[发明专利]一种手部关键点检测方法

权利要求书

1.一种手部关键点检测方法，其特征在于，包括以下步骤：

S1获取手部的图像，搭建的手部关键点检测网络模型；

S2标注S1中手部的图像，生成真实热力图标签；

S3处理后的手部图像数据输入到搭建的手部关键点检测网络模型中进行训练，利用损失函数计算预测结果和真实值之间的损失值，然后用优化器进行优化，迭代到损失值收敛；将预测热力图中概率值最大的点作为关键点，绘制检测可视化图；

S1中搭建的手部关键点检测网络模型中使用最大值反池化层来提高特征图的分辨率。

2.根据权利要求1所述的一种手部关键点检测方法，其特征在于，S2标注S1中手部的图像，生成真实热力图标签包括将手部图像按比例分成训练集和测试集，并根据样本的关键点标注信息，利用二维高斯核生成真实热力图标签。

3.根据权利要求2所述的一种手部关键点检测方法，其特征在于，

S2中利用二维高斯核生成真实热力图标签，其中二维高斯核公式如下：

其中，(x，y)为关键点的位置坐标，σ参数为标准差。

4.根据权利要求1所述的一种手部关键点检测方法，其特征在于，所述S1中搭建的手部关键点检测网络模型，包括：从前至后将卷积层、批归一化层、修正线性单元按设计的残差结构封装成瓶颈卷积模块；从前至后将卷积层、批归一化层、修正线性单元层按一定规则堆叠构成基础卷积模块；从前至后将基础卷积模块、卷积层、批归一化层、上采样层、修正线性单元层预先设计的结构依次堆叠构成高分辨率特征金字塔；从前至后将卷积层、批归一化层、修正线性单元层、瓶颈卷积模块、高分辨率特征金字塔、特征拼接层预先设定的组合方式依次搭建，完成网络模型的主干网络部分。

5.根据权利要求1所述的一种手部关键点检测方法，其特征在于，

S3中利用损失函数计算预测结果和真实值之间的损失值，具体是利用L1损失函数计算预测结果和真实值之间的损失值，L1损失函数计算公式如下：

其中，y为真实热力图上某点是关键点的概率值，为预测热力图中某点是关键点的概率值，i是用来表示热力图上点的索引。

6.根据权利要求1所述的一种手部关键点检测方法，其特征在于，

所述的优化器采用自适应矩估计优化器，设置初始化学习率为0.001。

7.根据权利要求4所述的一种手部关键点检测方法，其特征在于，

所述的高分辨率特征金字塔的输入为下采样4倍大小为128、通道数为32的特征块，输出为大小为256、通道数为64的特征块，其结构中利用步长为2的卷积层减低特征分辨率。

8.根据权利要求1所述的一种手部关键点检测方法，其特征在于，

所述的上采样层采用最大值反池化层，其中池化核设为[1，2，2，1]，池化步长设为[1，2，2，1]。

9.根据权利要求4所述的一种手部关键点检测方法，其特征在于，

所述的主干网络采用的卷积层卷积核大小都为3×3。

10.根据权利要求1所述的一种手部关键点检测方法，其特征在于，S3中搭建的手部关键点检测网络模型中进行训练，设定相关超参数，所述的相关超参数将批处理大小设为256，最后由卷积层输出21张热力图，批归一化层的动量参数设为0.95，总迭代次数设为100000。