CN111274852A - 目标对象关键点检测方法和装置 - Google Patents
目标对象关键点检测方法和装置 Download PDFInfo
- Publication number
- CN111274852A CN111274852A CN201811480075.9A CN201811480075A CN111274852A CN 111274852 A CN111274852 A CN 111274852A CN 201811480075 A CN201811480075 A CN 201811480075A CN 111274852 A CN111274852 A CN 111274852A
- Authority
- CN
- China
- Prior art keywords
- target
- key point
- target object
- image
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000008859 change Effects 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 7
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 210000000746 body region Anatomy 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 210000001061 forehead Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 210000002832 shoulder Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请提出一种目标对象关键点检测方法和装置，其中，方法包括：根据待检测图像的前N帧图像中目标对象的目标关键点的位置，确定待检测图像中目标关键点的预测位置；其中，N＞1；根据目标关键点的预测位置，从待检测图像中确定目标对象对应的目标区域；对目标区域进行关键点检测。该方法通过根据待检测图像的前多帧图像中目标关键点的位置，预测待检测图像中目标关键点的位置，再根据预测位置，预测待检测图像中的目标对象对应的目标区域，不仅省去了利用检测器进行目标对象的位置检测的环节，大大提高了关键点的检测速度。
Description
技术领域
本申请涉及计算机视觉技术领域，尤其涉及一种目标对象关键点检测方法和装置。
背景技术
随着计算机技术的发展，目前可以从包含人体的图像中检测出人体的关键点。在进行人体关键点检测时，可先用一个独立的人体检测器检测出人***置，然后把人体从背景中抠出，再进行人体关键点检测。
相关技术中，检测人***置时，可采用以下三种方式：(1)每帧图像都调用人体检测器检测人***置；(2)每多帧调用一次人体检测器；(3)第一帧用人体检测器做检测，后续每帧图像利用跟踪算法确定人***置。
但是，独立的人体检测器耗费的运算时间较长，每帧都调用人体检测器会严重影响关键点检测速度；隔帧检测(每n帧检测一次)虽然能减少平均检测时间，但减少的程度有限，而且在n帧图像中人***置在图像中发生较大移动时，人***置检测结果不准确，从而导致人体关键点检测不准确；而跟踪算法对被跟踪对象较小的位置变化和尺寸变化不敏感，人体关键点检测精度较低，而且跟踪算法存在累积误差，无法持续跟踪。
可见，相关技术中，人体关键点检测方法，存在检测速度慢、检测精度低的问题。
发明内容
本申请提出一种目标对象关键点检测方法和装置，用于解决相关技术中目标对象关键点检测方法，存在检测速度慢、检测精度低的问题。
本申请一方面实施例提出了一种目标对象关键点检测方法，包括：
根据所述待检测图像的前N帧图像中目标对象的目标关键点的位置，确定所述待检测图像中所述目标关键点的预测位置；其中，N＞1；
根据所述目标关键点的预测位置，从所述待检测图像中确定所述目标对象对应的目标区域；
对所述目标区域进行关键点检测。
本申请实施例的目标对象关键点检测方法，根据待检测图像的前多帧图像中目标对象的目标关键点的位置，预测待检测图像中目标关键点的位置，再根据预测位置，确定待检测图像中的该目标对象的目标区域，不仅省去了利用检测器进行目标对象的位置检测的环节，大大提高了关键点的检测速度，而且提高了目标对象的位置的检测准确度，进而提高了关键点的检测精度。
作为本申请一方面实施例一种可能的实现方式，
所述根据待检测图像的前N帧图像中目标对象的目标关键点的位置，确定所述待检测图像中所述目标关键点的预测位置，包括：
根据所述前N帧图像中所述目标关键点的位置，确定所述目标关键点的移动速度信息；其中，所述移动速度信息包括移动速度和/或移动加速度；
根据所述目标关键点的移动速度信息以及所述待检测图像的前一帧图像中所述目标关键点的位置，确定所述待检测图像中所述目标关键点的预测位置。
作为本申请一方面实施例一种可能的实现方式，所述根据待检测图像的前N帧图像中目标对象的目标关键点的位置，确定所述待检测图像中所述目标关键点的预测位置之前，还包括：
确定所述前N帧图像中所述目标对象的各关键点的识别准确度；
根据所述各关键点的识别准确度，从所述各关键点中筛选得到所述目标对象的所述目标关键点。
作为本申请一方面实施例一种可能的实现方式，所述确定所述前N帧图像中所述目标对象的各关键点的识别准确度，包括：
获取所述前N帧图像中所述目标对象的各关键点的置信度；对所述前N帧图像中同一关键点的置信度进行加权求和，得到相应关键点的识别准确度；
和/或，获取所述前N帧图像中所述目标对象的各关键点的位置；根据同一帧图像中所述各关键点的位置，确定所述各关键点的相对位置；根据所述各关键点的相对位置与所述目标对象的各关键点的标准相对位置之间的差异程度，确定所述各关键点的识别准确度；
