[发明专利]一种图像关键点位置计算方法、装置、设备及存储介质

说明书

本申请提供的图像关键点位置计算方法、装置、设备及存储介质，包括：获取待处理图像的特征矩阵，根据特征矩阵的列数和页数，生成第三行索引矩阵，根据特征矩阵的行数和页数，生成第三列索引矩阵，根据预设底数矩阵、预设系数、特征矩阵以及第三行索引矩阵，生成第四行索引矩阵，并根据预设底数矩阵、预设系数、特征矩阵以及第三列索引矩阵，生成第四列索引矩阵，计算第四行索引矩阵在竖直方向轴和水平方向轴的和，作为第一序列，并计算第四列索引矩阵在竖直方向轴和水平方向轴的和，作为第二序列，其中，第一序列为待处理图像中关键点的横坐标，第二序列为纵坐标。这样，整个计算过程可微分，梯度可传递，处理效率较高。

技术领域

本发明涉及智能分析技术领域，特别是涉及一种图像关键点位置计算方法、装置、设备及存储介质。

背景技术

在智能分析领域，经常需要对人的行为进行分析，其中，对人体的动作识别是进行行为分析的基础，在进行人体动作识别的过程中，首先，需要对人体的关键点进行识别，进而，根据人体关键点，识别人体的各种动作。

举例而言，对人体关键点进行识别的方法通常为：首先，提取人体图像的特征，得到人体图像的特征图，其中，特征图可以看作一个矩阵，矩阵中每个元素的取值即为特征图中对应位置的像素点的取值，每个像素点的取值表示该像素点为人体关键点的概率，进而，可以对特征图进行分析，也就是确定矩阵中最大点的坐标，即为人体关键点的坐标。

目前，通常使用for循环结构对矩阵进行遍历，记录最大点的索引，再转换为最大点的坐标，但是，这种方法是不可微分的，只能针对矩阵中的各个元素逐一进行比较，效率较低。

发明内容

本申请的目的在于提供一种图像关键点位置计算方法、装置、设备及存储介质。具体技术方案如下：

在本发明实施的第一方面，首先提供了一种图像关键点位置计算方法，所述方法包括：

获取待处理图像的特征矩阵；

根据所述特征矩阵的列数和页数，生成第三行索引矩阵，并根据所述特征矩阵的行数和页数，生成第三列索引矩阵；

根据预设底数矩阵、预设系数、所述特征矩阵以及所述第三行索引矩阵，生成第四行索引矩阵，并根据所述预设底数矩阵、所述预设系数、所述特征矩阵以及所述第三列索引矩阵，生成第四列索引矩阵；

计算所述第四行索引矩阵在竖直方向轴和水平方向轴的和，作为第一序列，并计算所述第四列索引矩阵在竖直方向轴和水平方向轴的和，作为第二序列，其中，所述第一序列为所述待处理图像中一个或多个关键点的横坐标，所述第二序列为与所述第一序列对应的关键点的纵坐标。

可选地，所述根据预设底数矩阵、预设系数、所述特征矩阵以及所述第三行索引矩阵，生成第四行索引矩阵，并根据所述预设底数矩阵、所述预设系数、所述特征矩阵以及所述第三列索引矩阵，生成第四列索引矩阵，包括：

将所述特征矩阵与预设系数相乘，得到第一过程矩阵；

将所述第一过程矩阵中每个元素的值，作为预设底数矩阵中对应位置的元素的指数，得到指数矩阵；

计算所述指数矩阵与所述指数矩阵中各元素之和的商，得到第二过程矩阵；

计算所述第二过程矩阵与所述第三行索引矩阵的乘积，得到第四行索引矩阵，并计算所述第二过程矩阵与所述第三列索引矩阵的乘积，得到第四列索引矩阵。

可选地，在所述特征矩阵的页数不为1的情况下，所述根据所述特征矩阵的列数和页数，生成第三行索引矩阵，并根据所述特征矩阵的行数和页数，生成第三列索引矩阵，包括：

根据所述特征矩阵的列数，生成行索引向量，所述行索引向量中的元素为从0到小于所述列数的自然数；

将所述行索引向量在竖直方向轴重复所述行数次，得到第一行索引矩阵；