关键点检测方法、装置、设备和计算机可读介质制造方法及图纸

本公开的实施例公开了关键点检测方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对待检测图像进行特征提取，得到图像特征；将图像特征输入预先训练的热力图回归网络，得到关键点热力图；将热力图回归网络的中间层的输出结果输入预先训练的坐标回归网络，得到关键点坐标集合；基于关键点热力图和关键点坐标集合，生成待检测图像对应的关键点位置信息。该实施方式实现了同时满足准确率和关键点之间的关联关系的要求。

【技术实现步骤摘要】
关键点检测方法、装置、设备和计算机可读介质
本公开的实施例涉及计算机
，具体涉及关键点检测方法、装置、设备和计算机可读介质。
技术介绍
关键点检测被广泛应用于各种计算机视觉任务。相关的关键点检测技术包括坐标回归和热力图回归。然而，当采用上述方式进行关键点检测时，经常会存在如下技术问题：当采用坐标回归的方法时，得到的关键点坐标不够准确。当采用热力图回归的方法时，各个关键点之间的关联关系弱。也就是说，相关的检测方式无法同时满足准确率和关键点之间的关联关系的要求。
技术实现思路
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了关键点检测方法、装置、电子设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。第一方面，本公开的一些实施例提供了一种关键点检测方法，该方法包括：对待检测图像进行特征提取，得到图像特征；将图像特征输入预先训练的热力图回归网络，得到关键点热力图；将热力图回归网络的中间层的输出结果输入预先训练的坐标回归网络，得到关键点坐标集合；基于关键点热力图和关键点坐标集合，生成待检测图像对应的关键点位置信息。第二方面，本公开的一些实施例提供了一种关键点检测装置，装置包括：提取单元，被配置成对待检测图像进行特征提取，得到图像特征；热力图生成单元，被配置成将图像特征输入预先训练的热力图回归网络，得到关键点热力图；坐标生成单元，被配置成将热力图回归网络的中间层的输出结果输入预先训练的坐标回归网络，得到关键点坐标集合；位置信息生成单元，被配置成基于关键点热力图和关键点坐标集合，生成待检测图像对应的关键点位置信息。第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，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上述第一方面任一实现方式所描述的方法。第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的关键点检测方法，结合了热力图回归网络和坐标回归网络，从而将两种方式的优势进行结合。具体来说，热力图回归网络预测的关键点坐标准确，坐标回归网络预测的关键点之间的关联关系强，因此，可以同时满足准确率和关键点之间的关联关系的要求。附图说明结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。图1是本公开的一些实施例的关键点检测方法的一个应用场景的示意图；图2是根据本公开的关键点检测方法的一些实施例的流程图；图3示例性示出了利用热力图回归网络得到的手部关键点检测结果；图4示例性示出了利用坐标回归网络得到的手部关键点检测结果；图5是根据本公开的关键点检测方法的另一些实施例的流程图；图6是根据本公开的关键点检测装置的一些实施例的结构示意图；图7是适于用来实现本公开的一些实施例的电子设备的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。下面将参考附图并结合实施例来详细说明本公开。图1是本公开的一些实施例的关键点检测方法的一个应用场景的示意图。关键点检测方法的执行主体可以是任意的计算设备。上述计算设备可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。在图1的应用场景中，计算设备可以首先将待检测图像101输入特征提取网络101以进行特征提取。在此基础上，可以将得到的图像特征输入将图像特征输入预先训练的热力图回归网络103，得到关键点热力图104。此外，计算设备可以将热力图回归网络103的中间层(图1中以第三层为例)的输出结果输入预先训练的坐标回归网络105，得到关键点坐标集合106。然后，计算设备可以基于关键点热力图104和关键点坐标集合106，生成待检测图像对应的关键点位置信息107。为了便于说明，可以将关键点位置信息107在待检测图像上进行可视化展示，如图中108所示。继续参考图2，示出了根据本公开的关键点检测方法的一些实施例的流程200。该关键点检测方法，包括以下步骤：步骤201，对待检测图像进行特征提取，得到图像特征。在一些实施例中，关键点检测方法的执行主体可以利用各种特征提取算法，对待检测图像进行特征提取，得到图像特征。例如，可以将待检测图像输入卷积神经网络，得到图像特征。又如，还可以通过颜色直方图、颜色相关图等算法进行图像特征提取。其中，待检测图像可以是任意的图像。例如，在手势识别的场景下，待检测图像可以是当前通过摄像头捕获的图像。当然，也可以是对捕获的图像经过预处理的图像等等。又如，也可以是用户指定的图库中的图像。在一些实施例的一些可选的实现方式中，在对待检测图像进行特征提取，得到图像特征之前，上述方法还可以包括：对原始待检测图像进行目标部位检测，得到显示目标部位的图像区域；将图像区域缩放至目标尺寸，得到待检测图像。实践中，由于原始待检测图像中可能显示的内容较多。例如，在手部关键点检测的场景下，原始待检测图像中除了手之外，可能还显示有腿、身体、头等等。其他内容会对目标部位的关键点检测造成干扰。因此，可以先进行目标部位检测，得到显示目标部位的图像区域。在此基础上，为了便于本文档来自技高网...

