CN108230357A - 关键点检测方法、装置、存储介质、计算机程序和电子设备 - Google Patents

关键点检测方法、装置、存储介质、计算机程序和电子设备 Download PDF

Info

Publication number
CN108230357A
CN108230357A CN201711009826.4A CN201711009826A CN108230357A CN 108230357 A CN108230357 A CN 108230357A CN 201711009826 A CN201711009826 A CN 201711009826A CN 108230357 A CN108230357 A CN 108230357A
Authority
CN
China
Prior art keywords
frame
detection
target
critical point
detection frame
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201711009826.4A
Other languages
English (en)
Other versions
CN108230357B (zh
Inventor
史雨轩
武伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN201711009826.4A priority Critical patent/CN108230357B/zh
Publication of CN108230357A publication Critical patent/CN108230357A/zh
Application granted granted Critical
Publication of CN108230357B publication Critical patent/CN108230357B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/246Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例提供了一种关键点检测方法、装置、计算机程序、存储介质和电子设备。其中,关键点检测方法包括:在视频序列的检测帧中获取含有目标对象的第一目标检测框;根据所述第一目标检测框获取非检测帧的目标预测范围框,所述非检测帧为所述视频序列中所述检测帧之后的第N帧视频帧;根据所述目标预测范围框检测所述目标对象的目标关键点集合。采用本发明的技术方案,可以在保证检测精确度降低较小的情况下,有效地加快关键点检测速度。

Description

关键点检测方法、装置、存储介质、计算机程序和电子设备
技术领域
本发明实施例涉及计算机视觉技术领域,尤其涉及一种关键点检测方法、装置、存储介质、计算机程序和电子设备。
背景技术
跟踪系统是智能视频监控中的重要模块,一个优秀的跟踪系统融合了图像处理、模式识别等众多领域的核心技术。对人体的识别跟踪更是智能视频监控的重中之重,在各种监控中都有广泛的应用。
目前的视频跟踪技术主要依赖于人体关键点检测,包括逐帧检测和跳帧检测。逐帧检测的方法精度较高,但是具有耗时多且占用资源长等缺点;跳帧检测通常会无视掉中间帧的信息,尤其不适用于人群密度高、流动性强的视频。
发明内容
本发明实施例提供了一种关键点检测的技术方案。
根据本发明实施例的第一方面,提供了一种关键点检测方法,包括:在视频序列的检测帧中获取含有目标对象的第一目标检测框;根据所述第一目标检测框获取非检测帧的目标预测范围框,所述非检测帧为所述视频序列中所述检测帧之后的第N帧视频帧;根据所述目标预测范围框检测所述目标对象的目标关键点集合。
可选地,所述N为小于或等于五的正整数。
可选地,所述根据所述目标预测范围框检测所述目标对象的目标关键点集合,包括:在所述目标预测范围框在所述非检测帧中的对应区域内检测所述目标对象的目标关键点集合。
可选地,在所述根据所述目标预测范围框检测所述目标对象的目标关键点集合之后,还包括:根据所述目标关键点集合确定所述非检测帧中含有目标对象的第二目标检测框。
可选地,所述根据所述目标关键点集合确定所述非检测帧中含有目标对象的第二目标检测框,包括:获取所述目标关键点集合中关键点的外接框;根据所述外接框确定所述非检测帧中含有目标对象的第二目标检测框。
可选地,所述根据所述外接框确定所述非检测帧中含有目标对象的第二目标检测框,包括:将所述外接框扩大第二预设倍数,得到所述非检测帧中含有目标对象的第二目标检测框。
可选地,所述根据所述第一目标检测框获取非检测帧的目标预测范围框,包括:根据所述第一目标检测框获取第一非检测帧的目标预测范围框;根据所述第一非检测帧的第二目标检测框获取第二非检测帧的目标检测围框;其中,所述第一非检测帧为所述视频序列中所述检测帧之后的第一帧视频帧;所述第二非检测帧为所述视频序列中所述第一非检测帧之后的第一帧视频帧。
可选地,所述根据所述第一目标检测框获取第一非检测帧的第一目标预测范围框,包括:将所述第一目标范围框扩大第一预设倍数,获得第一非检测帧的第一目标范围预测框。
