[发明专利]关键点识别模型的训练方法、关键点识别方法及装置

权利要求书

1.一种关键点识别模型的训练方法，包括：

获取多个包括目标对象的样本原始图像，并基于各所述样本原始图像获取多个包括目标对象的预测检测框；

确定每一所述预测检测框与每一所述预测检测框对应的标定检测框之间的第一差异化信息；所述第一差异化信息表征所述样本原始图像中所述目标对象的预测检测框所包括的像素与所述样本原始图像中所述目标对象的标定检测框所包括的像素之间的差异；

根据每一标定检测框的标定目标对象关键点坐标，对每一所述标定检测框所归属的样本原始图像进行处理，得到每一所述标定检测框的标定目标对象热图；

根据每一所述标定检测框的标定目标对象关键点坐标，确定与每一所述标定检测框对应的预测检测框的预测目标对象关键点坐标，并根据每一所述预测检测框的预测目标对象关键点坐标对每一所述预测检测框所归属的样本原始图像进行处理，得到每一所述预测检测框的预测目标对象热图；

根据每一所述标定检测框的标定目标对象热图与每一所述标定检测框对应的预测检测框的预测目标对象热图之间的差异，确定每一第二差异化信息；

基于所述样本原始图像、所述第一差异化信息、以及所述第二差异化信息，生成样本数据集；

根据所述样本数据集，对预设的基础模型进行训练，得到关键点识别模型。

2.根据权利要求1所述的方法，其中，根据每一所述标定检测框的标定目标对象关键点坐标，对每一所述标定检测框所归属的样本原始图像进行处理，得到每一所述标定检测框的标定目标对象热图，包括：

根据每一所述标定检测框的标定目标对象关键点坐标，对每一所述标定检测框所归属的样本原始图像进行池化处理，得到每一所述标定检测框中的目标对象的检测特征图；

对每一所述标定检测框中的目标对象的检测特征图进行卷积和反卷积处理，得到每一所述标定检测框的标定目标对象热图。

3.根据权利要求1所述的方法，其中，根据每一所述预测检测框的预测目标对象关键点坐标对每一所述预测检测框所归属的样本图像进行处理，得到每一所述预测检测框的预测目标对象热图，包括：

根据每一所述预测检测框和每一所述预测检测框的预测目标对象关键点坐标，从每一所述预测检测框所归属的样本原始图像中裁剪并生成每一所述预测检测框的预测目标对象热图。

4.根据权利要求2所述的方法，其中，根据每一所述预测检测框和每一所述预测检测框的预测目标对象关键点坐标，从每一所述预测检测框所归属的样本原始图像中裁剪并生成每一所述预测检测框的预测目标对象热图，包括：

从每一所述预测检测框所归属的样本原始图像中裁剪与每一所述预测检测框对应的区域图像；

根据每一所述预测检测框的预测目标对象关键点坐标，获取每一所述预测检测框对应的区域图像中的目标对象关键点信息，并根据每一所述目标对象关键点信息生成每一所述预测检测框的预测目标对象热图。

5.根据权利要求2至4中任一项所述的方法，在确定每一所述预测检测框与所述每一所述预测检测框对应的标定检测框之间的第一差异化信息、第二差异化信息之前，还包括：

计算每一所述标定检测框与各所述预测检测框之间的交叠率；

根据各所述交叠率确定与每一所述预测检测框对应的标定检测框。

6.根据权利要求5所述的方法，其中，根据各所述交叠率确定与每一所述预测检测框对应的标定检测框，包括：

从所述预测检测框与各所述标定检测框之间的各交叠率中，确定最大交叠率对应的标定检测框为与所述预测检测框对应的标定检测框。

7.一种关键点识别方法，包括：

获取包括待识别对象的待识别图像；

基于预先训练的关键点识别模型对所述待识别图像进行识别处理，得到与所述待识别对象对应的待识别对象关键点信息，其中，所述关键点识别模型是基于权利要求1至6中任一项所述的方法生成的。