和/或，获取所述前N帧图像中所述目标对象的各关键点的位置；根据不同帧图像中同一关键点的位置，确定所述各关键点的移动速度信息变化；根据所述各关键点的移动速度信息变化是否符合运动连续性规律，确定所述各关键点的识别准确度；其中，所述移动速度信息包括移动速度和/或移动加速度。
作为本申请一方面实施例一种可能的实现方式，所述根据所述目标关键点的预测位置，从所述待检测图像中确定所述目标对象对应的目标区域，包括：
根据所述目标关键点的预测位置，以及所述目标对象的各关键点的标准相对位置，确定所述待检测图像中所述目标对象的各关键点的预测位置；
根据所述待检测图像中所述目标对象的各关键点的预测位置，确定所述待检测图像中所述目标对象对应的目标区域。
作为本申请一方面实施例一种可能的实现方式，所述对所述目标区域进行关键点检测之后，还包括：
获取对所述目标区域进行关键点检测得到的检测结果，其中，所述检测结果包括所述目标区域中各关键点的位置和/或置信度；
根据所述检测结果，校验所述目标区域中是否包含所述目标对象；
若所述目标区域中包含所述目标对象，根据所述目标区域中各关键点的位置，确定所述待检测图像中所述目标对象的各关键点的位置。
作为本申请一方面实施例一种可能的实现方式，所述根据所述检测结果，校验所述目标区域中是否包含所述目标对象，包括：
根据所述目标区域中各关键点的位置，确定所述目标区域中各关键点的相对位置；
根据所述目标区域中各关键点的相对位置与所述目标对象的各关键点的标准相对位置之间的差异程度，以及根据所述目标区域中各关键点的置信度，校验所述目标区域中是否包含所述目标对象。
作为本申请一方面实施例一种可能的实现方式，该方法还包括：
若所述目标区域中未包含所述目标对象，根据所述待检测图像，从所述待检测图像中确定所述目标对象对应的目标区域；
对根据所述待检测图像确定的目标区域进行关键点检测，得到所述待检测图像中所述目标对象的各关键点的位置。
本申请另一方面实施例提出了一种目标对象关键点检测装置，包括：
第一确定模块，用于根据待检测图像的前N帧图像中目标对象的目标关键点的位置，确定所述待检测图像中所述目标关键点的预测位置；其中，N＞1；
第二确定模块，用于根据所述目标关键点的预测位置，从所述待检测图像中确定所述目标对象对应的目标区域；
检测模块，用于对所述目标区域进行关键点检测。
作为本申请另一方面实施例一种可能的实现方式，第一确定模块可包括：
第一确定单元，用于根据所述前N帧图像中所述目标关键点的位置，确定所述目标关键点的移动速度信息；其中，所述移动速度信息包括移动速度和/或移动加速度；
第二确定单元，用于根据所述目标关键点的移动速度信息以及所述待检测图像的前一帧图像中所述目标关键点的位置，确定所述待检测图像中所述目标关键点的预测位置。
作为本申请另一方面实施例一种可能的实现方式，该装置还包括：
第三确定模块，用于确定所述前N帧图像中所述目标对象的各关键点的识别准确度；
筛选模块，用于根据所述各关键点的识别准确度，从所述各关键点中筛选得到所述目标对象的所述目标关键点。
作为本申请另一方面实施例一种可能的实现方式，第三确定模块具体用于：
获取所述前N帧图像中所述目标对象的各关键点的置信度；对所述前N帧图像中同一关键点的置信度进行加权求和，得到相应关键点的识别准确度；
和/或，获取所述前N帧图像中所述目标对象的各关键点的位置；根据同一帧图像中所述各关键点的位置，确定所述各关键点的相对位置；根据所述各关键点的相对位置与所述目标对象的各关键点的标准相对位置之间的差异程度，确定所述各关键点的识别准确度；
和/或，获取所述前N帧图像中所述目标对象的各关键点的位置；根据不同帧图像中同一关键点的位置，确定所述各关键点的移动速度信息变化；根据所述各关键点的移动速度信息变化是否符合运动连续性规律，确定所述各关键点的识别准确度；其中，所述移动速度信息包括移动速度和/或移动加速度。
作为本申请另一方面实施例一种可能的实现方式，第二确定模块具体用于：
根据所述目标关键点的预测位置，以及所述目标对象的各关键点的标准相对位置，确定所述待检测图像中所述目标对象的各关键点的预测位置；
根据所述待检测图像中所述目标对象的各关键点的预测位置，确定所述待检测图像中所述目标对象对应的目标区域。
作为本申请另一方面实施例一种可能的实现方式，该装置还可包括：
获取模块，用于获取对所述目标区域进行关键点检测得到的检测结果，其中，所述检测结果包括所述目标区域中各关键点的位置和/或置信度；
校验模块，用于根据所述检测结果，校验所述目标区域中是否包含所述目标对象；
第四确定模块，用于在所述目标区域中包含所述目标对象时，根据所述目标区域中各关键点的位置，确定所述待检测图像中所述目标对象的各关键点的位置。
作为本申请另一方面实施例一种可能的实现方式，校验模块具体用于：
根据所述目标区域中各关键点的位置，确定所述目标区域中各关键点的相对位置；
根据所述目标区域中各关键点的相对位置与所述目标对象的各关键点的标准相对位置之间的差异程度，以及根据所述目标区域中各关键点的置信度，校验所述目标区域中是否包含所述目标对象。
作为本申请另一方面实施例一种可能的实现方式，该装置还可包括：
第五确定模块，用于在所述目标区域中未包含所述目标对象时，根据所述待检测图像，从所述待检测图像中确定所述目标对象对应的目标区域；
检测模块，还用于对根据所述待检测图像确定的目标区域进行关键点检测，得到所述待检测图像中所述目标对象的各关键点的位置。
本申请另一方面实施例提出了一种电子设备，包括处理器和存储器；
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如上述一方面实施例所述的目标对象关键点检测方法。
本申请另一方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述一方面实施例所述的目标对象关键点检测方法。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例提供的一种目标对象关键点检测方法的流程示意图；
图2为本申请实施例提供的另一种目标对象关键点检测方法的流程示意图；