根据本发明实施例的第二方面,提供了一种关键点检测装置,包括:第一获取模块,用于在视频序列的检测帧中获取含有目标对象的第一目标检测框;第二获取模块,用于根据所述第一目标检测框获取非检测帧的目标预测范围框,所述非检测帧为所述视频序列中所述检测帧之后的第N帧视频帧;检测模块,用于根据所述目标预测范围框检测所述目标对象的目标关键点集合。
可选地,所述N为小于或等于五的正整数。
可选地,所述检测模块用于:在所述目标预测范围框在所述非检测帧中的对应区域内检测所述目标对象的目标关键点集合。
可选地,所述装置还包括:确定模块,用于根据所述目标关键点集合确定所述非检测帧中含有目标对象的第二目标检测框。
可选地,所述确定模块包括:第一获取单元,用于获取所述目标关键点集合中关键点的外接框;确定单元,用于根据所述外接框确定所述非检测帧中含有目标对象的第二目标检测框。
可选地,所述确定单元用于:将所述外接框扩大第二预设倍数,得到所述非检测帧中含有目标对象的第二目标检测框。
可选地,所述第二获取模块包括:第二获取单元,用于根据所述第一目标检测框获取第一非检测帧的目标预测范围框;第三获取单元,用于根据所述第一非检测帧的第二目标检测框获取第二非检测帧的目标检测围框;其中,所述第一非检测帧为所述视频序列中所述检测帧之后的第一帧视频帧;所述第二非检测帧为所述视频序列中所述第一非检测帧之后的第一帧视频帧。
可选地,所述第三获取单元用于:将所述第一目标范围框扩大第一预设倍数,获得第一非检测帧的第一目标范围预测框。
根据本发明实施例的第三方面,提供了一种计算机程序,其包括有计算机程序指令,其中,所述程序指令被处理器执行时用于实现本发明实施例提供的任一关键点检测方法对应的步骤。
根据本发明实施例的第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时用于实现本发明实施例提供的任一关键点检测方法对应的步骤。
根据本发明实施例的第五方面,提供了一种电子设备,包括:处理器、存储器、通信元件和通信总线,所述处理器、所述存储器和所述通信元件通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行本发明实施例提供的任一关键点检测方法对应的步骤。
根据本发明实施例的关键点检测方案,在对视频序列中的视频帧进行关键点检测的过程中,根据前一视频帧的目标检测结果预测相邻的后一视频帧的目标检测范围,进而根据该目标检测范围来对后一视频帧进行关键点检测,在保证检测精确度降低较小的情况下,有效地加快了关键点检测速度,方便根据关键点检测结果进行后续的图像处理,并提高处理效率。
附图说明
图1是根据本发明实施例一的一种关键点检测方法的步骤流程图;
图2是根据本发明实施例二的一种关键点检测方法的步骤流程图;
图3是根据本发明实施例三的一种关键点检测装置的结构框图;
图4是根据本发明实施例四的一种关键点检测装置的结构框图;
图5是根据本发明实施例五的一种电子设备的结构示意图。
具体实施方式
下面结合附图(若干附图中相同的标号表示相同的元素)和实施例,对本发明实施例的具体实施方式作进一步详细说明。以下实施例用于说明本发明,但不用来限制本发明的范围。
本领域技术人员可以理解,本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等,既不代表任何特定技术含义,也不表示它们之间的必然逻辑顺序。
实施例一
参照图1,示出了根据本发明实施例一的一种关键点检测方法的步骤流程图。
本实施例的关键点检测方法包括以下步骤:
步骤S102:在视频序列的检测帧中获取含有目标对象的第一目标检测框。
其中,视频序列包括时序连续的多个视频帧,检测帧可以为视频序列中的任一视频帧图像。在本发明实施例中,使用的是隔帧检测的方法,即会对视频序列中的部分视频帧进行目标检测,检测帧为进行目标检测的视频帧。
检测帧中含有目标对象,目标对象可以为人、动物或者车辆等任意物体对象;检测帧中的目标对象的数量可以为一个或多个,针对检测帧进行的目标检测,可以针对每个目标对象均输出一个含有该目标对象的第一目标检测框,也即,第一目标检测框为包含检测帧中的目标对象的目标检测框。
步骤S104:根据第一目标检测框获取非检测帧的目标预测范围框。
其中,非检测帧为视频序列中检测帧之后的第N帧视频帧。也即,非检测帧为视频序列中时序位于检测帧之后的一帧或多帧视频帧,属于前述对视频序列进行的目标检测中未进行检测的部分视频帧。针对整个视频序列,视频序列可以包括一个检测帧,或者多个间隔的检测帧,每个检测帧之后为多个非检测帧。
通常,在时序连续的视频序列中,目标对象在相邻的两个视频帧中的位置的差别较小,根据目标对象在前一视频帧中的位置,可以推测目标对象在后一视频帧中可能出现的位置的范围。基于此,根据从检测帧中获取的第一目标检测框,可以预测相邻的非检测帧中目标对象所处的范围,进而获得目标预测范围框。
步骤S106:根据目标预测范围框检测目标对象的目标关键点集合。
预测得到的目标范围框实际为预计的目标对象在非检测帧中的位置的范围区域,根据目标预测范围框对非检测帧中的目标对象进行目标关键点检测,可以仅针对非检测帧中对应目标预测范围框的区域进行检测,无需对非检测帧的整个视频帧图像进行检测,从而在保证检测准确度降低较小且能够满足需求的情况下,有效地加快了检测速度。
