技术摘要：
本公开实施例公开了一种人体姿态预测值的获取方法、装置，服务器及存储介质，属于图像处理技术领域，本公开实施例考虑到每个人体部位的姿态特征的差异性，首先从人体姿态图像的特征图中提取出每个人体部位的姿态特征，然后输入相应的局部预测神经网络，由于在将其中一  全部
背景技术：
目前，对人体姿态进行预测采用的方法一般都是先获取人体图像，然后通过例如 VGG、RestNet，以及Inception网络对人体图像进行特征图提取，再将提取的特征图输入一 个神经网络对人体姿态进行预测。然而，由于人体各个部位的姿态存在差异，并且每个部位 的特征又存在关联性，而现有技术中提供的人体姿态预测值的获取方法不能够充分考虑上 述差异和关联性，从而存在预测精确度低的问题。
技术实现要素：
本公开实施例提供一种人体姿态预测值的获取方法、装置，服务器及存储介质，以 解决现有技术中对人体姿态预测不准确的问题。 第一方面，本公开实施例提供了一种人体姿态预测值的获取方法，包括如下步骤： 获取人体姿态图像； 提取人体姿态图像的特征图； 将特征图输入N个特征提取神经网络，得到N个人体部位的姿态特征信息，每个特 征提取神经网络用于获取一个人体部位的姿态特征信息，其中N为大于或等于2的正整数； 将N个人体部位的姿态特征信息输入M个局部预测神经网络，得到M个人体部位的 局部姿态预测值，其中，每个局部预测神经网络输入一个或多个人体部位的姿态特征信息， M为大于或等于2的正整数； 将M个人体部位的局部姿态预测值输入整体预测神经网络，得到人体姿态预测值。 可选的，N和M的数值相同。 可选的，局部预测神经网络输入多个人体部位的姿态特征信息时，多个人体部位 的姿态特征信息包括一个主人体部位的姿态特征信息和至少一个辅助人体部位的姿态特 征信息； 局部预测神经网络输入一个人体部位的姿态特征信息时，输入为主人体部位的姿 态特征信息。 可选的，N个人体部位包括头部、手部、上臂、下臂、脚部、腿部和躯干部中的几个人 体部位。 可选的，N个特征提取神经网络的网络结构相同，权重参数不同。 可选的，特征提取神经网络、局部预测神经网络和整体预测神经网络为卷积神经 网络，卷积神经网络包括至少一个输入层、隐藏层和输出层。 可选的，特征提取神经网络的隐藏层包括至少一个卷积层和池化层，至少一个卷 积层和池化层组成至少一个卷积组，用于逐层对特征进行提取。 4 CN 111598037 A 说　明　书 2/10 页 可选的，隐藏层还包括激活层、全连接层和BN层中的至少一种。 第二方面，本公开实施例提供一种人体姿态预测值的获取装置，包括： 图像获取单元，用于获取人体姿态图像； 第一提取单元，用于提取人体姿态图像的特征图； 第二提取单元，用于将特征图输入N个特征提取神经网络，得到N个人体部位的姿 态特征信息，每个特征提取神经网络用于获取一个人体部位的姿态特征信息，其中N为大于 或等于2的正整数； 局部预测单元，用于将N个人体部位的姿态特征信息输入M个局部预测神经网络， 得到M个人体部位的局部姿态预测值，其中，每个局部预测神经网络输入一个或多个人体部 位的姿态特征信息，M为大于或等于2的正整数； 整体预测单元，用于将M个人体部位的局部姿态预测值输入整体预测神经网络，得 到人体姿态预测值。 第三方面，本公开实施例提供了一种服务器，包括： 一个或多个处理器； 存储器，用于存储一个或多个程序； 当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本公 开实施例第一方面任一的人体姿态预测值的获取方法。 第四方面，本公开实施例提供了一种计算机可读存储介质，其上存储有计算机程 序，该计算机程序被处理器执行时实现如本公开实施例第一方面任一的人体姿态预测值的 获取方法。 本公开实施例提供一种人体姿态预测值的获取方法及装置，考虑到每个人体部位 的姿态特征的差异性，首先从人体姿态图像的特征图中提取出每个人体部位的姿态特征， 然后输入相应的局部预测神经网络，由于在将其中一个部位的姿态特征输入相应的局部预 测神经网络时，还将其它部位的姿态特征输入了该局部预测神经网络，从而充分考虑到了 每个人体部位的姿态特征的关联性，进而提高了对每个部位的预测精确度；再将每个部位 的局部预测值输入整体预测神经网络，从而有效地提高了对人体姿态的预测精确度。 附图说明 图1为本公开实施例提供的一种人体姿态预测值的获取方法流程示意图； 图2为本公开实施例提供的5层全连接的神经网络的结构框图； 图3为本公开实施例提供的各神经网络的工作流程示意图； 图4为本公开实施例提供的一种人体姿态预测值的获取装置结构框图； 图5为本公开实施例提供的一种服务器的结构示意图。