图3为本申请实施例提供的又一种目标对象关键点检测方法的流程示意图；
图4为本申请实施例提供的再一种目标对象关键点检测方法的流程示意图；
图5为本申请实施例提供的一种目标对象关键点检测装置的结构示意图；
图6为本申请实施例提供的另一种目标对象关键点检测装置的结构示意图；
图7示出了适于用来实现本申请实施方式的示例性电子设备的框图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的目标对象关键点检测方法和装置。
图1为本申请实施例提供的一种目标对象关键点检测方法的流程示意图。
本申请实施例提供的目标对象关键点检测方法，可配置于电子设备中，以实现根据前N帧图像中目标对象的目标关键点的位置，确定待检测图像中目标对象对应的目标区域，省去利用检测器检测目标对象的位置环节，从而提高关键点的检测速度，以及提高目标对象位置的检测准确度，和关键点的检测精度。
本实施例中，电子设备可以是个人计算机、服务器等具有操作***的设备。
如图1所示，该目标对象关键点检测方法包括：
步骤101，根据待检测图像的前N帧图像中目标对象的目标关键点的位置，确定待检测图像中目标关键点的预测位置。
其中，N为大于1的整数。
本实施例中，可以对视频中的每帧图像中的目标对象进行关键点检测，那么待检测图像可以是视频中一帧图像。其中，目标对象可以是人、动物等。
视频是由一帧一帧的图像组成的，在检测视频中目标对象的关键点时，可以视频中的一帧图像为对象进行检测。具体而言，可按照视频的播放顺序，在检测完当前帧图像后，接着检测下一帧图像，即下一帧图像为待检测图像。
本实施例中，目标关键点可以是目标对象的部分关键点，也可以是目标对象的所有关键点。
由于目标对象发生的动作具有连续性，例如人体动作具有连续性，而且相邻几帧图像中人体关键点的位置变化不大。本申请实施例中，根据待检测图像的前N帧图像中的目标对象的目标关键点的位置，预测待检测图像中目标关键点的位置。
具体地，可先获取目标关键点在待检测图像的前N帧图像中每帧图像中的位置，然后利用目标关键点在前N帧图像中的位置，预测目标关键点在待检测图像中的位置，这里将预测的位置称为预测位置。
例如，利用待检测图像的前2帧图像中目标对象的目标关键点的位置，确定待检测图像中该目标对象的目标关键点的预测位置。
在确定待检测图像中目标关键点的预测位置时，可以利用目标关键点的运动信息进行预测，后续实施例将进行详细描述。
步骤102，根据目标关键点的预测位置，从待检测图像中确定目标对象对应的目标区域。
本实施例中，目标区域可以指图像中的目标对象所在的区域。例如，目标对象为人时，那么目标区域为图像中人体所在的区域。
在确定待检测图像中目标关键点的预测位置后，可根据目标关键点的预测位置，从待检测图像中确定目标区域。例如，可根据预测的人的鼻子、肘关节、肩部、膝关节处的关键点的位置，预测待检测图像中的人体区域。
作为一种实现方式，可以根据目标关键点的预测位置，以及目标对象的各关键点的标准相对位置，确定待检测图像中目标对象的各关键点的预测位置；根据待检测图像中目标对象的各关键点的预测位置，确定待检测图像中目标对象对应的目标区域。例如，可根据待检测图像中目标人体关键点的预测位置，以及各人体关键点的标准相对位置，可以预测待检测图像中各人体关键点的位置，从而得到各人体关键点的分布范围，那么各人体关键点的预测位置所在区域组成了待检测图像中目标对象对应的目标区域。
作为另一种可能的实现方式，可根据待检测图像中目标关键点的预测位置，以及目标关键点与目标对象边缘的相对位置，确定待检测图像的目标区域。例如，根据人的额头的预测位置以及额头与头部边缘的相对位置，可以确定人头部所在的区域。
相关技术中，由于检测器是检测目标对象的整***置，而本申请中可以检测到目标对象多个关键点的位置，所以本申请方案中用前N帧图像中目标关键点来预测目标对象的位置的方法检测精度更高。
步骤103，对目标区域进行关键点检测。
本实施例中，可将目标区域输入至关键点识别模型中进行关键点检测。其中，关键点识别模型可以是利用神经网络训练得到的，用于检测图像中的目标对象的各关键点。
或者，利用前一帧或者多帧图像中目标区域中各关键点的位置，确定待检测图像中目标区域中关键点的位置。
以目标区域为人体区域为例，根据目标人体关键点的位置，确定待检测图像中的人体区域，然后对人体区域进行关键点检测。
需要说明的是，本实施例中，当待检测图像为第一帧图像或第二帧图像时，可以利用现有技术中的方法，对第一帧图像中的目标对象进行关键点检测，得到目标对象的各关键点的位置。
本申请实施例中，通过根据前N(N>1)帧图像中目标对象的目标关键点的位置，预测目标关键点在待检测图像中的位置，进而根据预测的位置，确定待检测图像中的目标对象对应的目标区域，进而对目标区区域进行关键点检测，从而不仅省去了检测器检测目标对象的位置的环节，大大提高了关键点的检测速度，而且提高了关键点的检测精度。
另外，相关技术中，若目标对象为人体，当待检测图像中出现多个人时，检测器检测出的多个人体的位置无法和前一帧图像多个人体的关键点匹配。而本申请实施例中，由于每一帧图像中的人***置都是由前N帧图像中对应的人体关键点预测而来，所以在多人场景中检测出的多个人体的位置可以和前一帧多个人体的关键点匹配。
在本申请一个实施例中，在确定待检测图像中目标关键点的预测位置时，可以利用前N帧图像中目标关键点的位置，得到目标关键点的运动信息，进而根据运动信息预测待检测图像中目标关键点的位置。下面结合图2进行说明，图2为本申请实施例提供的另一种目标对象关键点检测方法的流程示意图。
如图2所示，上述根据待检测图像的前N帧图像中目标关键点的位置，确定待检测图像中目标关键点的预测位置，包括：
步骤201，根据前N帧图像中目标关键点的位置，确定目标关键点的移动速度信息；其中，移动速度信息包括移动速度和/或移动加速度。
本实施例中，待检测图像的前N帧图像中，可根据相邻两帧图中同一目标关键点的位置，确定该目标关键点的移动速度，那么根据相邻三帧图像中同一关键点的位置，可以确定该目标关键点的移动加速度。
