶段对应的四个所述对称耦合逐通道卷积模块，并根据每一个所述对称耦合逐通道卷积模块对输入的特征图进行卷积处理，以得到目标特征图，包括：在第一个阶段，将所述第一采样特征图依次经过第一个阶段对应的四个所述对称耦合逐通道卷积模块，根据每一个所述对称耦合逐通道卷积模块对所述第一采样特征图进行卷积处理，以得到第一卷积特征图；在第二个阶段，将所述第一卷积特征图依次经过第二个阶段对应的四个所述对称耦合逐通道卷积模块，并根据每一个所述对称耦合逐通道卷积模块对所述第一卷积特征图进行卷积处理，以得到第一中间特征图，根据所述第一卷积特征图进行下采样处理，以得到第二中间特征图，根据所述第一中间特征图和所述第二中间特征图进行特征融合处理，以得到第二卷积特征图；在第三个阶段，将所述第二卷积特征图依次经过第三个阶段对应的四个所述对称耦合逐通道卷积模块，并根据每一个所述对称耦合逐通道卷积模块对所述第二卷积特征图进行卷积处理，以得到第三中间特征图，根据所述第二中间特征图进行下采样处理，以得到第四中间特征图，根据所述第二中间特征图、所述第三中间特征图和所述第四中间特征图进行特征融合处理，以得到目标特征图。
4.根据权利要求2所述的一种多人体目标识别方法，其特征在于，所述根据每一个所述对称耦合逐通道卷积模块对输入的特征图进行卷积处理，还包括：依次根据所述第一个1
×
1标准卷积核、所述第一个3
×
3逐通道卷积核、所述第二个3
×
3逐通道卷积核、以及所述第二个1
×
1标准卷积核对输入的特征图进行卷积处理，以得到每一个所述对称耦合逐通道的输出特征图。5.根据权利要求2所述的一种多人体目标识别方法，其特征在于，所述根据每一个所述对称耦合逐通道卷积模块对输入的特征图进行卷积处理，还包括：依次根据所述第一个1
×
1标准卷积核、所述第一个3
×
3逐通道卷积核、所述第二个3
×
3逐通道卷积核、以及所述第二个1
×
1标准卷积核对输入的特征图进行卷积处理，得到第五通道特征图；将所述第五通道特征图与所述输入的特征图进行特征融合处理，以得到每一个所述对称耦合逐通道卷积模块的输出特征图。6.根据权利要求3所述的一种多人体目标识别方法，其特征在于，在第三个阶段，所述根据所述第二中间特征图、所述第三中间特征图和所述第四中间特征图进行特征融合处理，以得到目标特征图，包括：根据所述第二中间特征图进行卷积处理和上采样处理，以得到第一更新的第二中间特征图；根据所述第四中间特征图进行卷积处理和上采样处理，以得到更新的第四中间特征图；根据所述更新的第二中间特征图、所述第三中间特征图和所述更新的第四中间特征图进行特征融合处理，以得到目标特征图。7.根据权利要求3所述的一种多人体目标识别方法，其特征在于，在第二个阶段，所述根据所述第一中间特征图和所述第二中间特征图进行特征融合处理，以得到第二卷积特征图，包括：根据所述第二中间特征图进行卷积处理和上采样处理，以得到第二更新的第二中间特征图；根据所述第一中间特征图和所述第二更新的第二中间特征图进行特征融合处理，以得到第二卷积特征图。8.一种多人体目标识别系统，其特征在于，包括：图像获取模块，用于获取待识别图像，并根据所述待识别图像通过下采样处理得到第一采样特征图；图像处理模块，用于将所述第一采样特征图输入改进的hrnet神经网络模型，以得到目标特征图；其中，所述改进的hrnet神经网络模型至少包括三个阶段，每一个阶段包括四个对称耦合逐通道卷积模块，四个所述对称耦合逐通道卷积模块依次连接，每一个所述对称耦合逐通道卷积模块包括两个1
×
1标准卷积核和两个3
×
3逐通道卷积核，其中，第一个1
×
1标准卷积核、第一个3
×
3逐通道卷积核、第二个3
×
3逐通道卷积核和第二个1
×
1标准卷积核依次连接；其中，根据每一个所述对称耦合逐通道卷积模块对输入的特征图进行卷积处理，包括：将输入的特征图输入所述第一个1
×
1标准卷积核，以得到第一通道特征图，其中，所述
输入的特征图是指输入进每一个所述对称耦合逐通道卷积模块的特征图；将所述第一通道特征图输入所述第一个3
×
3逐通道卷积核，将得到的输出特征图输入所述第二个3
×
3逐通道卷积核，以得到第二通道特征图；根据所述第一通道特征图和所述第二通道特征图进行特征融合处理，以得到第三通道特征图；将所述第三通道特征图输入所述第二个1
×
1标准卷积核，以得到第四通道特征图；将所述第四通道特征图与所述输入的特征图进行特征融合处理，以得到每一个所述对称耦合逐通道卷积模块的输出特征图；目标识别图像确定模块，用于根据所述目标特征图进行反卷积处理，以得到目标识别图像。9.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的方法。10.一种存储介质，所述存储介质为计算机可读存储介质，其特征在于，存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至7中任意一项所述的方法。

技术总结
本发明公开了一种多人体目标识别方法、系统、设备及介质，该方法包括：获取待识别图像，并根据待识别图像通过下采样处理得到第一采样特征图；将第一采样特征图输入改进的HRNet神经网络模型，以得到目标特征图；其中，改进的HRNet神经网络模型至少包括三个阶段，每一个阶段包括四个对称耦合逐通道卷积模块，每一个对称耦合逐通道卷积模块包括两个1


技术研发人员：郝祁 兰功金 吴钰
受保护的技术使用者：南方科技大学
技术研发日：2022.02.14
技术公布日：2022/6/7