人体特征点的检测方法、装置、电子设备以及存储介质制造方法及图纸

本申请公开了一种人体特征点的检测方法、装置、电子设备以及存储介质，涉及电子设备技术领域。所述方法包括：获取待检测图像，对待检测图像进行下采样处理，获得待检测图像的第一图像特征，对第一图像特征进行多尺度特征提取，获得待检测图像的多个第二图像特征，对多个第二图像特征进行卷积运算，获得待检测图像中的人体特征点位置信息和人体特征点连接信息。本申请通过对待检测图像进行多尺度特征提取，以获取在不同尺度下的图像特征，并基于不同尺度下的图像特征获取人体特征点位置信息和人体特征点连接信息，从而大幅度提升人体特征点检测的精度和效率。

【技术实现步骤摘要】
人体特征点的检测方法、装置、电子设备以及存储介质
本申请涉及电子设备
，更具体地，涉及一种人体特征点的检测方法、装置、电子设备以及存储介质。
技术介绍
随着人工智能技术的不断发展，人工智能技术也逐渐被应用到人体特征点的检测领域。目前，在通过人工智能技术对图像中的人体特征点进行检测时，需要先用目标检测算法检测出图像中的人体，再对检测出的人体进行人体特征点检测，检测速度与图像中人体的个数呈线性增长关系，因此，在图像中的人体个数较多时，检测速度较慢。
技术实现思路
鉴于上述问题，本申请提出了一种人体特征点的检测方法、装置、电子设备以及存储介质，以解决上述问题。第一方面，本申请实施例提供了一种人体特征点的检测方法，所述方法包括：获取待检测图像；对所述待检测图像进行下采样处理，获得所述待检测图像的第一图像特征；对所述第一图像特征进行多尺度特征提取，获得所述待检测图像的多个第二图像特征；对所述多个第二图像特征进行卷积运算，获得所述待检测图像中的人体特征点位置信息和人体特征点连接信息。第二方面，本申请实施例提供了一种本文档来自技高网...

【技术保护点】
1.一种人体特征点的检测方法，其特征在于，所述方法包括：/n获取待检测图像；/n对所述待检测图像进行下采样处理，获得所述待检测图像的第一图像特征；/n对所述第一图像特征进行多尺度特征提取，获得所述待检测图像的多个第二图像特征；/n对所述多个第二图像特征进行卷积运算，获得所述待检测图像中的人体特征点位置信息和人体特征点连接信息。/n

【技术特征摘要】
1.一种人体特征点的检测方法，其特征在于，所述方法包括：
获取待检测图像；
对所述待检测图像进行下采样处理，获得所述待检测图像的第一图像特征；
对所述第一图像特征进行多尺度特征提取，获得所述待检测图像的多个第二图像特征；
对所述多个第二图像特征进行卷积运算，获得所述待检测图像中的人体特征点位置信息和人体特征点连接信息。


2.根据权利要求1所述的方法，其特征在于，所述对所述多个第二图像特征进行卷积运算，获得所述待检测图像中的人体特征点位置信息和人体特征点连接信息，包括：
对所述待检测图像进行下采样处理，获取所述待检测图像的第三图像特征；
对所述多个第二图像特征和所述第三图像特征进行卷积运算，获得所述待检测图像中的所述人体特征点位置信息和所述人体特征点连接信息。


3.根据权利要求2所述的方法，其特征在于，所述对所述多个第二图像特征和所述第三图像特征进行卷积运算，获得所述待检测图像中的所述人体特征点位置信息和所述人体特征点连接信息，包括：
将所述多个第二图像特征和所述第三图像特征进行通道连接，获得第四图像特征；
对所述第四图像特征进行卷积运算，获得所述待检测图像中的所述人体特征点位置信息和所述人体特征点连接信息。


4.根据权利要求2所述的方法，其特征在于，所述对所述待检测图像进行下采样处理，获得所述待检测图像的第一图像特征，包括：
对所述待检测图像进行N1倍下采样处理，获得待处理图像特征，其中，N1＝2M1，N1为正整数；
对所述待处理图像特征进行N2倍上采样处理，获得所述待检测图像的第一图像特征，N2＝2M2，N2＜N1，N2为正整数。


5.根据权利要求4所述的方法，其特征在于，所述对所述待检测图像进行下采样处理，获取所述待检测图像的第三图像特征，包括：
对所述待检测图像进行N3倍下采样处理，获取所述待检测图像的第三图像特征，其中，N3＝2M1-M2，N3为正整数。


6.根据权利要求1-5任一项所述的方法，其特征在于，所述对所述第一图像特征进行多尺度特征提取，获得所述待检测图像的多个第二图像特征，包括：
将所述第一图像特征输入检测模型的多尺度模块，通过所述多尺度模块对所述第一图像特征进行多尺度特征提取，获得所述待检测图像的多个第二图像特征。


7.根据权利要求6所述的方法，其特征在于，所述多尺度模块包括...

【专利技术属性】
技术研发人员：吴佳涛，
申请(专利权)人：OPPO广东移动通信有限公司，上海瑾盛通信科技有限公司，
类型：发明
国别省市：广东;44