一种关键点真值生成方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供了一种关键点真值生成方法、装置、设备和存储介质。该方法包括：获取已经识别出关键点的原始图像；初始化关键点对应的零矩阵；根据关键点在原始图像中的位置信息，零矩阵与原始图像的尺寸比例以及待生成的真值特征图的种类，为零矩阵赋值；根据被赋值的零矩阵，生成关键点对应的种类的真值特征图，以便利用真值特征图，训练关键点识别模型；该种类的真值特征图与关键点的其他种类的真值特征图的像素点取值范围相同。本发明专利技术通过初始化关键点对应的零矩阵；根据待生成的真值特征图的种类，结合关键点在原始图像中的位置以及零矩阵与原始图像的尺寸比例，为零矩阵赋值，使得关键点对应的多种真值特征图的像素取值范围相同。

A method, device, device and storage medium for generating truth value of key points

【技术实现步骤摘要】
一种关键点真值生成方法、装置、设备和存储介质
本专利技术涉及图像处理
，特别是涉及一种关键点真值生成方法、装置、设备和存储介质。
技术介绍
随着计算机算力的提升和深度学习技术的发展，基于深度学习的关键点识别算法被提出，通过使用大量带有标注的数据训练深度学习网络，使得深度学习网络可以对各种姿势的人体关键点进行识别且泛化能力很强，如图1所示，为利用深度学习网络识别出的人体关键点的示意图。但是，大部分基于深度学习的关键点识别算法存在算力和精度不协调的问题，想要降低计算复杂度就必然会降低精度，这使得关键点识别算法无法在移动端部署。为了解决算力和精度不协调的问题，提出了一种通过热度图和位移图来间接识别关键点的方法，相对于传统的基于单热度图的关键点识别方式，通过位移图在热度图中定位关键点的算法更为简单，所以，通过热度图和位移图来识别关键点的方法可以降低深度学习网络的复杂度，而且识别精度较高。具体来说，可以使用一张热度图和两种位移图(x方向和y方向)来表示一个关键点。热度图是一种类高斯的分布，位移图是表示当前位置与真值点的位移。热度图和本文档来自技高网...

【技术保护点】
1.一种关键点真值生成方法，其特征在于，包括：/n获取已经识别出关键点的原始图像；/n初始化所述关键点对应的零矩阵；/n根据所述关键点在所述原始图像中的位置信息，所述零矩阵与所述原始图像的尺寸比例以及待生成的真值特征图的种类，为所述零矩阵赋值；/n根据被赋值的所述零矩阵，生成所述关键点对应的所述种类的真值特征图，以便利用根据所述零矩阵生成的所述真值特征图，训练预设的关键点识别模型；其中，所述种类的真值特征图与所述关键点的其他种类的真值特征图的像素点取值范围相同。/n

【技术特征摘要】
1.一种关键点真值生成方法，其特征在于，包括：
获取已经识别出关键点的原始图像；
初始化所述关键点对应的零矩阵；
根据所述关键点在所述原始图像中的位置信息，所述零矩阵与所述原始图像的尺寸比例以及待生成的真值特征图的种类，为所述零矩阵赋值；
根据被赋值的所述零矩阵，生成所述关键点对应的所述种类的真值特征图，以便利用根据所述零矩阵生成的所述真值特征图，训练预设的关键点识别模型；其中，所述种类的真值特征图与所述关键点的其他种类的真值特征图的像素点取值范围相同。


2.根据权利要求1所述的方法，其特征在于，
当所述真值特征图像为真值热度图时，所述根据所述关键点在所述原始图像中的位置信息，所述零矩阵与所述原始图像的尺寸比例以及待生成的真值特征图的种类，为所述零矩阵赋值，包括：
根据所述关键点在所述原始图像中的坐标以及所述零矩阵与所述原始图像的尺寸比例，确定所述关键点在所述零矩阵中的坐标；
根据所述关键点在所述零矩阵中的坐标以及所述零矩阵中待赋值的像素点的坐标，确定所述待赋值的像素点是否处于所述关键点的预设范围内；
如果所述待赋值的像素点处于所述预设范围内，则将所述待赋值的像素点赋值为第一像素值；反之，则将所述待赋值的像素点赋值为第二像素值。


3.根据权利要求2所述的方法，其特征在于，所述第一像素值为：



其中，e为自然底数，d2为所述关键点在所述零矩阵中的坐标与所述零矩阵中待赋值的像素点的坐标之间的距离的平方；α表示预设参数值；r为以所述关键点为中心的所述预设范围的半径。


4.根据权利要求1所述的方法，其特征在于，
所述真值特征图像包括：蒙版位移图；所述蒙版位移图包括：蒙版横轴位移图和蒙版纵轴位移图；
所述初始化所述关键点对应的零矩阵，包括：
初始化所述关键点对应的横轴零矩阵，以及初始化所述关键点对应的纵轴零矩阵；其中，所述横轴零矩阵用于生成蒙版横轴位移图，所述纵轴零矩阵用于生成蒙版纵轴位移图。


5.根据权利要求4所述的方法，其特征在于，所述根据所述关键点在所述原始图像中的位置信息，所述零矩阵与所述原始图像的尺寸比例以及待生成的真值特征图的种类，为所述零矩阵赋值，包括：
根据所述关键点在所述原始图像中的坐标以及所述零矩阵与所述原始图像的尺寸比例，确定所述关键点在所述横轴零矩阵中的坐标以及所述关键点在所述纵轴零矩阵中的坐标；
根据所述关键点在所述原始图像中的横坐标，所述横轴零矩阵与所述原始图像的尺寸比例以及所述横轴零矩阵中的待赋值的像素点的横坐标，为所述横轴零矩阵中的待赋值的像素点赋值；
根据所述关键点在所述原始图像中的纵坐标，所述纵轴零矩阵与所述原始图像的尺寸比例以及所述纵轴零矩阵中的待赋值的像素点的纵坐标，为所述横轴零矩阵中的待赋值的像素点赋值。


6.根据权利要求5所述的方法，其特征在于，
所述为所述横轴零矩阵中的待赋值的像素点赋值，包括：
采用如下公式确定所述横轴零矩阵中的待赋值的像素点的值：
wxab＝a×s-xk；
其中，wxab表示为所述横轴零矩阵中的所述待赋值的像素点的值；a为所述横轴零矩阵中的所述待赋值的像素点的横坐标；d表示所述原始图像的尺寸是所述横轴零矩阵的尺寸的s倍；xk为所述关键点在所述原始图像中的横坐标；
和/或，所述为所述纵轴零矩阵中的待赋值的像素点赋值，包括：
采用如下公式确定所述纵轴零矩阵中的待赋值的像素点的值：

【专利技术属性】
技术研发人员：刘思阳，
申请(专利权)人：北京爱奇艺科技有限公司，
类型：发明
国别省市：北京;11