人体关键点检测方法和装置、电子设备、计算机存储介质制造方法及图纸

本发明专利技术实施例公开了一种人体关键点检测方法和神经网络训练方法、装置、电子设备、计算机存储介质，该人体关键点检测方法包括：获取待处理图像；利用预先训练的神经网络检测所述待处理图像中的人体关键点，其中，根据每个人体关键点及其相邻关键点的损失得到所述预先训练的神经网络的损失函数，并根据所述损失函数训练神经网络，得到所述预先训练的神经网络，所述人体关键点的相邻关键点由各人体关键点之间的连接关系确定。

【技术实现步骤摘要】
人体关键点检测方法和装置、电子设备、计算机存储介质
本专利技术涉及计算机视觉领域，尤其涉及一种人体关键点检测方法和神经网络训练方法、装置、电子设备、计算机存储介质，可以应用于智能视频分析或安防监控。
技术介绍
人体关键点检测技术是人体视频数据自动处理、人体行为分析和人机交互的基础，可以为视频结构化提供重要的技术支撑；人体关键点检测的主要原理是：从人体上检测出各个人体关键点(可以是关节或者五官位置)，从而通过这些关键点的位置信息来描述人体的姿态。在相关技术中，如何提高人体关键点检测的准确率，是亟待解决的问题和重要的研究方向。
技术实现思路
本专利技术实施例期望提供一种人体关键点检测和神经网络训练的技术方案。本专利技术实施例提供了一种人体关键点检测方法，所述方法包括：获取待处理图像；利用预先训练的神经网络检测所述待处理图像中的人体关键点，其中，根据每个人体关键点及其相邻关键点的损失得到所述预先训练的神经网络的损失函数，并根据所述损失函数训练神经网络，得到所述预先训练的神经网络，所述人体关键点的相邻关键点由各人体关键点之间的连接关系确定。可选地，所述方法还包括：根据各人体关键点之间的连接关系的先验知识，预先定义各人体关键点之间的连接关系。可选地，所述根据每个人体关键点及其相邻关键点的损失得到所述预先训练的神经网络的损失函数，包括：根据所有人体关键点的平均损失得到所述损失函数，其中，所述关键点的损失由所述关键点及其相邻关键点的损失得到。可选地，所述关键点的损失由所述关键点及其相邻关键点的损失得到，包括：将所述关键点的损失及其相邻关键点的损失叠加，得到所述关键点的损失。可选地，所述损失函数包括：对数损失函数或均方差损失函数。本专利技术实施例还提供了一种神经网络训练方法，所述方法还包括：获取包含人体的样本图像；根据所述样本图像中每个人体关键点及其相邻关键点的损失获取损失函数，并根据所述损失函数训练用于人体关键点检测的神经网络，其中，每个人体关键点的相邻关键点根据各人体关键点之间的连接关系确定。可选地，所述方法还包括：根据各人体关键点之间的连接关系的先验知识，预先定义各人体关键点之间的连接关系。可选地，所述根据所述样本图像中每个人体关键点及其相邻关键点的损失获取损失函数，包括：根据所述样本图像中所有人体关键点的平均损失得到所述损失函数，其中，所述关键点的损失由所述关键点及其相邻关键点的损失得到。可选地，所述关键点的损失由所述关键点及其相邻关键点的损失得到，包括：将所述关键点的损失及其相邻关键点的损失叠加，得到所述关键点的损失。可选地，所述损失函数包括：对数损失函数或均方差损失函数。本专利技术实施例还提供了一种人体关键点检测装置，所述装置包括：第一获取模块和处理模块；其中，第一获取模块，用于获取待处理图像；处理模块，用于利用预先训练的神经网络检测所述待处理图像中的人体关键点，其中，根据每个人体关键点及其相邻关键点的损失得到所述预先训练的神经网络的损失函数，并根据所述损失函数训练神经网络，得到所述预先训练的神经网络，所述人体关键点的相邻关键点由各人体关键点之间的连接关系确定。可选地，所述处理模块，还用于根据各人体关键点之间的连接关系的先验知识，预先定义各人体关键点之间的连接关系。可选地，所述处理模块，具体用于根据所有人体关键点的平均损失得到所述损失函数，其中，所述关键点的损失由所述关键点及其相邻关键点的损失得到。可选地，所述处理模块，具体用于将所述关键点的损失及其相邻关键点的损失叠加，得到所述关键点的损失。可选地，所述损失函数包括：对数损失函数或均方差损失函数。本专利技术实施例还提供了一种神经网络训练装置，所述装置包括：第二获取模块和训练模块，其中，第二获取模块，用于获取包含人体的样本图像；训练模块，用于根据所述样本图像中每个人体关键点及其相邻关键点的损失获取损失函数，并根据所述损失函数训练用于人体关键点检测的神经网络，其中，每个人体关键点的相邻关键点根据各人体关键点之间的连接关系确定。可选地，所述训练模块，还用于根据各人体关键点之间的连接关系的先验知识，预先定义各人体关键点之间的连接关系。可选地，所述训练模块，具体用于根据所述样本图像中所有人体关键点的平均损失得到所述损失函数，其中，所述关键点的损失由所述关键点及其相邻关键点的损失得到。可选地，所述训练模块，具体用于将所述关键点的损失及其相邻关键点的损失叠加，得到所述关键点的损失。可选地，所述损失函数包括：对数损失函数或均方差损失函数。本专利技术实施例还提供了一种电子设备，该电子设备包括处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，所述处理器用于运行所述计算机程序时，实现上述任意一种人体关键点检测方法。本专利技术实施例还提供了一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任意一种人体关键点检测方法。基于本专利技术实施例的提出的人体关键点检测和神经网络训练方法、装置、电子设备、计算机存储介质中，首先，获取待处理图像；然后，利用预先训练的神经网络检测所述待处理图像中的人体关键点，其中，根据每个人体关键点及其相邻关键点的损失得到所述预先训练的神经网络的损失函数，并根据所述损失函数训练神经网络，得到所述预先训练的神经网络，所述人体关键点的相邻关键点由各人体关键点之间的连接关系确定。如此，本专利技术实施例是在考虑人体关键点之间的连接关系的基础上，预先训练得出神经网络，因而，在利用预先训练的神经网络检测人体关键点时，可以提高人体关键点检测的准确率。附图说明图1为本专利技术实施例的人体关键点检测方法的流程图；图2为本专利技术实施例包含人体的样本图像的一个示意图；图3为本专利技术实施例中预定义的各人体关键点之间的连接关系示意图；图4为本专利技术实施例的神经网络的训练方法的流程图；图5为本专利技术实施例的人体关键点检测装置的组成结构示意图；图6为本专利技术实施例的一种电子设备的结构示意图；图7为本专利技术实施例的神经网络训练装置的组成结构示意图。具体实施方式以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所提供的实施例仅仅用以解释本专利技术，并不用于限定本专利技术。另外，以下所提供的实施例是用于实施本专利技术的部分实施例，而非提供实施本专利技术的全部实施例，在不冲突的情况下，本专利技术实施例记载的技术方案可以任意组合的方式实施。需要说明的是，在本专利技术实施例中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的方法或者装置不仅包括所明确记载的要素，而且还包括没有明确列出的其他要素，或者是还包括为实施方法或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括该要素的方法或者装置中还存在另外的相关要素(例如方法中的步骤或者装置中的单元，例如的单元可以是部分电路、部分处理器、部分程序或软件等等)。例如，本专利技术实施例提供的人体关键点检测方法包含了一系列的步骤，但是本专利技术实施例提供的人体关键点检测方法不限于所记载的步骤，同样地，本专利技术实施例提供的人体关键点检测装置包括了一系列单元，但是本专利技术实施例提供的装置不限于包括所明确记载的单元，还可以包括为获取相关信息、或基于信息进行处理时所需要设置的单元。另外，本专利技术实施例中所记载的“第本文档来自技高网...