具体而言，针对每个目标关键点，根据同一个目标关键点在前N帧图像中的位置，计算每相邻两帧图像中该目标关键点的移动距离，进而根据帧率以及该目标关键点的移动距离，计算出每相邻两帧图像中该目标关键点的移动速度，其中，帧率是指视频每秒显示的图像的数量。那么移动距离除以帧率的倒数，便可得到移动速度。进一步地，根据每相邻两帧图像计算的该目标关键点的移动速度，求取移动速度的平均值，作为该目标关键点的移动速度。
那么，根据目标关键点在相邻两帧图像中的移动速度，可以确定目标关键点移动加速度。
例如，当N＝2时，可根据待检测图像前2帧图像中目标关键点的位置，确定该目标关键点的移动速度。当N＝3时，假设待检测图像的前3帧图像分别为A、B、C，那么根据目标关键点在A图像和B图像中的位置，可以确定目标关键点的移动速度x1，根据B图像和C图像也可以确定目标关键点的移动速度x2，那么根据移动速度x1和x2可以确定目标关键点的移动加速度。
步骤202，根据目标关键点的移动速度信息以及待检测图像的前一帧图像中目标关键点的位置，确定待检测图像中目标关键点的预测位置。
本实施例中，可根据待检测图像的前一帧图像中目标关键点的位置，以及目标关键点的移动速度，确定待测图像中目标关键点的预测位置。具体而言，可先计算目标关键点的速度和前一帧图像与待检测图像的时间间隔的乘积，再计算该乘积结果与前一帧图像中目标关键点的坐标之和，即为待检测图像中目标关键点的预测位置的坐标。
或者，根据目标关键点的移动加速度计算出移动速度，进而根据移动速度以及前一帧图像中目标关键点的位置，确定待检测图像中目标关键点的预测位置。
若目标对象为人体，在确定待检测图像中目标人体关键点的预测位置后，可根据预测位置确定待检测图像中的人体区域，进而对人体区域进行关键点检测。
本申请实施例中，通过根据前N帧图像中目标关键点的位置，确定目标关键点的移动速度信息，进而根据移动速度信息和前一帧图像中目标关键点的位置，预测目标关键点在待检测图像中的位置，由于利用的是前N帧图像中目标关键点的位置信息，从而可以大大提高目标关键点在待测检测图像中位置的确定准确性。
进一步地，为了提高待检测图像中目标区域的检测准确性，在确定目标关键点的预测位置之前，可先根据识别准确度对目标对象的各关键点进行筛选，获取可靠的关键点作为目标关键点，进而根据前N帧图像中目标关键点的位置，确定目标关键点在待检测图像中的预测位置。下面结合图3进行说明，图3为本申请实施例提供的又一种目标对象关键点检测方法的流程示意图。
如图3所示，在根据待检测图像的前N帧图像中目标对象的目标关键点的位置，确定待检测图像中目标关键点的预测位置之前，该目标对象关键点检测方法还包括：
步骤301，确定前N帧图像中目标对象的各关键点的识别准确度。
本实施例中，可根据前N帧图像中目标对象的各关键点的置信度、各关键点间的相对位置、运动连续性规律等确定各关键点的识别准确度。其中，识别准确度用于表示关键点位置的检测准确性。
在进行关键点检测时，可采用关键点识别模型对图像进行检测，关键点识别模型可输出图像中各关键点的位置和置信度。其中，置信度用于指示检测出的关键点位置的可信度。
作为一种可能的实现方式，获取采用关键点识别模型对前N帧图像进行关键点检测得到的目标对象的各关键点的置信度，然后对前N帧图像中同一关键点的置信度进行加权求和，得到相应关键点的识别准确度。由此，可以得到目标对象的各关键点的识别准确度。其中，同一关键点在前N帧图像中每帧图像中的权重值，可根据实际需要确定。
以目标对象为人体为例，由于人体各个关节的相对位置变化不大，例如，双肩处的关键点的相对位置基本为肩宽的距离，额头与鼻子的相对位置基本不变。
由此，作为另一种可能的实现方式，也可根据各关键点间的相对位置，确定各关键点的识别准确度。具体地，获取采用关键点识别模型对前N帧图像进行关键点检测得到的各关键点的位置，然后针对前N帧图像中的每帧图像，根据同一帧图像中各关键点的位置，确定相应图像中各关键点的相对位置，之后计算相应图像中各关键点的相对位置与目标对象的各关键点的标准相对位置之间的差异程度。对于每个关键点，根据前N帧图像得到的N个差异程度，确定关键点的识别准确度。其中，标准相对位置可以根据目标对象的结构得到。例如，人体各关键点的标准相对位置可根据人体结构得到。
举例来说，可根据同一人体关键点在前N帧图像中与相邻关键点的相对位置与标准相对位置之间的差异程度，以及差异程度与识别准确度之间映射关系，确定该人体关键点的识别准确度。其中，差异程度越大对应的识别准确度越低。
由于目标对象的动作具有连续性，那么根据相邻几帧图像确定的目标对象的关键点的速度或者加速度也应是连续的，如果出现突然增大或者减小的情况，可以认为检测的关键点位置不准确。
那么，作为再一种可能的实现方式，也可根据不同帧图像中同一关键点的位置，确定各关键点的移动速度信息，如移动速度和/或移动加速度，进而确定各关键点的移动速度信息变化，如加速度变化和/或速度变化，根据各关键点的移动速度信息变化是否符合运动连续性规律，确定识别准确度。如果移动速度信息变化符合运动连续性规律，说明识别准确度高。否则，说明关键点的识别准确度低。
需要说明的是，也可以同时利用上述三种方式中的任意两种，或者同时利用三种方式，确定目标对象的各关键点的识别准确度。
本申请实施例中，通过各关键点的置信度、各关键点间的相对位置、运动连续性规律等确定识别准确度，从而大大提高了确定识别准确度的准确度。
步骤302，根据各关键点的识别准确度，从各关键点中筛选得到目标对象的目标关键点。
本实施例中，可根据各关键点的识别准确度，对关键点进行筛选，可将识别准确度超过预设阈值的关键点，作为目标关键点，以利用筛选出的目标关键点，确定待检测图像中的目标区域，进而对目标区域进行关键点检测。
以目标对象为人体为例，可利用筛选出的目标关键点，确定待检测图中的人体区域，进而对人体区域进行关键点检测。
