【技术实现步骤摘要】
【国外来华专利技术】基于神经网络的关键点检测方法和系统
[0001]本专利技术涉及的是一般的神经网络领域,尤其是深度神经网络领域。更具体地说,本专利技术涉及用于检测包含在图像中的多个对象的关键点并基于神经网络将所述关键点与各相应对象相关联的一种方法和系统。所述神经网络可以是例如卷积神经网络。
技术介绍
[0002]关键点检测的目的是,定位图像上一对象的预定义点集,并将它们分组到各个对象实例,这是一项挑战性的任务,尤其是在汽车应用领域中。通过检测行人、骑车人、车辆等对象的关键点,可确定所述对象相对于摄像装置视线的姿态。此外,还可对由摄像装置提供的图像中的一个或多个人进行骨骼检测。
[0003]尤其在车辆中,计算资源是有限的。然而,在如自主驾驶或至少部分辅助驾驶等汽车应用领域中,却有必要实时检测和分组关键点,并将所述分组的关键点(例如以0.1秒或更短的延迟)与对象相关联,因为必须基于检测到的对象关键点或姿态,迅速做出决定。
[0004]曹哲(Zhe Cao)、托马斯
·
西蒙(Tomas Simon)、魏斯恩(Shih
‑
En Wei)、亚瑟
·
沙伊赫(Yaser Sheikh)于2016年11月24日在国际计算机视觉与模式识别会议上发表的论文“Realtime Multi
‑
Person 2D Pose Estimation using Part Affinity Fields(使用部分亲和场的实时多人二维平面姿态估计)”中公布了以感兴趣关键点位置为中心 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.用于确定包含在图像中的多个对象的关键点并基于神经网络(2)和与神经网络(2)耦合的后处理系统(3)将所述关键点与各相应对象相关联的计算机实现方法,其中,所述方法包括以下步骤:
‑
由神经网络(2)提供置信热图(CH)(S10),其中,所述置信热图(CH)包含比所述图像更低的分辨率,并由此提供有关感兴趣的关键点的大致位置的信息;
‑
由神经网络(2)提供细化偏移矢量(ROV)(S11),其中,每个细化偏移矢量(ROV)与一特定关键点相关联,其中,每个细化偏移矢量(ROV)提供用于细化相关联的关键点的位置的信息;
‑
提供(S12):o由神经网络(2)提供质心偏移矢量(COV)集,其中,所述质心偏移矢量(COV)集中的每个质心偏移矢量都与一关键点相关联,其中,所述质心偏移矢量(COV)提供有关关键点与所述关键点所属对象的质心之间的距离和方向的信息;或o由神经网络(2)提供一个或多个质心置信热图,其中,每个质心置信热图包括比所述图像更低的分辨率,并由此提供关于质心大致位置的信息,其中,由神经网络(2)提供一个或多个质心细化偏移矢量,其中,每个质心细化偏移矢量与一质心相关联,并提供用于对相关联的质心的位置进行细化的信息;
‑
确定各相应置信热图(CH)中的最大值位置,并将各相应置信热图(CH)中的最大值位置用作关键点大致位置,并通过添加细化偏移矢量(ROV)对所述关键点大致位置进行细化,从而获得细化的关键点位置(S13);
‑
通过以下方式确定所述多个对象的质心(S14)o将质心偏移矢量(COV)添加到细化的关键点位置或关键点大致位置;或o通过向各相应质心大致位置添加质心细化偏移矢量,对由质心置信热图提供的质心大致位置进行细化(S14);
‑
基于所确定的对象质心将关键点与对象相关联(S15)。2.根据权利要求1所述的方法,其中,神经网络(2)提供一亲和场矢量(AFV)集,其中,所述亲和场矢量(AFV)提供有关关键点对之间的连接的信息。3.根据权利要求2所述的方法,其中,亲和场矢量(AFV)用于确定通过对象连接结构相互连接的关键点对。4.根据权利要求2或3所述的方法,其中,在关键点模糊不清情况下,亲和场矢量(AFV)用于消除关键点的模糊性。5.根据上述权利要求中任一权利要求所述的方法,其中,神经网络(2)为不同类型的对象提供置信热图(CH)、细化偏移矢量(ROV)、质心偏移矢量和/或质心置信热图。6.根据上述权利要求中任一权利要求所述的方法,其中,置信热图(CH)根据给定的关键点类型进行分组和/或标记。7.根据上述权利要求中任一权利要求所述的方法,其中,将关键点与对象相关联的步骤是基于搜索与一个或多个关键点最接近的质心来实施的。8.根据上述权利要求中任一权利要求所述的方法,其中,将关键点与对象相关联的步骤是通过确定一个或多个质心集群、为每个质心集群分配一标记以及通过考...
【专利技术属性】
技术研发人员:C,
申请(专利权)人:大陆智行德国有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。