预测被测对象的关键点的方法、装置、设备及存储介质制造方法及图纸

本发明专利技术提供一种预测被测对象的关键点的方法、装置、电子设备及存储介质，其中的方法包括：获取基于关键点定义标注的多个标注集合，其中，所述标注集合用于记录其中一个标注人员对一个被测对象的各关键点标注的坐标参数；根据获得的标注集合计算关键点的坐标参数之间的相关性；根据计算得到的相关性确定是否更新所述关键点定义。从而有利于增强关键点定义的明确性，减小不同标注人员对同一关键点定义理解的偏差，并提高关键点的可用性，为深度学习项目的开发效率和模型质量的提高奠定重要的基石。

Methods, devices, devices and storage media for predicting key points of the object under test

【技术实现步骤摘要】
预测被测对象的关键点的方法、装置、设备及存储介质
本专利技术涉及图像处理
，尤其涉及预测被测对象的关键点的方法、装置、设备及存储介质。
技术介绍
在有监督的深度学习中，通常需要对数据进行标注，比如，对于关键点检测任务，数据的标注是图像中被测对象的关键点坐标。其中，关键点的定义和选择通常是由项目导向的，以人体关键点检测为例，目前较为常用的COCO模型就包括了18个人体关键点，这些关键点包括了位于人体主要关节上的点，比如手肘、手腕、膝盖、脚腕等关节上的点。选择这些关键点作为检测目标主要有两个原因：其一，这类关键点的位置信息对判断人体的体态和动作非常重要；其二，这类关键点在图像中有比较明显的特征，且定义比较明确。但对于大多数新项目而言，人们往往需要根据项目的目标重新定义关键点，这个对关键点进行定义的过程通常是主观的，因此很可能会因为关键点定义不明确而发生检测得到的关键点的可用性不强的问题。并且，这类问题一般会在数据准备完成之后，甚至数据训练完成之后才被发现，会给项目开发带来巨大的时间和经济损失。
技术实现思路
基于此，本专利技术提供一种预测被测对象的关键点的方法、装置、电子设备及存储介质。根据本专利技术实施例的第一方面，本专利技术提供了一种预测被测对象的关键点的方法，所述方法包括：获取基于关键点定义标注的多个标注集合，其中，所述标注集合用于记录其中一个标注人员对一个被测对象的各关键点标注的坐标参数；根据获得的标注集合计算关键点的坐标参数之间的相关性；根据计算得到的相关性确定是否更新所述关键点定义。根据本专利技术实施例的第二方面，本专利技术提供了一种预测被测对象的关键点的装置，所述装置包括：获取模块，用于获取基于关键点定义标注的多个标注集合，其中，所述标注集合用于记录其中一个标注人员对一个被测对象的各关键点标注的坐标参数；计算模块，用于根据获得的标注集合计算关键点的坐标参数之间的相关性；确定模块，用于根据计算得到的相关性确定是否更新所述关键点定义。根据本专利技术实施例第三方面，本专利技术提供了一种电子设备，其包括：处理器；存储器，用于存储可由所述处理器执行的计算机程序；其中，所述处理器执行所述程序时实现所述预测被测对象的关键点的方法的步骤。根据本专利技术实施例第四方面，本专利技术提供了一种机器可读存储介质，其上存储有程序；所述程序被处理器执行时实现所述预测被测对象的关键点的方法的步骤。相对于相关技术，本专利技术实施例至少产生了以下有益技术效果：本专利技术实施例通过根据关键点的坐标参数之间的相关性来确定是否对关键点定义进行更新，从而实现在关键点的坐标参数之间的相关性不满足预设条件的情况下(可以反映出关键点定义不明确导致不同标注人员对同一关键点定义的理解相差较大，和/或关键点不适用)，更新关键点定义，以使关键点定义趋于明确，有利于减小不同标注人员对同一关键点定义理解的偏差，提高关键点的可用性，并为深度学习项目的开发效率和模型质量的提高奠定重要的基石。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是本专利技术根据一示例性实施例示出的一种预测被测对象的关键点的方法的流程图；图2是本专利技术根据一示例性实施例示出的左面图像所对应的所有关键点的距离相关性的统计示意图；图3是本专利技术根据一示例性实施例示出的一种组间相关性的散点图；图4是本专利技术根据一示例性实施例示出的一种预测被测对象的关键点的装置的结构框图；图5是本专利技术根据一示例性实施例示出的一种电子设备的硬件结构图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。在本专利技术使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本专利技术可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本专利技术范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。在深度学习任务中，要训练得到目标模型，需事先根据学习任务目标定义合适的标签，例如，在人体体态检测任务中，要训练得到相关的目标模型，以基于目标模型的预测结果来实现对人体体态的检测，所需定义的标签一般是人体各部位的关键点及关键点的位置坐标。其中，标签一般是由标注人员根据人体各部位的关键点的定义对被测人体进行标注得到，因此得到的标签受到人为因素影响较大；并由于标签的质量会很大程度地影响基于此标签训练得到的模型的预测效果，故有必要精确定义人体各部位的关键点，并对关键点的明确性和重要性进行判断，以使关键点定义趋于明确，减小不同标注人员对同一关键点定义理解的偏差，并提高关键点的可用性，从而为深度学习项目的开发效率和模型质量的提高奠定重要的基石。基于此，如图1所示，本专利技术实施例提供了一种预测被测对象的关键点的方法，可以应用于终端中，也可以应用于服务器中，所述方法包括：S011，获取基于关键点定义标注的多个标注集合，其中，所述标注集合用于记录其中一标注人员对一个被测对象的各关键点标注的坐标参数；S012，根据获得的标注集合计算关键点的坐标参数之间的相关性；S013，根据计算得到的相关性确定是否更新所述关键点定义。上述中，所述被测对象为基于关键点的深度学习任务中所针对的对象，包括基于受测者任一角度拍摄所得的图像，例如，当所述深度学习任务为人体体态检测任务时，所述被测对象可包括基于受测人体的任一角度拍摄所得的图像，如，包括若干人体的正面图像、侧面图像和/或背面图像。所述关键点定义用于表示对于被测对象，标注人员所需标注的所有关键点所对应的定义，例如，在人体体态检测任务中，对于人体正面部位，可以包含有被预先定义的20个关键点；对于人体侧面部位，可以包含有被预先定义的13个关键点；对于人体背面部位，可以包含有被预先定义的18个关键点。可以理解为，每个标注人员可以基于人体正面被预定义的20个关键点的定义，从每张正面图像中标注出20个关键点；可以基于人体侧面被预定义的13个关键点定义，从每张侧面图像标注出13个关键点；可以基于人体背面被预定义的18个关键点定义，从每张背面图像标注出18个关键点。需要说明的是，上述各个面所包含的关键点的数量不限，可以依需增加或减少。另外，上述所有关键点可以根据所需计算的体态指标进行定义，例如，在人体体态检测中，人体左右肩部上的点可以被用于量化高低肩程度，而耳孔上的某个点和肩部上的某个点可以被用于量化头部倾斜程度。基于此，可以根据上述需本文档来自技高网...

