[发明专利]一种人体关键点识别方法、装置及电子设备

权利要求书

1.一种人体关键点识别方法，其特征在于，包括：

获取待识别人体关键点的目标图像；

利用预先训练的神经网络模型，生成所述目标图像中每个人体关键点的多级热度图；其中，所述多级热度图中各级热度图的尺寸相同且所述各级热度图对应的映射比值逐级放大，每级热度图对应的映射比值为在横向和纵向中的每一方向上，该级热度图中像素点相对于目标图像中像素点的映射比值；所述神经网络模型为基于样本图像，以及所述样本图像中每个人体关键点的多级真值热度图，所训练得到的模型；

按照预定的识别规则，基于所述目标图像中每个人体关键点的多级热度图，确定所述目标图像中的每个人体关键点的坐标；其中，所述预定的识别规则为：针对每一人体关键点，通过该人体关键点的多级热度图，从所述目标图像中逐级缩小区域以得到该人体关键点的规则。

2.根据权利要求1所述的方法，其特征在于，所述按照预定的识别规则，基于所述目标图像中每个人体关键点的多级热度图，确定所述目标图像中的每个人体关键点的坐标的步骤，包括：

按照预定的第一计算公式，基于所述目标图像中每个人体关键点的多级热度图，确定所述目标图像中的每个人体关键点的坐标；

其中，所述预定的第一计算公式包括：

其中，(I_x，I_y)为人体关键点I的坐标，n为所述多级热度图的级数，h_xj和h_yj为所述人体关键点I的第j级热度图中取值最大的像素点的横坐标和纵坐标，h_xn和h_yn为所述人体关键点I的第n级热度图中取值最大的像素点的横坐标和纵坐标，为所述目标图像的横向尺寸与第n-j级热度图对应的映射比值的乘积，为所述目标图像的纵向尺寸与第n-j级热度图对应的映射比值的乘积。

3.根据权利要求1或2所述的方法，其特征在于，所述神经网络模型的训练过程包括：

获取多个样本图像，以及每一样本图像中每个人体关键点的坐标；

针对每一样本图像，利用该样本图像中每个人体关键点的坐标，生成该样本图像中每个人体关键点的多级真值热度图；

分别将每一样本图像输入至训练中的所述神经网络模型，得到每一样本图像中每个人体关键点的多级预测热度图；

基于每一样本图像中每个人体关键点的多级真值热度图与多级预测热度图的差异，计算综合损失值；

基于所述综合损失值，判断训练中的所述神经网络模型是否收敛，如果收敛，结束训练，得到训练完成的所述神经网络模型；否则，调整所述神经网络模型的网络参数，继续训练所述神经网络模型。

4.根据权利要求3所述的方法，其特征在于，生成任一样本图像中每个人体关键点的多级真值热度图的方式包括：

针对该样本图像中每一人体关键点，利用该人体关键点在该样本图像中的坐标，确定该人体关键点在各级真值热度图中的映射坐标；

针对该人体关键点的待生成的每一级真值热度图，生成一个矩阵M，所述矩阵M的尺寸与该级真值热度图的尺寸相同；

遍历所述矩阵M中的每一元素，在遍历到每一元素时，利用该人体关键点在该级真值热度图中的映射坐标，计算该元素与目标元素之间的距离，如果所述距离大于预定阈值，将该元素在所述矩阵M中的取值设置为0，否则，按照预定的更新方式，更新该元素在所述矩阵M中的取值，所述预定的更新方式为该元素与所述目标元素之间的距离越小，更新后的值越大；其中，所述目标元素为在该矩阵M中与该人体关键点对应的元素。