[发明专利]图像关键点检测方法及系统、电子设备、存储介质

说明书

本申请公开了一种图像关键点检测方法及系统、电子设备、存储介质，其中，所述图像关键点检测方法包括：获取待处理图像；将所述待处理图像输入卷积神经网络中，通过所述卷积神经网络对所述待处理图像中的各个像素点进行特征提取，得到多通道特征图；将所述多通道特征图输入预先训练好的注意力网络模型中，通过所述注意力网络模型计算各个所述像素点相对于所述待处理图像中的其他像素点的重要性权重，并基于所述重要性权重输出注意力机制向量图；其中，所述注意力机制向量图由各个所述像素点的注意力机制向量组成；所述注意力机制向量用于表征所述像素点的重要性；基于所述注意力机制向量图，从各个所述像素点中确定出关键点。

技术领域

本申请涉及图像处理技术领域，特别涉及一种图像关键点检测方法及系统、电子设备、存储介质。

背景技术

图像关键点检测属于许多领域中是至关重要的步骤，例如，在人体姿态、动作检测中，通过检测人体骨骼关键点为人体姿态、动作行为的预测提供更准确的描述，在人脸识别中，检测人脸的关键点后续，以应用于人脸识别，微表情识别，疲劳驾驶识别等。

现今被广泛应用的图像关键点的检测方法为深度学习方法，该方法基于卷积神经网络搭建检测模型，然后对该检测模型进行训练，并利用训练好的检测模型对图像进行处理，检测出图像上的关键点。

但是卷积神经网络是具体提取特征信息，无法有效的捕捉全局的结构信息，即无法有效的捕捉像素点间的关联的信息，所以基于卷积神经网络构建的模型通常是分别对不同的器官或部位进行训练和检测，直接用于对图像中完整目标物体检测，所得到的检测结果的准确性较低。

发明内容

基于上述现有技术的不足，本申请提供了一种图像关键点检测方法及系统、电子设备、存储介质，以解决现有技术对完整目标物体的关键点检测的准确性较低的问题。

为了实现上述目的，本申请提供了以下技术方案：

本申请第一方面提供了一种图像关键点检测方法，包括：

获取待处理图像；

将所述待处理图像输入卷积神经网络中，通过所述卷积神经网络对所述待处理图像中的各个像素点进行特征提取，得到多通道特征图；

将所述多通道特征图输入预先训练好的注意力网络模型中，通过所述注意力网络模型计算各个所述像素点相对于所述待处理图像中的其他像素点的重要性权重，并基于所述重要性权重输出注意力机制向量图；其中，所述注意力机制向量图由各个所述像素点的注意力机制向量组成；所述注意力机制向量用于表征所述像素点的重要性；

基于所述注意力机制向量图，从各个所述像素点中确定出关键点。

可选地，在上述的图像关键点检测方法中，所述获取待处理图像，包括：

获取原始待处理图像；

利用物体检测算法对所述原始待处理图像进行目标检测，得到所述原始待处理图像中的目标个体；

从所述原始待处理图像中裁剪出包含所述目标个体的区域图像，并将所述区域图像作为所述待处理图像。

可选地，在上述的图像关键点检测方法中，所述将所述待处理图像输入卷积神经网络中，通过所述卷积神经网络对所述待处理图像中的各个像素点进行特征提取，得到多通道特征图，包括：

将所述待处理图像输入卷积神经网络中，通过所述卷积神经网络基于预设填充参数以及预设步长，对所述待处理图像中的各个像素点进行特征提取，得到与所述待处理图像尺寸相同的多通道特征图；其中，所述预设填充参数以及预设步长均为1。

可选地，在上述的图像关键点检测方法中，所述注意力网络模型计算各个所述像素点相对于所述待处理图像中的其他像素点的重要性权重，并基于所述重要性权重输出注意力机制向量图，包括：