【技术保护点】
1.一种关键点检测方法，包括：/n对待检测图像进行特征提取，得到图像特征；/n将所述图像特征输入预先训练的热力图回归网络，得到关键点热力图；/n将所述热力图回归网络的中间层的输出结果输入预先训练的坐标回归网络，得到关键点坐标集合；/n基于所述关键点热力图和所述关键点坐标集合，生成所述待检测图像对应的关键点位置信息。/n

【技术特征摘要】
1.一种关键点检测方法，包括：
对待检测图像进行特征提取，得到图像特征；
将所述图像特征输入预先训练的热力图回归网络，得到关键点热力图；
将所述热力图回归网络的中间层的输出结果输入预先训练的坐标回归网络，得到关键点坐标集合；
基于所述关键点热力图和所述关键点坐标集合，生成所述待检测图像对应的关键点位置信息。


2.根据权利要求1所述的方法，其中，所述基于所述关键点热力图和所述关键点坐标集合，生成所述待检测图像对应的关键点位置信息，包括：
分别将所述关键点热力图和所述关键点坐标集合映射至所述待检测图像，得到包含热力图映射关键点集合和坐标映射关键点集合的目标图像；
从所述目标图像中每个关键点组中选取一个关键点作为目标关键点，得到目标关键点集合，其中，所述每个关键点组包括相对应的热力图映射关键点和坐标映射关键点；
将所述目标关键点集合中各个目标关键点的位置信息确定为所述待检测图像对应的关键点位置信息。


3.根据权利要求2所述的方法，其中，所述从所述目标图像中每个关键点组中选取一个关键点作为目标关键点，包括：
基于每个关键点组中的两个关键点之间的距离，从所述关键点组中选取一个关键点作为目标关键点。


4.根据权利要求3所述的方法，其中，所述基于每个关键点组中的两个关键点之间的距离，从所述关键点组中选取一个关键点作为目标关键点，包括：
响应于确定所述距离小于或等于预设阈值，将所述关键点组中的热力图映射关键点确定为目标关键点；
响应于确定所述距离大于所述预设阈值，将所述关键点组中的坐标映射关键点确定为目标关键点。


5.根据权利要求1所述的方法，其中，所述热力图回归网络包括多个反卷积层；以及
所述将所述热力图回归网络的中间层的输出结果输入坐标回归网络，得到关键点坐标集合，包括：
将所述多个反卷积层中的最后一个反卷积层的输出结果输入坐标回归网络，得到关键点坐标集合。


6.根据权利要求1所述的方法，其中，所述热力图回归网络和所述坐标回归网络是通过以下步骤训练得到的：
以第...

【专利技术属性】
技术研发人员：蔚栋，安山，
申请(专利权)人：北京沃东天骏信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11