可选地,在对非检测帧进行关键检测之后,根据检测结果对非检测帧进行目标跟踪、物体分类、目标动作分析等进一步的图像处理,进而提升图像处理效率。在实际应用中,可以采用本实施例的关键点检测方法,对视频序列中的一个或多个视频帧进行快速的关键点检测,以提高对视频帧或视频序列进行的目标跟踪、目标动作分析等视频帧图像处理的效率。
根据本发明实施例的关键点检测方法,在对视频序列中的视频帧进行关键点检测的过程中,根据进行目标检测的前一视频帧中含有目标对象的目标检测框,预测未进行目标检测的相邻的后一视频帧的目标检测范围,进而根据该目标检测范围来对相邻视频帧中的对应区域进行关键点检测,无需对相邻视频帧的整个视频帧图像进行关键点检测,从而在保证检测精确度降低较小的情况下,有效地加快了检测速度,方便根据关键点检测结果进行后续的图像处理,并提高处理效率。
本实施例的关键点检测方法可以由任意适当的具有相应的图像或数据处理能力的设备执行,包括但不限于:终端设备和服务器等。或者,本发明实施例提供的任一种关键点检测方法可以由处理器执行,如处理器通过调用存储器存储的相应指令来执行本发明实施例提及的任一种关键点检测方法。下文不再赘述。
实施例二
参照图2,示出了根据本发明实施例二的一种关键点检测方法的步骤流程图。
本实施例的关键点检测方法包括以下步骤:
步骤S202:在视频序列的检测帧中获取含有目标对象的第一目标检测框。
可选地,采用通用的目标检测网络(用于对图像进行目标检测的神经网络),对视频序列中的检测帧进行目标检测,获取目标检测网络输出的目标检测结果框作为第一目标检测框。
步骤S204:根据第一目标检测框获取非检测帧的目标预测范围框。
其中,非检测帧为视频序列中检测帧之后的第N帧视频帧。这里,N可以为小于或等于五的整数。也即,视频序列中的检测帧之后为N个相邻的非关键帧。
在一种可选的实施方式中,将在检测帧中获取的含有目标对象的第一目标检测框扩大第一预设倍数,获得非检测帧中含有目标对象的目标预测范围框。其中,检测帧的第一目标检测框扩大第一预设倍数后,可视为相邻的非检测帧中可能出现目标对象的位置的范围。
这里,第一预设倍数可以为将第一目标检测框的面积或边长扩大第一预设倍数。例如,保持目标检测框的中心点位置不变,将第一目标检测框(通常为矩形框)长和宽分别扩大一倍。将第一目标检测框的中心点在检测帧中的位置映射到非检测帧中,作为目标预测范围框的中心点的位置,再结合扩大第一预设倍数后的第一目标检测框的大小,即可确定非检测帧中的目标预测范围框。
步骤S206:根据目标预测范围框检测目标对象的目标关键点集合。
可选地,获取目标预测范围框在非检测帧中的对应区域,并在该对应区域内进行对目标对象的关键点检测,从而无需对整个非检测帧图像进行关键点检测,可以有效地提高关键点检测效率。获取该对应区域内的所有目标对象的目标关键点,可以得到目标关键点集合。
步骤S208:根据目标关键点集合确定非检测帧中含有目标对象的第二目标检测框。
本实施例中,在对非检测帧进行关键点检测之后,根据非检测帧的关键点检测结果确定非检测帧的目标对象的位置,可用于进行视频帧的目标跟踪。
可选地,获取目标关键点集合中的关键点的外接框,并根据获取的外接框确定非检测帧中含有目标对象的第二目标检测框。
其中,外接框为包括第一目标关键点中的所有关键点的矩形框,将外接框扩大第二预设倍数(例如10%),以进一步得到较为精确的非检测帧中的第二目标检测框。这里,第二目标检测框为包含非检测帧中的目标对象的目标检测框;与前述第一目标检测框相比,第一目标检测框对应检测帧中的目标对象,第二目标检测框对应非检测帧中的目标对象。
在这里说明,在实际应用中,可以通过重复执行前述步骤S204至步骤S208,对N个非检测帧进行关键点检测,以及获取N各非检测帧中含有目标对象的第二目标检测框。
例如,首次执行步骤S204至步骤S208时,在步骤S204根据检测帧的第一目标检测框获取第一非检测帧的目标预测范围框;其中,第一非检测帧为视频序列中检测帧之后的第一帧视频帧。在步骤S206获取第一非检测帧中的目标关键点集合,在步骤S208获取第一非检测帧的第二目标检测框。
再次执行步骤S204至步骤S208时,在步骤S204根据第一非检测帧的第二目标检测框获取第二非检测帧的目标预测范围框。其中,第二非检测帧为视频帧中第一非检测帧之后的第一帧视频帧,也是检测帧之后的第二帧视频帧。这里,获取第二非检测帧中目标预测范围框的方式,可以采用前述获取第一非检测帧中目标预测范围框的方式,将第一非检测帧的第二目标检测框扩大第一预设倍数,获得第二非检测帧中的目标预测范围框。在步骤S206获取第二非检测帧中的目标关键点集合,在步骤S208获取第二非检测帧的第二目标检测框。
还可以再次执行步骤S204至步骤S208,直至对第N非检测帧进行关键点检测,以及获取第N非检测帧中的第二目标检测框。
在对视频序列进行目标跟踪的应用场景中,可以执行本实施例的关键点检测方法,通过对视频序列中的检测帧进行目标检测,进而对后续的非检测帧进行快速的关键点检测,以及确定目标检测框,以根据目标检测框对视频序列进行目标跟踪。
在实际应用中,可以将视频序列中的视频帧分为一个或多个间隔的关键帧,每个关键帧后为一个或多个非关键帧;将关键帧作为检测帧,可以采用通用的目标检测网络对每个关键帧进行目标检测,并根据对关键帧的目标检测框,对后续的一个或多个非关键帧进行快速的关键点检测,以及确定目标检测框,从而实现视频序列的目标跟踪。
