指标预测方法、装置、电子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指标预测方法、装置、电子设备及存储介质，其中的方法包括：获取被测对象，所述被测对象包括基于任一角度拍摄的受测者图像；向已训练的目标模型输入所述被测对象，以使所述目标模型提取得到所述被测对象中关键点的位置信息；根据与所需预测的指标相关的若干关键点的位置信息，计算得到对应于所述若干关键点之间的位置关系的指标参数。

Indicator prediction methods, devices, electronic devices and storage media

【技术实现步骤摘要】
指标预测方法、装置、电子设备及存储介质
本专利技术涉及图像处理
，尤其涉及指标预测方法、装置、电子设备及存储介质。
技术介绍
由于动物一些生活方式(例如，久坐不动、长时间观看某个事物、运动)会对动物的体态造成一定影响，从动物的体态又可以反映出动物身体的健康状态，所以可以通过对动物体态的分析来得知动物的健康状况，以使用户可以根据体态分析结果来改善或保持自身或其宠物的健康状况。但目前，专业的体态分析通常需要在特定场地由专业人士进行相关操作才能完成，例如，在健身房中，通过健身教练利用自身经验和辅助网格对受测者的身体外观进行目测；在医院中，通过医生利用医学影像，如X射线、CT及核磁共振对受测者的体态进行评估。因此，目前对动物体态进行评估的方式都必须依赖有经验的专业人士，且评估过程涉及较多人为操作，从而不仅导致体态分析结果容易受到人为因素的影响，体态分析效率较低；而且还耗费受测者大量的时间和金钱。
技术实现思路
基于此，本专利技术提供一种指标预测方法、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指标预测方法，所述方法包括：获取被测对象，所述被测对象包括基于任一角度拍摄的受测者图像；向已训练的目标模型输入所述被测对象，以使所述目标模型提取得到所述被测对象中关键点的位置信息；根据与所需预测的指标相关的若干关键点的位置信息，计算得到对应于所述若干关键点之间的位置关系的指标参数；其中，所述目标模型通过基于进行关键点标注前的原始对象、以及所述原始对象对应的关键点标准热图和结构标准热图进行训练得到；所述关键点标准热图和所述结构标准热图基于所述原始对象被进行关键点标注后所得的标注对象和预定的模型预测任务得到；一个热图用于记录一个关键点或一个结构的热图信息，一个结构用于表征指定的若干关键点之间的位置关系。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指标预测装置，所述装置包括：被测对象获取模块，用于获取被测对象，所述被测对象包括基于任一角度拍摄的受测者图像；第一输入模块，用于向已训练的目标模型输入所述被测对象，以使所述目标模型提取得到所述被测对象中关键点的位置信息；指标计算模块，用于根据与所需预测的指标相关的若干关键点的位置信息，计算得到对应于所述若干关键点之间的位置关系的指标参数；其中，所述目标模型通过基于进行关键点标注前的原始对象、以及所述原始对象对应的关键点标准热图和结构标准热图进行训练得到；所述关键点标准热图和所述结构标准热图基于所述原始对象被进行关键点标注后所得的标注对象和预定的模型预测任务得到；一个热图用于记录一个关键点或一个结构的热图信息，一个结构用于表征指定的若干关键点之间的位置关系。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指标预测方法的步骤。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指标预测方法的步骤。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：通过目标模型提取被测对象的关键点的位置信息、并基于位置信息计算得到对应的指标参数，从而在本专利技术实施例应用于一般的体态预测任务中时，实现体态检测不需要在特定场地以及专业人士的参与，且用户可以随时随地的通过装载有本专利技术实施例的技术方案的终端设备实现对人体体态或其他动物体态的预测，有利于降低用户时间成本和经济成本；并由于所述目标模型可以基于与预定的模型预测任务相关的数据构建而成，这么一来，设计者还可以根据实际预测需求去重新确定用于训练模型的数据，以构建对应的目标模型，从而有利于提高对不同预测需求的目标模型的构建灵活度，实现本专利技术实施例还能适用于除了体态预测任务以外的其他基于关键点实现指标预测的任务。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指标预测方法的流程图；图1a是本专利技术根据一示例性实施例示出的一种体态评分结果的示意图；图2是本专利技术根据一示例性实施例示出的一种用于表示指定的若干关键点之间的位置关系的结构的示意图；图3是本专利技术根据一示例性实施例示出的另一种用于表示指定的若干关键点之间的位置关系的结构的示意图；图4是本专利技术根据一示例性实施例示出的一种初始模型的网络结构的框图；图5是本专利技术根据一示例性实施例示出的另一种初始模型的网络结构的框图；图6是图5所示的初始模型的网络结构的示意图；图6a是本专利技术根据一示例性实施例示出的另一种初始模型的网络结构的示意图；图6b是本专利技术基于图6a所示的实施例示出的另一种初始模型的网络结构的框图；图6c是图6b所示的初始模型的网络结构的示意图；图7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8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9是本专利技术根据一示例性实施例示出的一种指标预测方法的流程框图；图10是本专利技术根据一示例性实施例示出的一种指标预测装置的结构框图；图11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”。本专利技术实施例提供了一种指标预测方法，所述方法可以应用于终端中，也可以应用于服务器中。所述方法用于实现对动物体态的指标预测，通过目标模型提取被测对象的关键点的位置信息、并基于位置信息计算得到对应的指标参数，从而在本专利技术实施例应用于一般的体态预测任务中时，实现体态检测不需要在特定场地以及专业人士的参与，且用户可以随时随地的通过装载有本专利技术实施例的技术方案的终端设备实现对人体体态或其他动物体态的预测，有利于降低用户时间成本和经济成本，使得用户可以根据预测结果改善或保持受测者的健康状况；并由于所述目标模型可以基于与预定的模型预测任务相关的数据构建而成，这么一来，设计者还可以根据实际预测需求去重新确定用于训练模型的数据，以构建对应的目标模型，从而有利于提高本文档来自技高网...

