[发明专利]箱体关键点检测方法和装置、计算设备、计算机可读存储介质在审
申请号: | 201910521575.0 | 申请日: | 2019-06-17 |
公开(公告)号: | CN112101342A | 公开(公告)日: | 2020-12-18 |
发明(设计)人: | 杨小平 | 申请(专利权)人: | 顺丰科技有限公司;深圳顺丰泰森控股(集团)有限公司 |
主分类号: | G06K9/32 | 分类号: | G06K9/32;G06N3/04;G06N3/08 |
代理公司: | 深圳翼盛智成知识产权事务所(普通合伙) 44300 | 代理人: | 黄威 |
地址: | 518000 广东省深圳市南山区学府路(以南)*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 箱体 关键 检测 方法 装置 计算 设备 计算机 可读 存储 介质 | ||
1.一种箱体关键点检测方法,其特征在于,所述方法包括以下步骤:
获取第一图像数据,其中,所述第一图像数据包括第一箱体的图像的数据;
利用第一检测网络模型对所述第一图像数据进行检测,以输出第一检测结果数据,其中,所述第一检测结果数据包括所述第一箱体的第一关键点的第一坐标数据;
从所述第一图像数据中获取与所述第一关键点对应的预定尺寸的第二图像数据;
利用第二检测网络模型对所述第二图像数据进行检测,以输出第二检测结果数据,其中,所述第二检测结果数据至少包括所述第一关键点的第二坐标数据。
2.根据权利要求1所述的箱体关键点检测方法,其特征在于,所述第一检测网络模型为基于姿态检测的技术而创建的模型;
所述第二检测网络模型为基于人脸检测的技术而创建的模型。
3.根据权利要求1所述的箱体关键点检测方法,其特征在于,从所述第一图像数据中获取与所述第一关键点对应的预定尺寸的第二图像数据的步骤包括:
基于所述第一关键点的第一坐标数据,从所述第一图像数据所对应的第一图像中截取包括所述第一关键点的具有所述预定尺寸的第二图像,并输出与所述第二图像对应的所述第二图像数据。
4.根据权利要求1所述的箱体关键点检测方法,其特征在于,在获取第一图像数据的步骤之前,所述方法还包括以下步骤:
利用第一训练数据对所述第一检测网络模型进行训练,其中,所述第一训练数据包括第二箱体的第三图像数据和针对所述第二箱体的第二关键点的标注的数据。
5.根据权利要求4所述的箱体关键点检测方法,其特征在于,所述方法还包括以下步骤:
在对所述第一检测网络模型进行训练的过程中,为所述第二关键点标记第二序号。
6.根据权利要求1所述的箱体关键点检测方法,其特征在于,在利用第二检测网络模型对所述第二图像数据进行检测,以输出第二检测结果数据的步骤之前,所述方法还包括以下步骤:
利用第二训练数据对所述第二检测网络模型进行训练,其中,所述第二训练数据包括基于预先经过训练得出的第三箱体的第三关键点的第三坐标数据而获取的图像数据。
7.一种箱体关键点检测装置,其特征在于,所述装置包括:
第一获取模块,用于获取第一图像数据,其中,所述第一图像数据包括第一箱体的图像的数据;
检测模块,用于利用第一检测网络模型对所述第一图像数据进行检测,以输出第一检测结果数据,其中,所述第一检测结果数据包括所述第一箱体的第一关键点的第一坐标数据;
第二获取模块,用于从所述第一图像数据中获取与所述第一关键点对应的预定尺寸的第二图像数据;
所述检测模块还用于利用第二检测网络模型对所述第二图像数据进行检测,以输出第二检测结果数据,其中,所述第二检测结果数据至少包括所述第一关键点的第二坐标数据。
8.根据权利要求7所述的箱体关键点检测装置,其特征在于,所述第二获取模块用于基于所述第一关键点的第一坐标数据,从所述第一图像数据所对应的第一图像中截取包括所述第一关键点的具有所述预定尺寸的第二图像,并输出与所述第二图像对应的所述第二图像数据。
9.一种计算设备,其特征在于,所述计算设备包括处理器和存储器,所述存储器用于存储程序指令,所述计算设备运行时,所述处理器用于执行所述存储器中的所述程序指令,以执行权利要求1至6中任意一项所述的箱体关键点检测方法。
10.一种存储有程序指令的计算机可读存储介质,其特征在于,所述程序指令用于使得计算机执行权利要求1至6中任意一项所述的箱体关键点检测方法。
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顺丰科技有限公司;深圳顺丰泰森控股(集团)有限公司,未经顺丰科技有限公司;深圳顺丰泰森控股(集团)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/201910521575.0/1.html,转载请声明来源钻瓜专利网。