其中,在确定非关键帧的目标检测结果时,无需采用速度较慢的目标检测网络来进行检测,可以采用效率较高的目标关键点检测器进行检测,从而节省检测时间,有效地提高了目标跟踪效率;而且,对非关键帧进行的关键点检测,可以依据相邻的关键帧或前一非关键帧的目标检测结果,确定相应的目标检测范围,从而无需对整个非关键帧图像进行关键点检测,在保证关键点检测精度的情况下节省了检测时间,进一步提高了目标跟踪效率。此外,还可以通过优化进行目标关键点检测的模型,来进一步提高关键点检测精度,进而提高目标跟踪精度。
应当理解,前述步骤S208仅为本实施例的关键点检测方法在步骤S206之后的一种可选步骤,也即,在根据检测帧的目标检测结果对非检测帧进行快速的关键点检测之后的一种实施方式,也不限于应用于前述目标跟踪的具体应用场景中。在实际应用中,还可以根据步骤S206获取的非检测帧的关键点检测结果,进行对非检测帧进行目标动作分析等其他与关键点信息相关进一步的处理。
根据本发明实施例的关键点检测方法,在对视频序列中的视频帧进行关键点检测的过程中,根据进行目标检测的前一视频帧的目标检测结果,预测未进行目标检测的相邻的后一视频帧的目标检测范围,进而根据该目标检测范围来对后一视频帧中的对应区域进行关键点检测,无需对相邻视频帧的整个视频帧图像进行关键点检测,从而在保证检测精确度降低较小的情况下,有效地加快了关键点检测速度,方便根据关键点检测结果确定目标检测结果,以及进行目标动作分析、目标跟踪等后续处理,并提高处理效率。
实施例三
参照图3,示出了根据本发明实施例三的一种关键点检测装置的结果框图。
本实施例的关键点检测装置,包括:第一获取模块302,用于在视频序列的检测帧中获取含有目标对象的第一目标检测框;第二获取模块304,用于根据所述第一目标检测框获取非检测帧的目标预测范围框,所述非检测帧为所述视频序列中所述检测帧之后的第N帧视频帧;检测模块306,用于根据所述目标预测范围框检测所述目标对象的目标关键点集合。
本实施例的对象检测装置用于实现前述方法实施例中相应的对象检测方法,并具有相应的方法实施例的有益效果,在此不再赘述。
本实施例还提供一种计算机程序,其包括有计算机程序指令,所述程序指令被处理器执行时用于实现本发明实施例提供的任一关键点检测方法的步骤。
本实施例还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本发明实施例提供的任一关键点检测方法的步骤。
实施例四
参照图4,示出了根据本发明实施例四的一种关键点检测装置的结果框图。
本实施例的关键点检测装置,包括:第一获取模块302,用于在视频序列的检测帧中获取含有目标对象的第一目标检测框;第二获取模块304,用于根据所述第一目标检测框获取非检测帧的目标预测范围框,所述非检测帧为所述视频序列中所述检测帧之后的第N帧视频帧;检测模块306,用于根据所述目标预测范围框检测所述目标对象的目标关键点集合。
可选地,所述N为小于或等于五的正整数。
可选地,所述检测模块306用于:在所述目标预测范围框在所述非检测帧中的对应区域内检测所述目标对象的目标关键点集合。
可选地,所述装置还包括:确定模块308,用于根据所述目标关键点集合确定所述非检测帧中含有目标对象的第二目标检测框。
可选地,所述确定模块308包括:第一获取单元3082,用于获取所述目标关键点集合中关键点的外接框;确定单元3084,用于根据所述外接框确定所述非检测帧中含有目标对象的第二目标检测框。
可选地,所述确定单元3084用于:将所述外接框扩大第二预设倍数,得到所述非检测帧中含有目标对象的第二目标检测框。
可选地,所述第二获取模块304包括:第二获取单元3042,用于根据所述第一目标检测框获取第一非检测帧的目标预测范围框;第三获取单元3044,用于根据所述第一非检测帧的第二目标检测框获取第二非检测帧的目标检测围框;其中,所述第一非检测帧为所述视频序列中所述检测帧之后的第一帧视频帧;所述第二非检测帧为所述视频序列中所述第一非检测帧之后的第一帧视频帧。
可选地,所述第三获取单元3044用于:将所述第一目标范围框扩大第一预设倍数,获得第一非检测帧的第一目标范围预测框。
本实施例的对象检测装置用于实现前述方法实施例中相应的对象检测方法,并具有相应的方法实施例的有益效果,在此不再赘述。
实施例五
本发明实施例五提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图5,其示出了适于用来实现本发明实施例的终端设备或服务器的电子设备500的结构示意图:如图5所示,电子设备500包括一个或多个处理器、通信元件等,所述一个或多个处理器例如:一个或多个中央处理单元(CPU)501,和/或一个或多个图形处理器(GPU)513等,处理器可以根据存储在只读存储器(ROM)502中的可执行指令或者从存储部分508加载到随机访问存储器(RAM)503中的可执行指令而执行各种适当的动作和处理。通信元件包括通信组件512和/或通信接口509。其中,通信组件512可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡,通信接口509包括诸如LAN卡、调制解调器等的网络接口卡的通信接口,通信接口509经由诸如因特网的网络执行通信处理。