【技术保护点】
1.一种预测被测对象的关键点的方法，其特征在于，所述方法包括：获取基于关键点定义标注的多个标注集合，其中，所述标注集合用于记录其中一个标注人员对一个被测对象的各关键点标注的坐标参数；根据获得的标注集合计算关键点的坐标参数之间的相关性；根据计算得到的相关性确定是否更新所述关键点定义。

【技术特征摘要】
1.一种预测被测对象的关键点的方法，其特征在于，所述方法包括：获取基于关键点定义标注的多个标注集合，其中，所述标注集合用于记录其中一个标注人员对一个被测对象的各关键点标注的坐标参数；根据获得的标注集合计算关键点的坐标参数之间的相关性；根据计算得到的相关性确定是否更新所述关键点定义。2.根据权利要求1所述的方法，其特征在于，每个被测对象对应两个标注集合，所述根据获得的标注集合计算关键点的坐标参数之间的相关性，包括：对于每个被测对象，根据每个关键点在两个标注集合中的坐标参数，计算每个关键点的距离；基于所有被测对象中定义相同的关键点的距离，计算定义相同的关键点的距离之间的距离相关性。3.根据权利要求2所述的方法，其特征在于，所述关键点定义包括所述关键点的水平坐标参数的定义和/或垂直坐标参数的定义；确定更新所述关键点定义时，所述方法还包括：根据所述距离相关性更新所述关键点的水平坐标参数的定义和/或垂直坐标参数的定义。4.根据权利要求2所述的方法，其特征在于，所述根据获得的标注集合计算关键点的坐标参数之间的相关性，还包括：对于每个被测对象的每个标注集合，根据指定的若干关键点的坐标参数计算得到对应的指标评价参数；基于计算得到的指标评价参数获得不同标注人员的指标评价参数之间的组间相关性。5.根据权利要...

【专利技术属性】
技术研发人员：周详，曾梓华，陈聪，彭勇华，
申请(专利权)人：广州虎牙信息科技有限公司，
类型：发明
国别省市：广东,44