[发明专利]图像中关键点的检测方法及设备

说明书

本申请提供了一种图像中关键点的检测方法及设备，能够将样本图像输入神经网络进行关键点检测的训练得到初始检测模型，再将去除部分图像的样本图像输入初始检测模型进行再次训练，将得到的优化检测模型作为最终的关键点检测模型，再使用该关键点检测模型对待检测图像进行关键点检测，确定待检测图像中的关键点，从而使得关键点检测模型能够学习和利用关键点之间的关系来进行关键点检测，进而提高了待检测图像中关键点的检测精度。

技术领域

本申请涉及图像识别领域，尤其涉及一种图像中关键点的检测方法及设备。

背景技术

检测图像中的关键点即关键点估计，是指从二维图像中给出感兴趣目标的关键点的位置，这里的目标可以为人体、人脸或其它任意的目标等，可以应用于人机交互、视觉监控、体育运动分析、医疗诊断、虚拟现实以及增强现实等多种领域。

当前，对图像中的关键点进行估计的神经网络算法多采用基于关键点的外观信息来定位关键点，相关论文例如有2019年Sun K，Xiao B等人发表的Deep high-resolutionrepresentation learning for human pose estimation，Huang J，Zhu Z等人发表的TheDevil is in the Details:Delving into Unbiased Data Processing for Human PoseEstimation，Liu Z，Zhu X等人发表的Semantic alignment:Finding semanticallyconsistent ground-truth for facial landmark detection等，这些方法根据关键点附近的图像像素信息来确定关键点位置，每个关键点独立进行定位，位置估计的精度往往不高。

发明内容

本申请的一个目的是提供一种图像中关键点的检测方法及设备，用于解决现有技术下对关键点检测的精度不高的问题。

为实现上述目的，本申请提供了一种图像中关键点的检测方法，其中，该方法包括：

构建关键点检测模型，其中，所述关键点检测模型为将去除部分图像的样本图像输入预先构建的初始检测模型进行训练所得到的优化检测模型，所述初始检测模型为将所述样本图像输入神经网络进行训练所得到的模型，所述神经网络根据所述样本图像的像素信息检测图像关键点；

将待检测图像输入所述关键点检测模型进行关键点检测，确定所述待检测图像中的关键点。

进一步地，所述构建关键点检测模型的步骤，包括：

去除所述样本图像中的部分图像；

将去除部分图像的样本图像输入预先构建的初始检测模型进行关键点检测，获取初始关键点；

将所述初始关键点与所述样本图像对应的标记关键点进行比对，根据比对结果调整所述初始检测模型的参数；

在满足预设的模型训练完成条件时，将具有最新参数的所述初始检测模型确定为所述关键点检测模型。

进一步地，所述初始检测模型的预先构建步骤，包括：

将所述样本图像作为训练数据，对所述神经网络进行关键点检测的训练；

将训练完成的所述神经网络确定为所述初始检测模型。

进一步地，去除所述样本图像中的部分图像，包括：

对所述样本图像对应的标记关键点和/或所述样本图像中的预设位置进行图像填充。

进一步地，对所述样本图像对应的标记关键点和/或所述样本图像中的预设位置进行图像填充，包括：

根据预设的图像填充范围和图像填充概率，对所述样本图像对应的标记关键点和/或所述样本图像中的预设位置进行图像填充。