处理器可与只读存储器502和/或随机访问存储器503中通信以执行可执行指令,通过通信总线504与通信组件512相连、并经通信组件512与其他目标设备通信,从而完成本发明实施例提供的任一项关键点检测方法对应的操作,例如,在视频序列的检测帧中获取含有目标对象的第一目标检测框;根据所述第一目标检测框获取非检测帧的目标预测范围框,所述非检测帧为所述视频序列中所述检测帧之后的第N帧视频帧;根据所述目标预测范围框检测所述目标对象的目标关键点集合。
此外,在RAM 503中,还可存储有装置操作所需的各种程序和数据。CPU501或GPU513、ROM502以及RAM503通过通信总线504彼此相连。在有RAM503的情况下,ROM502为可选模块。RAM503存储可执行指令,或在运行时向ROM502中写入可执行指令,可执行指令使处理器执行上述通信方法对应的操作。输入/输出(I/O)接口505也连接至通信总线504。通信组件512可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在通信总线链接上。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信接口509。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
需要说明的,如图5所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图5的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如GPU和CPU可分离设置或者可将GPU集成在CPU上,通信元件可分离设置,也可集成设置在CPU或GPU上,等等。这些可替换的实施方式均落入本发明的保护范围。
特别地,根据本发明实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本发明实施例提供的方法步骤对应的指令,例如,在视频序列的检测帧中获取含有目标对象的第一目标检测框;根据所述第一目标检测框获取非检测帧的目标预测范围框,所述非检测帧为所述视频序列中所述检测帧之后的第N帧视频帧;根据所述目标预测范围框检测所述目标对象的目标关键点集合。在这样的实施例中,该计算机程序可以通过通信元件从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被处理器执行时,执行本发明实施例的关键点检测方法中限定的上述功能。
需要指出,根据实施的需要,可将本发明实施例中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本发明实施例的目的。
上述根据本发明实施例的方法可在硬件、固件中实现,或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现在此描述的处理方法。此外,当通用计算机访问用于实现在此示出的处理的代码时,代码的执行将通用计算机转换为用于执行在此示出的处理的专用计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明实施例的范围。
以上实施方式仅用于说明本发明实施例,而并非对本发明实施例的限制,有关技术领域的普通技术人员,在不脱离本发明实施例的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本发明实施例的范畴,本发明实施例的专利保护范围应由权利要求限定。

Claims (10)

1.一种关键点检测方法,包括:
在视频序列的检测帧中获取含有目标对象的第一目标检测框;
根据所述第一目标检测框获取非检测帧的目标预测范围框,所述非检测帧为所述视频序列中所述检测帧之后的第N帧视频帧;
根据所述目标预测范围框检测所述目标对象的目标关键点集合。
2.根据权利要求1所述的方法,其中,所述N为小于或等于五的正整数。
3.根据权利要求1所述的方法,其中,所述根据所述目标预测范围框检测所述目标对象的目标关键点集合,包括:
在所述目标预测范围框在所述非检测帧中的对应区域内检测所述目标对象的目标关键点集合。
4.根据权利要求3所述的方法,其中,在所述根据所述目标预测范围框检测所述目标对象的目标关键点集合之后,还包括:
根据所述目标关键点集合确定所述非检测帧中含有目标对象的第二目标检测框。
5.根据权利要求4所述的方法,其中,所述根据所述目标关键点集合确定所述非检测帧中含有目标对象的第二目标检测框,包括:
获取所述目标关键点集合中关键点的外接框;
根据所述外接框确定所述非检测帧中含有目标对象的第二目标检测框。
6.根据权利要求5所述的方法,其中,所述根据所述外接框确定所述非检测帧中含有目标对象的第二目标检测框,包括:
将所述外接框扩大第二预设倍数,得到所述非检测帧中含有目标对象的第二目标检测框。
7.一种关键点检测装置,包括:
第一获取模块,用于在视频序列的检测帧中获取含有目标对象的第一目标检测框;
第二获取模块,用于根据所述第一目标检测框获取非检测帧的目标预测范围框,所述非检测帧为所述视频序列中所述检测帧之后的第N帧视频帧;
