[发明专利]一种关键点检测方法及装置、存储介质

说明书

本发明实施例提供一种关键点检测方法，包括：获取待检测图像；利用目标检测模型对待检测图像进行目标对象的位置检测，得到目标对象对应的目标区域图像；利用关键点回归模型对目标区域图像进行关键点检测，得到关键点检测结果；关键点回归模型为具备高泛化性的模型，关键点检测结果用于估算目标对象的体尺信息。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种关键点检测方法及装置、存储介质。

背景技术

目前，针对某些易受刺激而难以直接进行称重的对象，通常可以借助其相关的视觉信息进行估重。例如，针对智能养猪产业，由于很难对每只猪进行称重，可以采集猪的相关图像，从中检测出头部、腹部等部位的关键点，定位出相应部位，计算出形状等相应指标进行视觉估重。

在现有技术中，针对于检测对象的图像，可以以基于轮廓的角点提取算法、基于边缘图像的拐点提取算法，以及基于图形化软件开发平台构建的立体视觉三维检测系统，检测出关键点。然而，现有的算法均假设在完美的摄像头角度，相同光照条件下进行的，而检测对象所处的光照环境多变，且检测对象自身可能也存在一些干扰因素，因此，导致关键点检测准确度较低。

发明内容

本发明实施例提供一种关键点检测方法及装置、存储介质，利用目标检测模型和具备高泛化性的关键点回归模型，可以准确的检测出不同光照外界环境下获得的包含目标对象的图像中，目标对象对应图像区域的关键点，提高了关键点检测的准确度。

本发明实施例的技术方案是这样实现的：

第一方面，本发明实施例提供一种关键点检测方法，所述方法包括：

获取待检测图像；

利用目标检测模型对所述待检测图像进行目标对象的位置检测，得到所述目标对象对应的目标区域图像；

利用关键点回归模型对所述目标区域图像进行关键点检测，得到关键点检测结果；所述关键点回归模型为具备高泛化性的模型，所述关键点检测结果用于估算所述目标对象的体尺信息。

在上述关键点检测方法中，所述关键点回归模型包括顺序连接的N个网络块，N为大于等于1的自然数，所述利用关键点回归模型对所述目标区域图像进行关键点检测，得到关键点检测结果，包括：

利用所述N个网络块对所述目标区域图像进行N步检测处理，得到第N步检测处理结果；

将所述第N步检测处理结果确定为所述关键点检测结果。

在上述关键点检测方法中，所述利用所述N个网络块对所述目标区域图像进行N步检测处理，得到第N步检测处理结果，包括：

在第i步检测处理时，获取第i-1步检测处理结果；其中，i为大于等于1且小于等于N的自然数，在i等于1的情况下，第0步检测处理结果为所述目标区域图像；

将所述第i步检测处理结果输入所述N个网络块中的第i个网络块，得到第i步检测处理结果。

在上述关键点检测方法中，所述第i个网络块中包括第一卷积层、第二卷积层、池化层和全连接层，所述将所述第i-1步检测处理结果输入所述N个网络块中的第i个网络块，得到第i步检测处理结果，包括：

基于所述第一卷积层和所述第二卷积层，对所述第i-1步检测处理结果进行特征提取处理，得到第一处理结果和第二处理结果；

将所述第一处理结果和所述第二处理结果输入所述全连接层进行整合，得到目标处理结果；

将所述目标处理结果输入所述池化层进行下采样处理，得到所述第i步检测处理结果。

在上述关键点检测方法中，所述基于所述第一卷积层和所述第二卷积层，对所述第i-1步检测处理结果进行特征提取处理，得到第一处理结果和第二处理结果，包括：