【技术保护点】
1.一种指标预测方法，其特征在于，包括：获取被测对象，所述被测对象包括基于任一角度拍摄的受测者图像；向已训练的目标模型输入所述被测对象，以使所述目标模型提取得到所述被测对象中关键点的位置信息；根据与所需预测的指标相关的若干关键点的位置信息，计算得到对应于所述若干关键点之间的位置关系的指标参数；其中，所述目标模型通过基于进行关键点标注前的原始对象、以及所述原始对象对应的关键点标准热图和结构标准热图进行训练得到；所述关键点标准热图和所述结构标准热图基于所述原始对象被进行关键点标注后所得的标注对象和预定的模型预测任务得到；一个热图用于记录一个关键点或一个结构的热图信息，一个结构用于表征指定的若干关键点之间的位置关系。

【技术特征摘要】
1.一种指标预测方法，其特征在于，包括：获取被测对象，所述被测对象包括基于任一角度拍摄的受测者图像；向已训练的目标模型输入所述被测对象，以使所述目标模型提取得到所述被测对象中关键点的位置信息；根据与所需预测的指标相关的若干关键点的位置信息，计算得到对应于所述若干关键点之间的位置关系的指标参数；其中，所述目标模型通过基于进行关键点标注前的原始对象、以及所述原始对象对应的关键点标准热图和结构标准热图进行训练得到；所述关键点标准热图和所述结构标准热图基于所述原始对象被进行关键点标注后所得的标注对象和预定的模型预测任务得到；一个热图用于记录一个关键点或一个结构的热图信息，一个结构用于表征指定的若干关键点之间的位置关系。2.根据权利要求1所述的方法，其特征在于，所述指标参数的计算过程包括：根据与所需预测的指标相关的若干关键点的位置信息，计算得到用于表征所述若干关键点之间的位置关系的关系参数；获取所述关系参数对应的指标的标准值和标准取值范围；所述标准值隶属于所述标准取值范围；如果所述关系参数小于所述标准取值范围中的最小值，则根据所述关系参数、所述最小值和所述标准取值范围计算得到所述指标参数；如果所述关系参数大于或等于所述最小值且小于所述标准值，则根据所述关系参数、所述标准值和所述最小值计算得到所述指标参数；如果所述关系参数大于或等于所述标准值且小于所述标准取值范围中的最大值，则根据所述关系参数、所述标准值和所述最大值计算得到所述指标参数；如果所述关系参数大于或等于所述最大值，则根据所述关系参数、所述最大值和所述标准取值范围计算得到所述指标参数。3.根据权利要求2所述的方法，其特征在于，所述标准值为预设的标准值，或者，所述标准值通过基于预设时间段内的关系参数计算得到。4.根据权利要求1所述的方法，其特征在于，所述目标模型的构建过程包括：确定初始模型，所述初始模型包括特征提取网络、中间监督层和激活层；向所述初始模型的特征提取网络输入原始对象，以使所述中间监督层和所述激活层分别生成结构预测热图和第一关键点预测热图；基于当前原始对象对应的结构预测热图和结构标准热图、以及对应的第一关键点预测热图和关键点标准热图，计算得到当前总损失参数；根据预设时段内的总损失参数确定所述初始模型是否已被构建成为目标模型。5.根据权利要求4所述的方法，其特征在于，向所述初始模型的特征提取网络输入原始对象之后，所述中间监督层还生成第二关键点预测热图；所述当前总损失参数基于当前原始对象对应的结构预测热图和结构标准热图、对应的第一关键点预测热图和关键点标准热图、以及对应的第二关键点预测热图和关键点标准热图计算得到。6.根据权利要求4或5所述的方法，其特征在于，所述激活层还迭代生成每个关键点的多张第一关键点预测热图。7.根据权利要求1所述的方法，其特征在于，对于每个原始对象，其总损失参数等于其所有关键点的损失参数...

【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