本发明专利技术涉及人工智能技术领域，提供一种牛脸关键点检测方法、装置、电子设备及存储介质，对多张原始牛脸图像进行处理后得到牛脸图像集，标记每张牛脸图像中的牛脸关键点及牛耳朵关键点，获取牛脸关键点的坐标值及牛耳朵关键点的坐标值，并根据牛耳朵关键点的坐标值计算坐标偏移值，根据牛脸关键点的坐标值和坐标偏移值初始化损失函数，以牛脸图像集作为牛脸关键点检测网络的输入，以最小化损失函数为训练目标，对牛脸关键点检测网络进行迭代训练，得到牛脸关键点检测模型。本发明专利技术将关键点分类为刚体关键点和非刚体关键点，使用不同的损失函数进行训练，提高了模型的检测准确度；根据牛耳朵关键点确定的偏移量，能够提高模型的整体结构感知能力。结构感知能力。结构感知能力。
【技术实现步骤摘要】
牛脸关键点检测方法、装置、电子设备及存储介质
[0001]本专利技术涉及人工智能
，具体涉及一种牛脸关键点检测方法、装置、电子设备及存储介质。
技术介绍
[0002]牛脸识别技术是基于图像中牛脸部特征的差异进行区分的牛只身份识别方法。牛脸识别的整个过程包括牛脸检测、牛脸关键点检测以及牛脸识别三个主要步骤。其中牛脸检测是目标检测的一种特例，是框出图像中的所有牛脸。牛脸关键点检测是定位出牛脸的关键区域的位置点，利用这些关键点使用仿射变换将牛脸统一“摆正”，尽量去消除牛脸识别中姿势不同带来的误差。因此牛脸检测和牛脸关键点检测是牛脸识别的基础。
[0003]当前主流的牛脸关键点检测算法有两种：一种是基于热图的关键点检测，一种是基于坐标点回归的关键点检测。
[0004]专利技术人在实现本专利技术的过程红发现，基于热图的关键点检测虽然空间泛化能力强，但是缺点也比较明显，热图在训练过程中不能做到端到端可微，即从热图到关键点实际坐标值不可导，同时热图预测的输出有上采样过程，训练和推理速度都比较慢，检测效率较低。基于坐标点回归的关键点检测的优点是训练和推理速度较快，但是最终使用全链接层会造成整体结构信息不足，尤其是在数据量较小的情况下，坐标点回归的方式很容易造成过拟合，降低模型的泛化能力。
技术实现思路
[0005]鉴于以上内容，有必要提出一种牛脸关键点检测方法、装置、电子设备及存储介质，能够提高牛脸关键点检测模型的检测效率及泛化能力。
[0006]本专利技术的第一方面提供一种牛脸关键点检测方法，所述方法包括：
[0007]获取多张原始牛脸图像，并对多张所述原始牛脸图像进行处理，根据处理后的原始牛脸图像创建牛脸图像集；
[0008]标记所述牛脸图像集中每张牛脸图像中的牛脸关键点及牛耳朵关键点；
[0009]获取所述牛脸关键点的坐标值及所述牛耳朵关键点的坐标值，并根据所述牛耳朵关键点的坐标值计算坐标偏移值；
[0010]初始化牛脸关键点检测网络架构及根据所述牛脸关键点的坐标值和所述坐标偏移值初始化损失函数；
[0011]以所述牛脸图像集作为所述牛脸关键点检测网络的输入，以最小化所述损失函数为训练目标，对所述牛脸关键点检测网络进行迭代训练，得到牛脸关键点检测模型；
[0012]响应于对目标牛脸图像的检测指令，使用所述牛脸关键点检测模型检测所述目标牛脸图像的牛脸关键点。
[0013]根据本专利技术的一个可选的实施方式，所述牛脸关键点检测网络架构包括三条分支：
[0014]第一条分支用于所述牛脸关键点回归；
[0015]第二条分支用于所述牛耳朵关键点的偏移量回归；
[0016]第三条分支用于关键点的分类置信度。
[0017]根据本专利技术的一个可选的实施方式，所述损失函数为：
[0018]L
total
＝L
landmark
+αL
oTfset
+βL
score
，
[0019]其中，α和β是超参数，L
landmark
是牛脸关键点回归损失函数，L
offset
是牛耳朵关键点的偏移量回归损失函数，L
score
是关键点的置信度约束函数。
[0020]根据本专利技术的一个可选的实施方式，所述根据所述牛耳朵关键点的坐标值计算坐标偏移值包括：
[0021]获取所述牛耳朵关键点中的多个指定关键点及多个非指定关键点；
[0022]根据多个所述指定关键点的坐标值计算坐标均值；
[0023]根据每个所述非指定关键点的坐标值与所述坐标均值计算得到坐标偏移值。
[0024]根据本专利技术的一个可选的实施方式，所述对多张所述原始牛脸图像进行处理，根据处理后的原始牛脸图像创建牛脸图像集包括：
[0025]根据多张所述原始牛脸图像计算得到均值图像；
[0026]采用预设指标计算模型基于每张所述原始牛脸图像及所述均值图像计算得到指标值；
[0027]根据所述指标值在所述原始牛脸图像中进行截取，得到截取牛脸图像；
[0028]将多张所述原始牛脸图像及多张所述截取牛脸图像进行归一化处理，得到多张归一化牛脸图像；
[0029]根据多张所述归一化牛脸图像创建牛脸图像集。
[0030]根据本专利技术的一个可选的实施方式，所述根据所述指标值在所述原始牛脸图像中进行截取，得到截取牛脸图像包括：
