本公開實施例涉及圖像檢測，尤其涉及一種關鍵點檢測方法、裝置、電子設備及存儲介質(zhì)。

背景技術：

1、現(xiàn)有技術中，通?；跓崃D或回歸的方式實現(xiàn)圖像中全身關鍵點的檢測。現(xiàn)有技術無法實現(xiàn)圖像中被遮擋的關鍵點的位置預測。

技術實現(xiàn)思路

1、本公開實施例提供了一種關鍵點檢測方法、裝置、電子設備及存儲介質(zhì)，能夠較為準確地預測被遮擋關鍵點的位置。

2、第一方面，本公開實施例提供了一種關鍵點檢測方法，包括：

3、將待檢測圖像輸入檢測模型；其中，所述檢測模型包括結(jié)構(gòu)特征提取器、碼本和解碼器，且所述碼本中包含預設全量關鍵點間結(jié)構(gòu)特征的預設特征向量；

4、通過所述結(jié)構(gòu)特征提取器，提取所述待檢測圖像對應的關鍵點間的第一結(jié)構(gòu)特征向量；其中，所述待檢測圖像對應的關鍵點包括所述待檢測圖像中未被遮擋的關鍵點和被遮擋的關鍵點；

5、從所述預設特征向量中確定與所述第一結(jié)構(gòu)特征向量鄰近的第一目標向量；

6、通過所述解碼器，將所述第一目標向量解碼為所述待檢測圖像對應的關鍵點的位置坐標。

7、第二方面，本公開實施例還提供了一種關鍵點檢測裝置，包括：

8、輸入模塊，用于將待檢測圖像輸入檢測模型；其中，所述檢測模型包括結(jié)構(gòu)特征提取器、碼本和解碼器，且所述碼本中包含預設全量關鍵點間結(jié)構(gòu)特征的預設特征向量；

9、結(jié)構(gòu)特征提取模塊，用于通過所述結(jié)構(gòu)特征提取器，提取所述待檢測圖像對應的關鍵點間的第一結(jié)構(gòu)特征向量；其中，所述待檢測圖像對應的關鍵點包括所述待檢測圖像中未被遮擋的關鍵點和被遮擋的關鍵點；

10、向量確定模塊，用于從所述預設特征向量中確定與所述第一結(jié)構(gòu)特征向量鄰近的第一目標向量；

11、位置預測模塊，用于通過所述解碼器，將所述第一目標向量解碼為所述待檢測圖像對應的關鍵點的位置坐標。

12、第三方面，本公開實施例還提供了一種電子設備，所述電子設備包括：

13、一個或多個處理器；

14、存儲裝置，用于存儲一個或多個程序，

15、當所述一個或多個程序被所述一個或多個處理器執(zhí)行，使得所述一個或多個處理器實現(xiàn)如本公開實施例任一所述的關鍵點檢測方法。

16、第四方面，本公開實施例還提供了一種包含計算機可執(zhí)行指令的存儲介質(zhì)，所述計算機可執(zhí)行指令在由計算機處理器執(zhí)行時用于執(zhí)行如本公開實施例任一所述的關鍵點檢測方法。

17、本公開實施例的技術方案，將待檢測圖像輸入檢測模型；其中，所述檢測模型包括結(jié)構(gòu)特征提取器、碼本和解碼器，且所述碼本中包含預設全量關鍵點間結(jié)構(gòu)特征的預設特征向量；通過所述結(jié)構(gòu)特征提取器，提取所述待檢測圖像對應的關鍵點間的第一結(jié)構(gòu)特征向量；其中，所述待檢測圖像對應的關鍵點包括所述待檢測圖像中未被遮擋的關鍵點和被遮擋的關鍵點；從所述預設特征向量中確定與所述第一結(jié)構(gòu)特征向量鄰近的第一目標向量；通過所述解碼器，將所述第一目標向量解碼為所述待檢測圖像對應的關鍵點的位置坐標。

18、本公開的技術方案中，首先可以通過結(jié)構(gòu)特征提取器，來提取待檢測圖像中被遮擋和未被遮擋的關鍵點之間的第一結(jié)構(gòu)特征向量；然后可以從碼本中的預設特征向量中，確定出與第一結(jié)構(gòu)特征最鄰近的第一目標向量；最后可以通過解碼器，基于第一目標向量解碼出待檢測圖像中被遮擋和未被遮擋的關鍵點的位置坐標。由于預設特征向量能夠較為準確的表征預設全量特征點間的結(jié)構(gòu)特征，通過將第一結(jié)構(gòu)特征向量替換為第一目標向量來進行關鍵點位置坐標的預測，不僅可以對未被遮擋的關鍵點進行位置預測，也可以較為準確地預測被遮擋關鍵點的位置。

技術特征：

1.一種關鍵點檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述檢測模型的構(gòu)建過程，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于樣本圖像中預設全量關鍵點的實際位置坐標，對編碼器、所述碼本和所述解碼器進行構(gòu)建，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述碼本中包含的預設特征向量的構(gòu)建過程，包括：

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述實際位置坐標、所述第一預測位置坐標、所述第二結(jié)構(gòu)特征向量和所述第二目標向量確定第一損失，包括：

6.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述樣本圖像、構(gòu)建完成的所述碼本和構(gòu)建完成的所述解碼器，對所述結(jié)構(gòu)特征提取器進行構(gòu)建，包括：

7.根據(jù)權(quán)利要求1-6中任一所述的方法，其特征在于，所述預設全量關鍵點包括人體全身關鍵點。

8.一種關鍵點檢測裝置，其特征在于，包括：

9.一種電子設備，其特征在于，所述電子設備包括：

10.一種包含計算機可執(zhí)行指令的存儲介質(zhì)，所述計算機可執(zhí)行指令在由計算機處理器執(zhí)行時用于執(zhí)行如權(quán)利要求1-7中任一所述的關鍵點檢測方法。

技術總結(jié)
本公開實施例公開了一種關鍵點檢測方法、裝置、電子設備及存儲介質(zhì)，其中該方法包括：將待檢測圖像輸入檢測模型；其中，所述檢測模型包括結(jié)構(gòu)特征提取器、碼本和解碼器，且所述碼本中包含預設全量關鍵點間結(jié)構(gòu)特征的預設特征向量；通過所述結(jié)構(gòu)特征提取器，提取所述待檢測圖像對應的關鍵點間的第一結(jié)構(gòu)特征向量；其中，所述待檢測圖像對應的關鍵點包括所述待檢測圖像中未被遮擋的關鍵點和被遮擋的關鍵點；從所述預設特征向量中確定與所述第一結(jié)構(gòu)特征向量鄰近的第一目標向量；通過所述解碼器，將所述第一目標向量解碼為所述待檢測圖像對應的關鍵點的位置坐標。能夠較為準確地預測被遮擋關鍵點的位置。

技術研發(fā)人員：胡青文,許有疆
受保護的技術使用者：北京字跳網(wǎng)絡技術有限公司
技術研發(fā)日：
技術公布日：2025/5/19