[发明专利]关键点检测模型训练方法及装置

权利要求书

1.一种关键点检测模型训练方法，其特征在于，包括：

对第一训练数据集中的每幅图像进行运动模糊处理，得到第二训练数据集；

将所述第二训练数据集中的每幅图像输入神经网络模型，并利用损失函数对所述神经网络模型进行迭代，直到所述神经网络模型收敛，将收敛的神经网络模型作为关键点检测模型，所述神经网络模型为预先构建好的模型，所述关键点检测模型用于检测人物图像中人物的关键点。

2.根据权利要求1所述的方法，其特征在于，所述将所述第二训练数据集中的每幅图像输入神经网络模型，并利用损失函数对所述神经网络模型进行迭代，包括：

将所述第二训练数据集中的第一组图像输入至所述神经网络模型，所述第一组图像包含预设数量的图像；

确定所述第一组图像中每类关键点的权重，同一类关键点在所述第一组图像包含的各图像中的不同人物图像上的人体位置相同；

根据各类关键点的权重，更新损失函数；

利用更新后的损失函数更新所述神经网络模型；

将所述第二训练数据集中的第二组图像输入至更新后的神经网络模型，重复上述步骤直到得到收敛的神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述确定所述第一组图像中每类关键点的权重，包括：

对于第一类关键点，利用所述神经网络模型，预测所述第一组图像中的每幅图像包含的每个人物图像的第一关键点的第一坐标值，所述第一组图像中的每个图像包含至少一个人物图像，每个人物图像上包含所述第一关键点，所述第一类关键点包含各所述第一关键点；

根据各第一关键点的第一坐标值和第二坐标值，确定各所述第一关键点的相似度，所述第二坐标值为预先在人物图像上对所述第一关键点标注的坐标；

根据各所述第一关键点的相似度，确定所述第一类关键点的权重。

4.根据权利要求3所述的方法，其特征在于，所述根据各所述第一关键点的相似度，确定所述第一类关键点的权重，包括：

根据各所述第一关键点的相似度，从所述第一类关键点包含的各第一关键点中，确定出相似度大于第一阈值的第一关键点的第一数量；

根据第一数量和第二数量，确定所述第一类关键点的平均准确率，所述第二数量是所述第一关键点的总数；

根据所述平均准确率，确定所述第一类关键点的权重。

5.根据权利要求4所述的方法，其特征在于，所述根据所述平均准确率，确定所述第一类关键点的权重，包括：

根据准确率公式，确定所述平均准确率；

确定所述平均准确率的倒数，将所述倒数作为所述第一类关键点的权重；其中，所述平均准确率公式为：

其中，AP表示平均准确率，i表示第i类关键点，OKS表示所述相似度，p表示所述第二训练数据集合中的人物图像的编号，thres表示所述第一阈值。

6.根据权利要求2～5任一项所述的方法，其特征在于，所述根据各第一关键点的第一坐标值和第二坐标值，确定各所述第一关键点的相似度，包括：

利用相似度计算公式，根据各第一关键点的第一坐标值和第二坐标值，确定各所述第一关键点的相似度，所述相似度计算公式为：

其中，OKS表示相似度，p表示所述第二训练数据集合中的人物图像的编号，表示第i类关键点，d_pi表示所述第一坐标值域所述第二坐标值的欧式距离，s_p和σ_i分别为尺度因子，δ(v_pi＝1)为克罗内克函数。