本申请实施例中，通过确定各关键点的识别准确度，利用识别准确度筛选出可靠的关键点作为目标关键点，从而利用可靠的关键点确定待检测图像中的目标区域，大大提高了待检测图像中目标区域的检测准确性，进而提高了关键点检测的精度。
为了避免确定的目标区域不包含目标对象，导致检测不准确的情况，在对目标区域进行关键点检测之后，还可校验目标区域中是否包含目标对象。下面结合图4进行说明，图4为本申请实施例提供的再一种目标对象关键点检测方法的流程示意图。
如图4所示，对目标区域进行关键点检测之后，该目标对象关键点检测方法还包括：
步骤401，获取对目标区域进行关键点检测得到的检测结果，其中，检测结果包括目标区域中各关键点的位置和/或置信度。
本实施例中，在对待检测图像中的目标区域进行关键点检测时，可利用关键点识别模型进行关键点检测，关键点识别模型可输出关键点的位置和置信度，那么可以获取目标区域中关键点的置信度和目标区域中各关键点的位置。
步骤402，根据检测结果，校验目标区域中是否包含目标对象。若包含目标对象，则执行步骤403；若不包含目标对象，则执行步骤404。
本实施例中，可根据目标区域中各关键点的位置，确定目标区域中各关键点的相对位置，然后利用各关键点的相对位置与目标对象的各关键点的标准相对位置之间的差异程度，以及目标区域中各关键点的置信度，校验目标区域是否包含目标对象。
例如，目标对象为人体，那么可利用上述方法，检验目标区域是否包含人体。
具体而言，如果目标区域中各关键点的相对位置与各关键点的标准相对位置的差异程度在预设范围内的关键点超过预设比例，以及关键点的置信度超过预设阈值，可以认为目标区域中包含目标对象。
例如，目标区域中有超过90％的人体关键点，其相对位置与标准相对位置的差异在预设范围内，且这些人体关键点的置信度均超过预设阈值，可以认为目标区域中包含人体。
步骤403，若目标区域中包含目标对象，根据目标区域中各关键点的位置，确定待检测图像中目标对象的各关键点的位置。
若目标区域中包含目标对象，说明确定的待检测图像中的目标区域比较准确，那么可将对目标区域进行检测得到的各关键点的位置，作为待检测图像中关键点的位置。
步骤404，若目标区域中未包含目标对象，根据待检测图像，从待检测图像中确定目标对象对应的目标区域。
若目标区域中不包含目标对象，说明确定的待检测图像中的目标区域不准确，可利用检测器对待检测图像进行检测，确定目标区域。
例如，目标对象为人体，在目标区域中未包含人体时，可利用检测器对待检测图像进行检测，确定待检测图像中的人体区域。
步骤405，对根据待检测图像确定的目标区域进行关键点检测，得到待检测图像中目标对象的各关键点的位置。
在利用检测器确定目标区域后，将目标区域从待检测图像中抠出，输入至关键点识别模型中，利用关键点识别模型对目标区域进行关键点检测，以检测出目标区域中的该目标对象的各关键点的位置。
上述实施例中，利用目标区域中各关键点的位置和置信度，校验目标区域中是否包含目标对象。可以理解的是，也可以利用目标区域中各关键点的位置和置信度中的一种，校验目标区域中是否包含目标对象。
例如，判断目标区域中相对位置与标准相对位置之间的差异程度在预设范围内的关键点的数量是否超过预设比例，如果超过预设比例，可以认为目标区域中包含目标对象。
又如，判断目标区域中置信度超过预设阈值的关键点的数量是否超过预设比例，如果超过预设比例，可认为目标区域中包含目标对象。
本申请实施例中，在对目标区域进行关键点检测之后，通过利用目标区域中检测出的关键点的位置和/置信度，校验目标区域是否包含目标对象，从而进一步提高了关键点检测的准确性。
为了实现上述实施例，本申请实施例还提出一种目标对象关键点检测装置。图5为本申请实施例提供的一种目标对象关键点检测装置的结构示意图。
如图5所示，该目标对象关键点检测装置包括：第一确定模块510、第二确定模块520、检测模块530。
第一确定模块510，用于根据待检测图像的前N帧图像中目标对象的目标关键点的位置，确定待检测图像中目标关键点的预测位置；其中，N＞1；
第二确定模块520，用于根据目标关键点的预测位置，从待检测图像中确定目标对象对应的目标区域；
检测模块530，用于对目标区域进行关键点检测。
图6为本申请实施例提供的另一种目标对象关键点检测装置的结构示意图。
在本申请实施例一种可能的实现方式中，如图6所示，上述第一确定模块510可包括：
第一确定单元511，用于根据前N帧图像中目标关键点的位置，确定目标关键点的移动速度信息；其中，移动速度信息包括移动速度和/或移动加速度；
第二确定单元512，用于根据目标关键点的移动速度信息以及待检测图像的前一帧图像中目标关键点的位置，确定待检测图像中目标关键点的预测位置。
在本申请实施例一种可能的实现方式中，该装置还包括：
第三确定模块，用于确定前N帧图像中目标对象的各关键点的识别准确度；
筛选模块，用于根据各关键点的识别准确度，从各关键点中筛选得到目标对象的目标关键点。
在本申请实施例一种可能的实现方式中，上述第三确定模块具体用于：
获取前N帧图像中目标对象的各关键点的置信度；对前N帧图像中同一关键点的置信度进行加权求和，得到相应关键点的识别准确度；
和/或，获取前N帧图像中目标对象的各关键点的位置；根据同一帧图像中各关键点的位置，确定各关键点的相对位置；根据各关键点的相对位置与目标对象的各关键点的标准相对位置之间的差异程度，确定各关键点的识别准确度；
和/或，获取前N帧图像中目标对象的各关键点的位置；根据不同帧图像中同一关键点的位置，确定各关键点的移动速度信息变化；根据各关键点的移动速度信息变化是否符合运动连续性规律，确定各关键点的识别准确度；其中，移动速度信息包括移动速度和/或移动加速度。
在本申请实施例一种可能的实现方式中，上述第二确定模块520具体用于：
根据目标关键点的预测位置，以及目标对象的各关键点的标准相对位置，确定待检测图像中目标对象的各关键点的预测位置；
根据待检测图像中目标对象的各关键点的预测位置，确定待检测图像中目标对象对应的目标区域。
在本申请实施例一种可能的实现方式中，该装置还可包括：
