[发明专利]图像处理方法、图像变形方法和健身评测方法

权利要求书

1.一种图像处理方法，其中，包括：

获取待检测图像；

对所述待检测图像进行第一预设次数的下采样后，获得下采样特征图；

对所述下采样特征图进行第二预设次数的上采样，获得目标特征热图；其中，在上采样过程中，将当前上采样得到的特征图与下采样过程中得到的大小相同的特征图融合后，进行下一次的上采样；

根据所述目标特征热图获得所述待检测图像中目标对象的关键点组合；所述关键点组合包括所述目标对象的多个关键点。

2.根据权利要求1所述的方法，其中，根据所述目标特征热图获得所述待检测图像中目标对象的关键点组合，包括：

确定所述目标特征热图中像素值的全局极大值点；

在所述全局极大值点的预设邻域范围内，对邻域点按照像素值大小进行排序；

通过将所述全局极大值点朝排序在前的两个邻域点的中点偏移目标距离之后，得到所述关键点；其中，所述目标距离根据所述待检测图像和所述目标特征热图的相对大小确定。

3.根据权利要求1或2所述的方法，其中，所述方法还包括：

利用预训练的自编码器模型将所述目标对象的关键点组合编码至隐空间，获得隐空间特征；

针对多个连续所述待检测图像，对所述隐空间特征进行聚类；

利用聚类结果识别所述目标对象在多个连续的所述待检测图像中的关键动作。

4.根据权利要求3所述的方法，其中，所述方法还包括：

根据所述关键动作的时间先后顺序建立所述关键动作之间的运动状态机；所述运动状态机包括多个状态，每个状态对应一种所述关键动作；

根据所述运动状态机以及预设计数规则对多个连续的待检测图像中所述目标对象完成的关键动作进行计数。

5.根据权利要求3所述的方法，其中，所述自编码器包括姿态编码器和视角编码器；利用预训练的自编码器模型将所述目标对象的关键点组合编码至隐空间，获得隐空间特征，包括：

将所述待检测图像对应的所述关键点组合分别输入至所述姿态编码器和所述视角编码器，获得姿态隐空间特征和视角隐空间特征；

将所述姿态隐空间特征和所述视角隐空间特征进行融合得到所述待检测图像对应的隐空间特征。

6.根据权利要求3所述的方法，其中，所述自编码器模型包括编码器和解码器；所述方法还包括：

通过构建第一损失函数和第二损失函数对所述自编码器模型进行预训练；其中，所述第一损失函数用于约束输入至所述编码器的样本关键点组合和所述解码器的输出之间的损失；所述第二损失函数用于约束相同动作对应的不同样本关键点组合经所述编码器编码后得到的隐空间特征之间的损失。

7.根据权利要求6所述的方法，其中，所述编码器包括姿态编码器和视角编码器；所述不同样本关键点组合包括不同视角下相同动作对应的样本关键点组合；所述第二损失函数包括视角损失和动作损失；所述视角损失表示输入的所述样本关键点组合的视角和所述视角编码器的输出之间的损失，所述动作损失表示输入的所述样本关键点组合的动作和所述姿态编码器的输出之间的损失。

8.根据权利要求1-2、4-7任一项所述的方法，其中，所述自编码器模型包括姿态编码器、视角编码器和解码器；所述方法还包括：

获取样本对象的相同动作在不同图像采集视角下对应的多个样本关键点组合；

从多个所述样本关键点组合选取第一样本关键点组合输入至所述自编码器模型的所述姿态编码器，并从多个所述样本关键点组合选取第二样本关键点组合输入至所述自编码器模型的所述视角编码器，以及从多个所述样本关键点组合选取第三样本关键点组合作为监督信息，对所述自编码器模型进行训练；其中，所述第一样本关键点组合、第二样本关键点组合和第三样本关键点组合中的至少之一与其他两个样本关键点组合不同。