检测模块,用于根据所述目标预测范围框检测所述目标对象的目标关键点集合。
8.一种计算机程序,其包括有计算机程序指令,其中,所述程序指令被处理器执行时用于实现权利要求1至6中任一项所述的关键点检测方法对应的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时用于实现权利要求1至6中任一项所述的关键点检测方法对应的步骤。
10.一种电子设备,包括:处理器、存储器、通信元件和通信总线,所述处理器、所述存储器和所述通信元件通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1至6中任一项所述关键点检测方法对应的步骤。
CN201711009826.4A 2017-10-25 2017-10-25 关键点检测方法、装置、存储介质和电子设备 Active CN108230357B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711009826.4A CN108230357B (zh) 2017-10-25 2017-10-25 关键点检测方法、装置、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711009826.4A CN108230357B (zh) 2017-10-25 2017-10-25 关键点检测方法、装置、存储介质和电子设备

Publications (2)

Publication Number Publication Date
CN108230357A true CN108230357A (zh) 2018-06-29
CN108230357B CN108230357B (zh) 2021-06-18

Family

ID=62654899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711009826.4A Active CN108230357B (zh) 2017-10-25 2017-10-25 关键点检测方法、装置、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN108230357B (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109584276A (zh) * 2018-12-04 2019-04-05 北京字节跳动网络技术有限公司 关键点检测方法、装置、设备及可读介质
CN110414514A (zh) * 2019-07-31 2019-11-05 北京字节跳动网络技术有限公司 图像处理方法及装置
CN110427800A (zh) * 2019-06-17 2019-11-08 平安科技(深圳)有限公司 视频物体加速检测方法、装置、服务器及存储介质
CN110501018A (zh) * 2019-08-13 2019-11-26 广东星舆科技有限公司 一种服务于高精度地图生产的交通标志牌信息采集方法
WO2020103647A1 (zh) * 2018-11-19 2020-05-28 腾讯科技(深圳)有限公司 物体关键点的定位方法、图像处理方法、装置及存储介质
CN111277728A (zh) * 2020-02-13 2020-06-12 浙江大华技术股份有限公司 视频检测方法及装置、计算机可读的存储介质、电子装置
CN111488774A (zh) * 2019-01-29 2020-08-04 北京搜狗科技发展有限公司 一种图像处理方法、装置和用于图像处理的装置
CN111539992A (zh) * 2020-04-29 2020-08-14 北京市商汤科技开发有限公司 图像处理方法、装置、电子设备和存储介质
CN112199978A (zh) * 2019-07-08 2021-01-08 北京地平线机器人技术研发有限公司 视频物体检测方法和装置、存储介质和电子设备
CN112465859A (zh) * 2019-09-06 2021-03-09 顺丰科技有限公司 快速运动目标的检测方法、装置、设备和储存介质
CN113365101A (zh) * 2020-03-05 2021-09-07 腾讯科技(深圳)有限公司 对视频进行多任务处理的方法及相关设备
CN113409354A (zh) * 2020-03-16 2021-09-17 深圳云天励飞技术有限公司 人脸跟踪方法、装置及终端设备
CN113792697A (zh) * 2021-09-23 2021-12-14 重庆紫光华山智安科技有限公司 目标检测方法、装置、电子设备及可读存储介质
CN115601793A (zh) * 2022-12-14 2023-01-13 北京健康有益科技有限公司(Cn) 一种人体骨骼点检测方法、装置、电子设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101986348A (zh) * 2010-11-09 2011-03-16 上海电机学院 一种视觉目标识别与跟踪方法