获取模块，用于获取对目标区域进行关键点检测得到的检测结果，其中，检测结果包括目标区域中各关键点的位置和/或置信度；
校验模块，用于根据检测结果，校验目标区域中是否包含目标对象；
第四确定模块，用于在目标区域中包含目标对象时，根据目标区域中各关键点的位置，确定待检测图像中目标对象的各关键点的位置。
在本申请实施例一种可能的实现方式中，上述校验模块具体用于：
根据目标区域中各关键点的位置，确定目标区域中各关键点的相对位置；
根据目标区域中各关键点的相对位置与目标对象的各关键点的标准相对位置之间的差异程度，以及根据目标区域中各关键点的置信度，校验目标区域中是否包含目标对象。
在本申请实施例一种可能的实现方式中，该装置还可包括：
第五确定模块，用于在目标区域中未包含目标对象时，根据待检测图像，从待检测图像中确定目标对象对应的目标区域；
检测模块530，还用于对根据待检测图像确定的目标区域进行关键点检测，得到待检测图像中目标对象的各关键点的位置。
需要说明的是，前述对目标对象关键点检测方法实施例的解释说明，也适用于该实施例的目标对象关键点检测装置，故在此不再赘述。
为了实现上述实施例，本申请实施例还提出一种电子设备，包括处理器和存储器；
其中，处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现上述实施例所述的目标对象关键点检测方法。
图7示出了适于用来实现本申请实施方式的示例性电子设备的框图。图7显示的电子设备12仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器16或者处理器单元，存储器28，连接不同***组件(包括存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，***总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture；以下简称：ISA)总线，微通道体系结构(Micro Channel Architecture；以下简称：MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation；以下简称：VESA)局域总线以及***组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。
电子设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机***可读介质，例如随机存取存储器(Random Access Memory；以下简称：RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例，存储***34可以用于读写不可移动的、非易失性磁介质(图7未显示，通常称为“硬盘驱动器”)。尽管图7中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(Compact Disc Read OnlyMemory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory；以下简称：DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本申请各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本申请所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network；以下简称：LAN)，广域网(Wide Area Network；以下简称：WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
为了实现上述实施例，本申请实施例还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例所述的目标对象关键点检测方法。
在本说明书的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种目标对象关键点检测方法，其特征在于，所述方法包括以下步骤：
根据待检测图像的前N帧图像中目标对象的目标关键点的位置，确定所述待检测图像中所述目标关键点的预测位置；其中，N＞1；
根据所述目标关键点的预测位置，从所述待检测图像中确定所述目标对象对应的目标区域；
对所述目标区域进行关键点检测。
2.根据权利要求1所述的目标对象关键点检测方法，其特征在于，所述根据待检测图像的前N帧图像中目标对象的目标关键点的位置，确定所述待检测图像中所述目标关键点的预测位置，包括：
根据所述前N帧图像中所述目标关键点的位置，确定所述目标关键点的移动速度信息；其中，所述移动速度信息包括移动速度和/或移动加速度；
根据所述目标关键点的移动速度信息以及所述待检测图像的前一帧图像中所述目标关键点的位置，确定所述待检测图像中所述目标关键点的预测位置。
3.根据权利要求1所述的目标对象关键点检测方法，其特征在于，所述根据待检测图像的前N帧图像中目标对象的目标关键点的位置，确定所述待检测图像中所述目标关键点的预测位置之前，还包括：
确定所述前N帧图像中所述目标对象的各关键点的识别准确度；
根据所述各关键点的识别准确度，从所述各关键点中筛选得到所述目标对象的所述目标关键点。
4.根据权利要求3所述的目标对象关键点检测方法，其特征在于，所述确定所述前N帧图像中所述目标对象的各关键点的识别准确度，包括：
获取所述前N帧图像中所述目标对象的各关键点的置信度；对所述前N帧图像中同一关键点的置信度进行加权求和，得到相应关键点的识别准确度；
和/或，获取所述前N帧图像中所述目标对象的各关键点的位置；根据同一帧图像中所述各关键点的位置，确定所述各关键点的相对位置；根据所述各关键点的相对位置与所述目标对象的各关键点的标准相对位置之间的差异程度，确定所述各关键点的识别准确度；
