[发明专利]一种用于关键点检测的图像处理方法、网络和电子设备

说明书

本公开实施例涉及一种用于关键点检测的图像处理方法、网络和电子设备。本公开的至少一个实施例中，通过对待检测关键点的图像进行特征提取，得到第一特征图，所述第一特征图的通道数为c1；进而对第一特征图的通道数进行调整，得到第二特征图，所述第二特征图的通道数为c2*N，N为关键点的个数；从而对第二特征图进行组卷积和组归一化，实现对第二特征图进行分组处理，每个分组对应一个关键点，最终得到通道数为N的第三特征图，每个通道对应一个关键点，便于基于第三特征图检测关键点。采用分组处理方式使得各个关键点的学习解耦，相互独立，互不影响，提高后续进行关键点检测的准确度。

技术领域

本公开实施例涉及图像处理技术领域，具体涉及一种用于关键点检测的图像处理方法、网络和电子设备。

背景技术

关键点检测是用于识别人体骨骼关键点的技术。人体骨骼关键点包括：眼部、耳部、嘴部、肩部、手肘、手腕、腰部、膝盖、脚踝等共17处关键点。关键点检测包括两个步骤，首先对图片中的人体目标进行识别定位，然后将识别出的人体目标分别单独提取出来，检测人体目标的可见关键点位置。

由于人体骨骼关键点可以描述人体姿态，因此关键点检测有广泛的应用前景：1.行为识别，预测人体行为；2.动作分类，异常行为检测；3.自动驾驶/无人驾驶，预测行人运动行为与运动轨迹，提前做出预判；4.步态识别与人物跟踪，因为不同个体的步态有其独特的特点。

关键点检测主要需要实现两个功能，其一是对图像中的人体目标进行检测，这个功能已经在目标检测领域中有了非常深入的研究；其二是对人体目标进行骨骼关键点的提取。

目前关键点检测方案存在的主要问题有：1.人物存在遮挡关系时，难以正确检测关键点所属的人物；2.关键点位置不够精确，与真值相比存在偏移。

因此，亟需提供一种用于关键点检测的图像处理方法，以提高关键点检测的准确性。

上述对问题的发现过程的描述，仅用于辅助理解本公开的技术方案，并不代表承认上述内容是现有技术。

发明内容

为了解决现有技术存在的至少一个问题，本公开的至少一个实施例提供了一种用于关键点检测的图像处理方法、网络和电子设备。

第一方面，本公开实施例提出一种用于关键点检测的图像处理方法，所述方法包括：

对待检测关键点的图像进行特征提取，得到第一特征图；所述第一特征图的尺寸为[b,c1,h,w]，其中，b为样本数量，c1为第一通道数，h为特征图高度，w为特征图宽度；

对所述第一特征图的第一通道数进行调整，得到第二特征图；所述第二特征图的尺寸为[b,c2*N,h,w]，其中，c2*N为第二通道数，N为关键点的个数；

对所述第二特征图进行组卷积和组归一化，得到第三特征图，所述第三特征图的尺寸为[b,N,h,w]；所述组卷积和组归一化的过程中每个分组的卷积和归一化相互独立，且每个分组对应一个关键点；所述第三特征图由多个关键点概率图构成，且所述第三特征图中每个通道对应一个关键点。

第二方面，本公开实施例还提出一种用于关键点检测的图像处理网络，所述图像处理网络包括：骨干网络、通道调整网络和分组处理网络；

所述骨干网络，用于对待检测关键点的图像进行特征提取，得到第一特征图；所述第一特征图的尺寸为[b,c1,h,w]，其中，b为样本数量，c1为第一通道数，h为特征图高度，w为特征图宽度；

所述通道调整网络，用于对所述第一特征图的第一通道数进行调整，得到第二特征图；所述第二特征图的尺寸为[b,c2*N,h,w]，其中，c2*N为第二通道数，N为关键点的个数；