CN102881024A (zh) * 2012-08-24 2013-01-16 南京航空航天大学 一种基于tld的视频目标跟踪方法
CN104376576A (zh) * 2014-09-04 2015-02-25 华为技术有限公司 一种目标跟踪方法及装置
US9008366B1 (en) * 2012-01-23 2015-04-14 Hrl Laboratories, Llc Bio-inspired method of ground object cueing in airborne motion imagery
CN104700391A (zh) * 2013-12-06 2015-06-10 由田新技股份有限公司 物体跟踪方法及电子装置
CN105868769A (zh) * 2015-01-23 2016-08-17 阿里巴巴集团控股有限公司 图像中的人脸关键点定位方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101986348A (zh) * 2010-11-09 2011-03-16 上海电机学院 一种视觉目标识别与跟踪方法
US9008366B1 (en) * 2012-01-23 2015-04-14 Hrl Laboratories, Llc Bio-inspired method of ground object cueing in airborne motion imagery
CN102881024A (zh) * 2012-08-24 2013-01-16 南京航空航天大学 一种基于tld的视频目标跟踪方法
CN104700391A (zh) * 2013-12-06 2015-06-10 由田新技股份有限公司 物体跟踪方法及电子装置
CN104376576A (zh) * 2014-09-04 2015-02-25 华为技术有限公司 一种目标跟踪方法及装置
CN105868769A (zh) * 2015-01-23 2016-08-17 阿里巴巴集团控股有限公司 图像中的人脸关键点定位方法及装置

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020103647A1 (zh) * 2018-11-19 2020-05-28 腾讯科技(深圳)有限公司 物体关键点的定位方法、图像处理方法、装置及存储介质
US11450080B2 (en) 2018-11-19 2022-09-20 Tencent Technology (Shenzhen) Company Limited Image processing method and apparatus, and storage medium
CN109584276B (zh) * 2018-12-04 2020-09-25 北京字节跳动网络技术有限公司 关键点检测方法、装置、设备及可读介质
CN109584276A (zh) * 2018-12-04 2019-04-05 北京字节跳动网络技术有限公司 关键点检测方法、装置、设备及可读介质
CN111488774A (zh) * 2019-01-29 2020-08-04 北京搜狗科技发展有限公司 一种图像处理方法、装置和用于图像处理的装置
JP2021533497A (ja) * 2019-06-17 2021-12-02 平安科技(深▲せん▼)有限公司Ping An Technology (Shenzhen) Co., Ltd. ビデオ物体の高速検出方法、装置、サーバ及び記憶媒体
CN110427800A (zh) * 2019-06-17 2019-11-08 平安科技(深圳)有限公司 视频物体加速检测方法、装置、服务器及存储介质
CN110427800B (zh) * 2019-06-17 2024-09-10 平安科技(深圳)有限公司 视频物体加速检测方法、装置、服务器及存储介质
JP7266668B2 (ja) 2019-06-17 2023-04-28 平安科技(深▲せん▼)有限公司 ビデオ物体の高速検出方法、装置、サーバ及び記憶媒体
US11816570B2 (en) 2019-06-17 2023-11-14 Ping An Technology (Shenzhen) Co., Ltd. Method for accelerated detection of object in videos, server, and non-transitory computer readable storage medium
CN112199978A (zh) * 2019-07-08 2021-01-08 北京地平线机器人技术研发有限公司 视频物体检测方法和装置、存储介质和电子设备
CN110414514B (zh) * 2019-07-31 2021-12-07 北京字节跳动网络技术有限公司 图像处理方法及装置
CN110414514A (zh) * 2019-07-31 2019-11-05 北京字节跳动网络技术有限公司 图像处理方法及装置
CN110501018B (zh) * 2019-08-13 2021-11-02 广东星舆科技有限公司 一种服务于高精度地图生产的交通标志牌信息采集方法