和/或，获取所述前N帧图像中所述目标对象的各关键点的位置；根据不同帧图像中同一关键点的位置，确定所述各关键点的移动速度信息变化；根据所述各关键点的移动速度信息变化是否符合运动连续性规律，确定所述各关键点的识别准确度；其中，所述移动速度信息包括移动速度和/或移动加速度。
5.根据权利要求1所述的目标对象关键点检测方法，其特征在于，所述根据所述目标关键点的预测位置，从所述待检测图像中确定所述目标对象对应的目标区域，包括：
根据所述目标关键点的预测位置，以及所述目标对象的各关键点的标准相对位置，确定所述待检测图像中所述目标对象的各关键点的预测位置；
根据所述待检测图像中所述目标对象的各关键点的预测位置，确定所述待检测图像中所述目标对象对应的目标区域。
6.根据权利要求1-5任一项所述的目标对象关键点检测方法，其特征在于，所述对所述目标区域进行关键点检测之后，还包括：
获取对所述目标区域进行关键点检测得到的检测结果，其中，所述检测结果包括所述目标区域中各关键点的位置和/或置信度；
根据所述检测结果，校验所述目标区域中是否包含所述目标对象；
若所述目标区域中包含所述目标对象，根据所述目标区域中各关键点的位置，确定所述待检测图像中所述目标对象的各关键点的位置。
7.根据权利要求6所述的目标对象关键点检测方法，其特征在于，所述根据所述检测结果，校验所述目标区域中是否包含所述目标对象，包括：
根据所述目标区域中各关键点的位置，确定所述目标区域中各关键点的相对位置；
根据所述目标区域中各关键点的相对位置与所述目标对象的各关键点的标准相对位置之间的差异程度，以及根据所述目标区域中各关键点的置信度，校验所述目标区域中是否包含所述目标对象。
8.根据权利要求6所述的目标对象关键点检测方法，其特征在于，还包括：
若所述目标区域中未包含所述目标对象，根据所述待检测图像，从所述待检测图像中确定所述目标对象对应的目标区域；
对根据所述待检测图像确定的目标区域进行关键点检测，得到所述待检测图像中所述目标对象的各关键点的位置。
9.一种目标对象关键点检测装置，其特征在于，包括：
第一确定模块，用于根据待检测图像的前N帧图像中目标对象的目标关键点的位置，确定所述待检测图像中所述目标关键点的预测位置；其中，N＞1；
第二确定模块，用于根据所述目标关键点的预测位置，从所述待检测图像中确定所述目标对象对应的目标区域；
检测模块，用于对所述目标区域进行关键点检测。
10.一种电子设备，其特征在于，包括处理器和存储器；
其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如权利要求1-8中任一所述的目标对象关键点检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811480075.9A CN111274852B (zh) | 2018-12-05 | 2018-12-05 | 目标对象关键点检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811480075.9A CN111274852B (zh) | 2018-12-05 | 2018-12-05 | 目标对象关键点检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111274852A true CN111274852A (zh) | 2020-06-12 |
| CN111274852B CN111274852B (zh) | 2023-10-31 |
Family
ID=70998551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811480075.9A Active CN111274852B (zh) | 2018-12-05 | 2018-12-05 | 目标对象关键点检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111274852B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113034580A (zh) * | 2021-03-05 | 2021-06-25 | 北京字跳网络技术有限公司 | 图像信息检测方法、装置和电子设备 |
| CN113362370A (zh) * | 2021-08-09 | 2021-09-07 | 深圳市速腾聚创科技有限公司 | 目标对象的运动信息确定方法、装置、介质及终端 |
| CN114373157A (zh) * | 2022-03-21 | 2022-04-19 | 蔚来汽车科技(安徽)有限公司 | 用于换电站的安全监控方法、装置、介质和换电站 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014235743A (ja) * | 2013-06-03 | 2014-12-15 | 株式会社リコー | 深度画像に基づく手の位置確定方法と設備 |
| CN107257980A (zh) * | 2015-03-18 | 2017-10-17 | 英特尔公司 | 视频中的局部改变检测 |
| CN107622252A (zh) * | 2017-09-29 | 2018-01-23 | 百度在线网络技术（北京）有限公司 | 信息生成方法和装置 |
| CN108229308A (zh) * | 2017-11-23 | 2018-06-29 | 北京市商汤科技开发有限公司 | 目标对象识别方法、装置、存储介质和电子设备 |
| WO2018137623A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳市商汤科技有限公司 | 图像处理方法、装置以及电子设备 |
-
2018
