[发明专利]关键点检测方法、装置、电子设备及存储介质

说明书

本公开提供了一种关键点检测方法、装置、电子设备及存储介质，该方法包括：获取待检测图像；基于待检测图像，生成图像特征图和多个关键点热图；图像特征图用于表征待检测图像中各个目标对象之间的相对位置关系；每个关键点热图中包含待检测图像的一种类别的关键点，不同类别的关键点对应目标对象的不同部位；基于图像特征图和多个关键点热图，生成初始关键点图模型；初始关键点图模型中包含待检测图像中不同类别的关键点的信息以及连接边的信息，每个连接边为两个不同类别的关键点之间的边；对初始关键点图模型进行多次连接边的剪枝处理，直到处理后的关键点图模型中的多个关键点被聚类为多个簇，得到分别属于各个目标对象的关键点信息。

技术领域

本公开涉及图像处理技术领域，具体而言，涉及一种关键点检测方法、装置、电子设备及存储介质。

背景技术

人体关键点检测和跟踪是视频分析的基础，在安防领域、动作分析领域具有重要的应用前景。自底向上的多人姿态检测技术，由于具有较高的计算效率，而被广泛应用。一般的，自底向上方法首先预测得到各个关键点的位置，再对各个关键点进行聚类，得到完整的人体姿态。

当前的方法中，可以采用图分割算法或者启发式的聚类算法，对各个关键点进行聚类，聚类过程只是作为后处理操作，并没有直接对聚类结果进行监督，使得关键点聚类过程的准确度较低。

发明内容

有鉴于此，本公开至少提供一种关键点检测方法、装置、电子设备及存储介质。

第一方面，本公开提供了一种关键点检测方法，包括：

获取待检测图像；

基于所述待检测图像，生成图像特征图和多个关键点热图；所述图像特征图用于表征所述待检测图像中各个目标对象之间的相对位置关系；每个所述关键点热图中包含所述待检测图像的一种类别的关键点，不同类别的关键点对应所述目标对象的不同部位；

基于所述图像特征图和多个所述关键点热图，生成初始关键点图模型；所述初始关键点图模型中包含所述待检测图像中不同类别的关键点的信息以及连接边的信息，每个连接边为两个不同类别的关键点之间的边；

对所述初始关键点图模型进行多次所述连接边的剪枝处理，直到处理后的关键点图模型中的多个关键点被聚类为多个簇，得到分别属于各个目标对象的关键点信息。

采用上述方法，可以基于生成的图像特征图和多个关键点热图，生成待检测图像对应的初始关键点图模型，由于初始关键点图模型中包括图像特征图和关键点热图中的信息，而图像特征图可以表征出待检测图像中不同目标对象之间的相对位置关系，从而可以对初始关键点图模型进行所处连接边的剪枝处理，得到各个目标对象的关键点信息，较准确地对不同目标对象的关键点进行区分，以提高关键点聚类的精准度。

一种可能的实施方式中，所述关键点的信息包括位置信息、类别信息、以及像素特征信息；

根据以下步骤确定所述初始关键点图模型中各个关键点的信息：

基于所述关键点热图，确定各个关键点的位置信息；

基于每个所述关键点的位置信息，从所述图像特征图中提取所述关键点的像素特征信息，并基于所述关键点所属关键点热图的类别标签，确定所述关键点对应的类别信息。

一种可能的实施方式中，所述方法还包括：

针对所述初始关键点图模型中的每个所述关键点，基于所述关键点的信息和所述关键点图模型中与所述关键点之间存在连接边的其他关键点的信息，确定所述关键点的融合特征；

所述对所述初始关键点图模型进行多次所述连接边的剪枝处理，包括：

基于所述初始关键点图模型中包含的每个所述关键点的融合特征，对所述初始关键点图模型进行多次所述连接边的剪枝处理。