CN110501018A (zh) * 2019-08-13 2019-11-26 广东星舆科技有限公司 一种服务于高精度地图生产的交通标志牌信息采集方法
CN112465859A (zh) * 2019-09-06 2021-03-09 顺丰科技有限公司 快速运动目标的检测方法、装置、设备和储存介质
CN111277728A (zh) * 2020-02-13 2020-06-12 浙江大华技术股份有限公司 视频检测方法及装置、计算机可读的存储介质、电子装置
CN111277728B (zh) * 2020-02-13 2023-02-28 浙江大华技术股份有限公司 视频检测方法及装置、计算机可读的存储介质、电子装置
CN113365101A (zh) * 2020-03-05 2021-09-07 腾讯科技(深圳)有限公司 对视频进行多任务处理的方法及相关设备
CN113409354A (zh) * 2020-03-16 2021-09-17 深圳云天励飞技术有限公司 人脸跟踪方法、装置及终端设备
JP2022534666A (ja) * 2020-04-29 2022-08-03 ベイジン・センスタイム・テクノロジー・デベロップメント・カンパニー・リミテッド 画像処理方法、装置、電子機器及び記憶媒体
WO2021218293A1 (zh) * 2020-04-29 2021-11-04 北京市商汤科技开发有限公司 图像处理方法、装置、电子设备和存储介质
CN111539992A (zh) * 2020-04-29 2020-08-14 北京市商汤科技开发有限公司 图像处理方法、装置、电子设备和存储介质
CN113792697A (zh) * 2021-09-23 2021-12-14 重庆紫光华山智安科技有限公司 目标检测方法、装置、电子设备及可读存储介质
CN113792697B (zh) * 2021-09-23 2023-09-05 重庆紫光华山智安科技有限公司 目标检测方法、装置、电子设备及可读存储介质
CN115601793A (zh) * 2022-12-14 2023-01-13 北京健康有益科技有限公司(Cn) 一种人体骨骼点检测方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN108230357B (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
CN108230357A (zh) 关键点检测方法、装置、存储介质、计算机程序和电子设备
CN109447156B (zh) 用于生成模型的方法和装置
CN109376267B (zh) 用于生成模型的方法和装置
CN108337505B (zh) 信息获取方法和装置
CN109325429A (zh) 一种关联特征数据的方法、装置、存储介质及终端
CN104160408A (zh) 视频合成的方法和系统
CN109711508B (zh) 图像处理方法和装置
CN108510084B (zh) 用于生成信息的方法和装置
CN111191696B (zh) 一种基于深度学习算法的钢筋分层方法及系统
CN109154938A (zh) 使用离散非踪迹定位数据将数字图中的实体分类
CN115082752A (zh) 基于弱监督的目标检测模型训练方法、装置、设备及介质
CN110969600A (zh) 一种产品缺陷检测方法、装置、电子设备及存储介质
CN115730947A (zh) 银行客户流失预测方法及装置
CN111340015A (zh) 定位方法和装置
CN113158084B (zh) 移动轨迹数据处理的方法、装置、计算机设备及存储介质
Heydarian et al. Automated benchmarking and monitoring of an earthmoving operation's carbon footprint using video cameras and a greenhouse gas estimation model
CN110222652A (zh) 行人检测方法、装置及电子设备
CN116563850A (zh) 多类别目标检测方法及其模型训练方法、装置
CN114445711B (zh) 图像检测方法、装置、电子设备和存储介质
CN107818287B (zh) 一种客流统计装置及系统
CN108184065B (zh) 预览帧画面生成方法、装置及移动终端
CN111815701A (zh) 基于直方柱投影点的体积确定方法及装置
CN111488928A (zh) 用于获取样本的方法及装置
CN109614328B (zh) 用于处理测试数据的方法和装置
WO2023203687A1 (en) Accuracy predicting system, accuracy predicting method, apparatus, and non-transitory computer-readable storage medium

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant