[发明专利]人体关键点检测方法和装置、电子设备、计算机存储介质在审
| 申请号： | 201811329655.8 | 申请日： | 2018-11-09 |
| 公开（公告）号： | CN109614867A | 公开（公告）日： | 2019-04-12 |
| 发明（设计）人： | 杨昆霖;田茂清;伊帅 | 申请（专利权）人： | 北京市商汤科技开发有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/063;G06N3/08 |
| 代理公司： | 北京派特恩知识产权代理有限公司 11270 | 代理人： | 黄娟;张颖玲 |
| 地址： | 100084 北京市海淀区中*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 关键点 关键点检测 神经网络 计算机存储介质 待处理图像 电子设备 损失函数 神经网络训练 训练神经网络 方法和装置 连接关系 检测 | ||
1.一种人体关键点检测方法，其特征在于，所述方法包括：
获取待处理图像；
利用预先训练的神经网络检测所述待处理图像中的人体关键点，其中，根据每个人体关键点及其相邻关键点的损失得到所述预先训练的神经网络的损失函数，并根据所述损失函数训练神经网络，得到所述预先训练的神经网络，所述人体关键点的相邻关键点由各人体关键点之间的连接关系确定。
2.根据权利要求1所述的方法，其特征在于，所述根据每个人体关键点及其相邻关键点的损失得到所述预先训练的神经网络的损失函数，包括：
根据所有人体关键点的平均损失得到所述损失函数，其中，所述关键点的损失由所述关键点及其相邻关键点的损失得到。
3.根据权利要求2所述的方法，其特征在于，所述关键点的损失由所述关键点及其相邻关键点的损失得到，包括：
将所述关键点的损失及其相邻关键点的损失叠加，得到所述关键点的损失。
4.一种神经网络训练方法，其特征在于，所述方法还包括：
获取包含人体的样本图像；
根据所述样本图像中每个人体关键点及其相邻关键点的损失获取损失函数，并根据所述损失函数训练用于人体关键点检测的神经网络，其中，每个人体关键点的相邻关键点根据各人体关键点之间的连接关系确定。
5.根据权利要求4所述的方法，其特征在于，所述根据所述样本图像中每个人体关键点及其相邻关键点的损失获取损失函数，包括：
根据所述样本图像中所有人体关键点的平均损失得到所述损失函数，其中，所述关键点的损失由所述关键点及其相邻关键点的损失得到。
6.根据权利要求5所述的方法，其特征在于，所述关键点的损失由所述关键点及其相邻关键点的损失得到，包括：
将所述关键点的损失及其相邻关键点的损失叠加，得到所述关键点的损失。
7.一种人体关键点检测装置，其特征在于，所述装置包括：第一获取模块和处理模块；其中，
第一获取模块，用于获取待处理图像；
处理模块，用于利用预先训练的神经网络检测所述待处理图像中的人体关键点，其中，根据每个人体关键点及其相邻关键点的损失得到所述预先训练的神经网络的损失函数，并根据所述损失函数训练神经网络，得到所述预先训练的神经网络，所述人体关键点的相邻关键点由各人体关键点之间的连接关系确定。
8.一种神经网络训练装置，其特征在于，所述装置包括：第二获取模块和训练模块，其中，
第二获取模块，用于获取包含人体的样本图像；
训练模块，用于根据所述样本图像中每个人体关键点及其相邻关键点的损失获取损失函数，并根据所述损失函数训练用于人体关键点检测的神经网络，其中，每个人体关键点的相邻关键点根据各人体关键点之间的连接关系确定。
9.一种电子设备，其特征在于，包括处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，
所述处理器用于运行所述计算机程序时，执行权利要求1至3任一项所述的方法。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至3任一项所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京市商汤科技开发有限公司，未经北京市商汤科技开发有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811329655.8/1.html，转载请声明来源钻瓜专利网。
