[发明专利]图像处理方法、装置、电子设备及计算机可读介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

对图像中目标物体进行检测，提取目标区域；

将所述目标区域输入特征点提取模型中生成所述目标物体的热度图，所述热度图用于显示所述目标区域中的像素点为所述目标物体的特征点的概率；

确定所述热度图中的极值点；

在距离所述极值点的预定范围内随机确定多个有效特征点；

将所述多个有效特征点的位置和像素值代入热度图方程中，并求解所述热度图方程以确定所述图像中的目标物体的目标特征点；其中，所述热度图方程为二维高斯方程。

2.如权利要求1所述的方法，其特征在于，对图像中目标物体进行检测，提取目标区域，包括：

通过人脸检测算法对图像中目标物体进行检测；

根据检测结果提取检测区域图像；

将所述检测区域图像缩放到预定尺寸；以及

将缩放后的所述检测区域图像中的像素进行归一化处理以生成所述目标区域。

3.如权利要求1所述的方法，其特征在于，将所述目标区域输入特征点提取模型中生成所述目标物体的热度图，包括：

将所述目标区域输入所述特征点提取模型中，基于小批量梯度下降法进行前向计算，生成所述目标物体的所述热度图。

4.如权利要求1所述的方法，其特征在于，还包括：

通过训练图像和所述训练图像对应的精确热度图对堆叠沙漏网络模型进行训练，生成所述特征点提取模型。

5.如权利要求4所述的方法，其特征在于，通过训练图像和所述训练图像对应的精确热度图对堆叠沙漏网络模型进行训练，生成所述特征点提取模型，包括：

由所述训练图像中提取带有目标物体的目标区域；

确定所述目标区域中的特征点；

通过所述特征点生成精确热度图；以及

通过所述目标区域与所述精确热度图对所述堆叠沙漏网络模型进行训练，生成所述特征点提取模型。

6.如权利要求5所述的方法，其特征在于，通过所述特征点生成精确热度图，包括：

确定所述特征点在所述目标区域中的对应的精确坐标；以及

通过所述精确坐标生成所述精确热度图。

7.如权利要求5所述的方法，其特征在于，通过所述目标区域与所述精确热度图对所述堆叠沙漏网络模型进行训练，生成所述特征点提取模型，包括：

将所述目标区域输入所述堆叠沙漏网络模型中，生成初始热度图；

将所述初始热度图与所述精确热度图进行比较确定误差参数；以及

基于所述误差参数与优化算法对所述堆叠沙漏网络模型的参数进行更新，以获取所述特征点提取模型。

8.如权利要求7所述的方法，其特征在于，将所述目标区域输入所述堆叠沙漏网络模型中，生成初始热度图，包括：

将所述目标区域输入所述堆叠沙漏网络模型中，基于小批量梯度下降法进行前向计算，生成所述初始热度图。

9.如权利要求7所述的方法，其特征在于，将所述初始热度图与所述精确热度图进行比较确定误差参数，包括：

通过欧式损失函数将所述初始热度图与所述精确热度图进行比较确定所述误差参数。

10.一种图像处理装置，其特征在于，包括：

提取模块，用于对图像中目标物体进行检测，提取目标区域；

模型计算模块，用于将所述目标区域输入特征点提取模型中生成所述目标物体的热度图，所述热度图用于显示所述目标区域中的像素点为所述目标物体的特征点的概率；

有效特征点模块，用于确定所述热度图中的极值点，在距离所述极值点的预定范围内随机确定多个有效特征点；以及

特征点模块，用于将所述多个有效特征点的位置和像素值代入热度图方程中，并求解所述热度图方程以确定所述图像中的目标物体的目标特征点；其中，所述热度图方程为二维高斯方程。