【技术保护点】
1.一种人体关键点检测方法，其特征在于，所述方法包括：获取待处理图像；利用预先训练的神经网络检测所述待处理图像中的人体关键点，其中，根据每个人体关键点及其相邻关键点的损失得到所述预先训练的神经网络的损失函数，并根据所述损失函数训练神经网络，得到所述预先训练的神经网络，所述人体关键点的相邻关键点由各人体关键点之间的连接关系确定。

【技术特征摘要】
1.一种人体关键点检测方法，其特征在于，所述方法包括：获取待处理图像；利用预先训练的神经网络检测所述待处理图像中的人体关键点，其中，根据每个人体关键点及其相邻关键点的损失得到所述预先训练的神经网络的损失函数，并根据所述损失函数训练神经网络，得到所述预先训练的神经网络，所述人体关键点的相邻关键点由各人体关键点之间的连接关系确定。2.根据权利要求1所述的方法，其特征在于，所述根据每个人体关键点及其相邻关键点的损失得到所述预先训练的神经网络的损失函数，包括：根据所有人体关键点的平均损失得到所述损失函数，其中，所述关键点的损失由所述关键点及其相邻关键点的损失得到。3.根据权利要求2所述的方法，其特征在于，所述关键点的损失由所述关键点及其相邻关键点的损失得到，包括：将所述关键点的损失及其相邻关键点的损失叠加，得到所述关键点的损失。4.一种神经网络训练方法，其特征在于，所述方法还包括：获取包含人体的样本图像；根据所述样本图像中每个人体关键点及其相邻关键点的损失获取损失函数，并根据所述损失函数训练用于人体关键点检测的神经网络，其中，每个人体关键点的相邻关键点根据各人体关键点之间的连接关系确定。5.根据权利要求4所述的方法，其特征在于，所述根据所述样本图像中每个人体关键点及其相邻关键点的损失获取损失函数，包括：根据所述样本图像中所有人体关键点的平均损失得到所述损失函数，其中，所述关键点的损失由所述关...

【专利技术属性】
技术研发人员：杨昆霖，田茂清，伊帅，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：北京,11