[0031]获取与所述预设指标计算模型对应的指标阈值；
[0032]对所述指标值与所述指标阈值进行比较，得到比较结果；
[0033]根据所述比较结果确定截取框；
[0034]对所述原始牛脸图像进行牛脸检测，得到牛脸检测框；
[0035]以所述牛脸检测框的中心为所述截取框的中心，根据所述截取框在所述原始牛脸图像中进行截取，得到所述截取牛脸图像。
[0036]根据本专利技术的一个可选的实施方式，所述使用所述牛脸关键点检测模型检测所述目标牛脸图像的牛脸关键点包括：
[0037]采用所述预设指标计算模型基于所述目标牛脸图像及所述均值图像计算得到目标指标值；
[0038]对所述目标指标值与所述指标阈值进行比较，得到目标比较结果；
[0039]根据所述目标比较结果确定目标截取框；
[0040]对所述目标牛脸图像进行牛脸检测，得到目标牛脸检测框；
[0041]以所述目标牛脸检测框的中心为所述目标截取框的中心，根据所述目标截取框在所述目标牛脸图像中进行截取，得到目标截取牛脸图像；
[0042]对所述目标截取牛脸图像进行归一化处理，得到目标归一化牛脸图像；
[0043]使用所述牛脸关键点检测模型对所述目标归一化牛脸图像进行检测，得到所述牛脸关键点。
[0044]本专利技术的第二方面提供一种牛脸关键点检测装置，所述装置包括：
[0045]处理模块，用于获取多张原始牛脸图像，并对多张所述原始牛脸图像进行处理，根据处理后的原始牛脸图像创建牛脸图像集；
[0046]标记模块，用于标记所述牛脸图像集中每张牛脸图像中的牛脸关键点及牛耳朵关键点；
[0047]计算模块，用于获取所述牛脸关键点的坐标值及所述牛耳朵关键点的坐标值，并根据所述牛耳朵关键点的坐标值计算坐标偏移值；
[0048]初始化模块，用于初始化牛脸关键点检测网络架构及根据所述牛脸关键点的坐标值和所述坐标偏移值初始化损失函数；
[0049]训练模块，用于以所述牛脸图像集作为所述牛脸关键点检测网络的输入，以最小化所述损失函数为训练目标，对所述牛脸关键点检测网络进行迭代训练，得到牛脸关键点检测模型；
[0050]检测模块，用于响应于对目标牛脸图像的检测指令，使用所述牛脸关键点检测模型检测所述目标牛脸图像的牛脸关键点。
[0051]本专利技术的第三方面提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种牛脸关键点检测方法，其特征在于，所述方法包括：获取多张原始牛脸图像，并对多张所述原始牛脸图像进行处理，根据处理后的原始牛脸图像创建牛脸图像集；标记所述牛脸图像集中每张牛脸图像中的牛脸关键点及牛耳朵关键点；获取所述牛脸关键点的坐标值及所述牛耳朵关键点的坐标值，并根据所述牛耳朵关键点的坐标值计算坐标偏移值；初始化牛脸关键点检测网络架构及根据所述牛脸关键点的坐标值和所述坐标偏移值初始化损失函数；以所述牛脸图像集作为所述牛脸关键点检测网络的输入，以最小化所述损失函数为训练目标，对所述牛脸关键点检测网络进行迭代训练，得到牛脸关键点检测模型；响应于对目标牛脸图像的检测指令，使用所述牛脸关键点检测模型检测所述目标牛脸图像的牛脸关键点。2.如权利要求1所述的牛脸关键点检测方法，其特征在于，所述牛脸关键点检测网络架构包括三条分支：第一条分支用于所述牛脸关键点回归；第二条分支用于所述牛耳朵关键点的偏移量回归；第三条分支用于关键点的分类置信度。3.如权利要求2所述的牛脸关键点检测方法，其特征在于，所述损失函数为：L
total
＝L
landmark
+αL
offset
+βL
score
，其中，α和β是超参数，L
landmark
是牛脸关键点回归损失函数，l
offset
是牛耳朵关键点的偏移量回归损失函数，L
score
是关键点的置信度约束函数。4.如权利要求1至3中任意一项所述的牛脸关键点检测方法，其特征在于，所述根据所述牛耳朵关键点的坐标值计算坐标偏移值包括：获取所述牛耳朵关键点中的多个指定关键点及多个非指定关键点；根据多个所述指定关键点的坐标值计算坐标均值；根据每个所述非指定关键点的坐标值与所述坐标均值计算得到坐标偏移值。5.如权利要求1至3中任意一项所述的牛脸关键点检测方法，其特征在于，所述对多张所述原始牛脸图像进行处理，根据处理后的原始牛脸图像创建牛脸图像集包括：根据多张所述原始牛脸图像计算得到均值图像；采用预设指标计算模型基于每张所述原始牛脸图像及所述均值图像计算得到指标值；根据所述指标值在所述原始牛脸图像中进行截取，得到截取牛脸图像；将多张所述原始牛脸图像及多张所述截取牛脸图像进行归一化处理，得到多张归一化牛脸图像；根据多张所述归一化牛脸图像创建牛脸图像集。6.如权利...
【专利技术属性】
技术研发人员：胡魁，李佼，盛建达，戴磊，陈远旭，
申请(专利权)人：平安科技深圳有限公司，
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。