- 2018-12-05 CN CN201811480075.9A patent/CN111274852B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014235743A (ja) * | 2013-06-03 | 2014-12-15 | 株式会社リコー | 深度画像に基づく手の位置確定方法と設備 |
| CN107257980A (zh) * | 2015-03-18 | 2017-10-17 | 英特尔公司 | 视频中的局部改变检测 |
| WO2018137623A1 (zh) * | 2017-01-24 | 2018-08-02 | 深圳市商汤科技有限公司 | 图像处理方法、装置以及电子设备 |
| CN107622252A (zh) * | 2017-09-29 | 2018-01-23 | 百度在线网络技术（北京）有限公司 | 信息生成方法和装置 |
| CN108229308A (zh) * | 2017-11-23 | 2018-06-29 | 北京市商汤科技开发有限公司 | 目标对象识别方法、装置、存储介质和电子设备 |
Non-Patent Citations (1)
| Title |
|---|
| 孙为民;王晖;高涛;张凯;刘爱民;: "用关键点密度算法加速基于卷积神经网络的绝缘子图像目标检测" * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113034580A (zh) * | 2021-03-05 | 2021-06-25 | 北京字跳网络技术有限公司 | 图像信息检测方法、装置和电子设备 |
| CN113034580B (zh) * | 2021-03-05 | 2023-01-17 | 北京字跳网络技术有限公司 | 图像信息检测方法、装置和电子设备 |
| CN113362370A (zh) * | 2021-08-09 | 2021-09-07 | 深圳市速腾聚创科技有限公司 | 目标对象的运动信息确定方法、装置、介质及终端 |
| CN113362370B (zh) * | 2021-08-09 | 2022-01-11 | 深圳市速腾聚创科技有限公司 | 目标对象的运动信息确定方法、装置、介质及终端 |
| CN114373157A (zh) * | 2022-03-21 | 2022-04-19 | 蔚来汽车科技(安徽)有限公司 | 用于换电站的安全监控方法、装置、介质和换电站 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111274852B (zh) | 2023-10-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109871909B (zh) | 图像识别方法及装置 | |
| CN111274852B (zh) | 目标对象关键点检测方法和装置 | |
| CN109738884B (zh) | 对象检测方法、装置和计算机设备 | |
| US10255673B2 (en) | Apparatus and method for detecting object in image, and apparatus and method for computer-aided diagnosis | |
| KR102169309B1 (ko) | 정보 처리장치 및 그 제어방법 | |
| CN109344899A (zh) | 多目标检测方法、装置和电子设备 | |
| CN113012200B (zh) | 一种运动物体的定位方法、装置、电子设备及存储介质 | |
| CN111126268A (zh) | 关键点检测模型训练方法、装置、电子设备及存储介质 | |
| CN111950523A (zh) | 基于航拍的船只检测优化方法、装置、电子设备及介质 | |
| US8532393B2 (en) | Method and system for line segment extraction | |
| CN113870322A (zh) | 一种基于事件相机的多目标追踪方法、装置及计算机设备 | |
| US20230326251A1 (en) | Work estimation device, work estimation method, and non-transitory computer readable medium | |
| JP2021089778A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| CN115713750B (zh) | 一种车道线检测方法、装置、电子设备及存储介质 | |
| CN111126101B (zh) | 关键点位置的确定方法、装置、电子设备和存储介质 | |
| CN114846513A (zh) | 动作分析***和动作分析程序 | |
| CN116092193A (zh) | 一种基于人体运动状态识别的行人航迹推算方法 | |
| JP7323235B2 (ja) | 画像追跡装置、画像追跡方法、及びプログラム | |
| CN109829440B (zh) | 一种检测道路差异的方法、装置、电子设备及存储介质 | |
| CN110738082A (zh) | 人脸关键点的定位方法、装置、设备及介质 | |
| CN109583511B (zh) | 速度融合方法和装置 | |
| CN111753625B (zh) | 一种行人检测方法、装置、设备及介质 | |
| CN110647826B (zh) | 商品训练图片的获取方法、装置、计算机设备和存储介质 | |
| CN115641567B (zh) | 用于车辆的目标对象检测方法、装置、车辆及介质 | |
| CN110934565A (zh) | 一种瞳孔直径的测量方法、装置及计算机可读存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |