CN109389072A - 数据处理方法和装置 - Google Patents

Abstract

本申请实施例公开了数据处理方法和装置。该方法的一具体实施方式包括：将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，生成该相邻的两个视频帧的关键点；利用光流算法，基于该相邻两个视频帧中的前一视频帧及其关键点，预测该相邻的两个视频帧中的后一视频帧的关键点；基于预设的损失函数，确定所预测的关键点和对该后一视频帧检测到的关键点之间的损失值；基于该损失值训练该卷积神经网络，得到训练后的卷积神经网络。本申请实施例能够通过光流算法预测到的关键点与检测到的关键点的损失值，来训练卷积神经网络，以使卷积神经网络能够更准确地检测到关键点。

Description

数据处理方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及数据处理方法和装置。

背景技术

检测图像中目标的关键点通常采用卷积神经网络进行，基于检测到的关键点，可以对视频帧加入各种各样的特效。如果检测得到的关键点不准确，则会对呈现的特效造成影响。比如，在某个呈现人脸的视频中，相邻视频帧之间某一帧检测的偏差较大，在加入特效后会呈现出面部的抽搐。

发明内容

本申请实施例提出了数据处理方法和装置。

第一方面，本申请实施例提供了1、一种数据处理方法，包括：

将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，生成相邻的两个视频帧的关键点；利用光流算法，基于相邻两个视频帧中的前一视频帧及其关键点，预测相邻的两个视频帧中的后一视频帧的关键点；基于预设的损失函数，确定所预测的关键点和对后一视频帧检测到的关键点之间的损失值；基于损失值训练卷积神经网络，得到训练后的卷积神经网络。

在一些实施例中，光流算法包括空间变换网络。

在一些实施例中，将目标视频中相邻的两个视频分别输入卷积神经网络进行关键点检测，生成相邻的两个视频帧的关键点，包括：将相邻的两个视频帧分别输入卷积神经网络，基于卷积神经网络的卷积层，得到相邻的两个视频帧中每个视频帧的特征图像；对所得到的特征图像进行积分回归，得到相邻的两个视频帧的关键点。

在一些实施例中，基于损失值训练卷积神经网络，包括：利用光流算法，基于后一视频帧和对后一视频帧的关键点，确定前一视频帧的关键点；确定所确定的前一视频帧的关键点和对前一视频帧检测到的关键点的距离，响应于确定距离小于距离阈值，利用损失值进行反向传播，以调整卷积神经网络的参数。

在一些实施例中，在基于损失值训练卷积神经网络，得到训练后的卷积神经网络之后，方法还包括：获取目标图像，将目标图像输入训练后的卷积神经网络，以对目标图像进行关键点检测，生成目标图像的关键点。

第二方面，本申请实施例提供了一种数据处理装置，包括：输入单元，被配置成将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，生成相邻的两个视频帧的关键点；预测单元，被配置成利用光流算法，基于相邻两个视频帧中的前一视频帧及其关键点，预测相邻的两个视频帧中的后一视频帧的关键点；确定单元，被配置成基于预设的损失函数，确定所预测的关键点和对后一视频帧检测到的关键点之间的损失值；训练单元，被配置成基于损失值训练卷积神经网络，得到训练后的卷积神经网络。

在一些实施例中，光流算法包括空间变换网络。

在一些实施例中，输入单元，进一步被配置成：将相邻的两个视频帧分别输入卷积神经网络，基于卷积神经网络的卷积层，得到相邻的两个视频帧中每个视频帧的特征图像；对所得到的特征图像进行积分回归，得到相邻的两个视频帧的关键点。

在一些实施例中，训练单元，进一步被配置成：利用光流算法，基于后一视频帧和对后一视频帧的关键点，确定前一视频帧的关键点；确定所确定的前一视频帧的关键点和对前一视频帧检测到的关键点的距离，响应于确定距离小于距离阈值，利用损失值进行反向传播，以调整卷积神经网络的参数。

在一些实施例中，装置还包括：获取单元，被配置成获取目标图像，将目标图像输入训练后的卷积神经网络，以对目标图像进行关键点检测，生成目标图像的关键点。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如数据处理方法中任一实施例的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如数据处理方法中任一实施例的方法。

本申请实施例提供的数据处理方案，首先，将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，生成相邻的两个视频帧的关键点。之后，利用光流算法，基于相邻两个视频帧中的前一视频帧及其关键点，预测相邻的两个视频帧中的后一视频帧的关键点。然后，基于预设的损失函数，确定所预测的关键点和对后一视频帧检测到的关键点之间的损失值。最后，基于损失值训练卷积神经网络，得到训练后的卷积神经网络。本申请实施例能够通过光流算法预测到的关键点与检测到的关键点的损失值，来训练卷积神经网络，以使卷积神经网络能够更准确地检测到关键点。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的数据处理方法的一个实施例的流程图；

图3是根据本申请的数据处理方法的一个应用场景的示意图；

图4是根据本申请的数据处理方法的又一个实施例的流程图；

图5是根据本申请的数据处理装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的数据处理方法或数据处理装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如数据处理应用、视频类应用、直播应用、即时通信工具、邮箱客户端、社交平台软件等。

这里的终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对接收到的相邻的两个视频帧等数据进行分析等处理，并将处理结果(例如训练后的卷积神经网络)反馈给终端设备。

需要说明的是，本申请实施例所提供的数据处理方法可以由服务器105或者终端设备101、102、103执行，相应地，数据处理装置可以设置于服务器105或者终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的数据处理方法的一个实施例的流程200。该数据处理方法，包括以下步骤：

步骤201，将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，生成相邻的两个视频帧的关键点。

在本实施例中，数据处理方法的执行主体(例如图1所示的服务器或终端设备)可以将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，以检测到这两个视频帧中的各个视频帧的关键点。具体地，可以先利用卷积神经网络对视频帧进行目标检测，之后对检测到的目标进行关键点检测，以得视频帧中目标的各个关键点。关键点为表示目标的特征的位点。比如，左眼角，鼻尖等等。关键点可以采用坐标来表示。

步骤202，利用光流算法，基于相邻的两个视频帧中的前一视频帧及其关键点，预测相邻的两个视频帧中的后一视频帧的关键点。

在本实施例中，上述执行主体可以利用光流(Optical Flow)算法，基于相邻的两个视频帧中的前一视频帧，及对该前一视频帧检测得到的关键点，预测后一视频帧的关键点。具体的，前一视频帧和后一视频帧，在播放时间上是先后的关系。

在实践中，光流算法可以是LK(Lucas–Kanade)光流算法。上述执行主体可以基于前一视频帧以及对前一视频帧检测到的关键点，对后一视频帧的关键点进行预测。

光流算法可以包括双线性差值(Bilinear Interpolation)算法。

在本实施例的一些可选的实现方式中，也可以不采用双线性差值算法而采用空间变换网络(Spatial Transformer Networks，STNs)，以得到更为准确的关键点。

步骤203，基于预设的损失函数，确定所预设的关键点和对后一视频帧检测到的关键点的损失值。

在本实施例中，上述执行主体可以确定所预测的关键点和对后一视频帧进行检测所生成的关键点，并基于预设的损失函数，计算预测的和检测的关键点之间的损失值。具体地，上述执行主体可以将光流预测到的后一视频帧的关键点的坐标，和对后一视频帧检测到的关键点的坐标都带入损失函数公式，以得到损失值。

步骤204，基于损失值训练卷积神经网络，得到训练后的卷积神经网络。

在本实施例中，上述执行主体可以基于损失值训练卷积神经网络，以得到训练后的卷积神经网络。具体地，可以利用损失值对卷积神经网络进行反向传播，以调整卷积神经网络的参数。

在本实施例的一些可选的实现方式中，在步骤204之后，可以获取目标图像，将目标图像输入训练后的卷积神经网络，以对目标图像进行关键点检测，生成目标图像的关键点。

在这些可选的实现方式中，上述执行主体可以获取图像，并将图像输入训练后的卷积神经网络进行关键点检测，相比于使用训练前的卷积神经网络，能够提高关键点检测的准确度。

继续参见图3，图3是根据本实施例的数据处理方法的应用场景的一个示意图。在图3的应用场景中，执行主体301将目标视频中相邻的两个视频帧302分别输入卷积神经网络进行关键点检测，生成相邻的两个视频帧的关键点303。利用光流算法，基于相邻两个视频帧中的前一视频帧及其关键点，预测相邻的两个视频帧中的后一视频帧的关键点304。基于预设的损失函数，确定所预测的关键点和对后一视频帧检测到的关键点之间的损失值305。基于损失值305训练卷积神经网络，得到训练后的卷积神经网络306。

本申请的上述实施例提供的方法能够通过光流算法预测到的关键点与检测到的关键点的损失值，来训练卷积神经网络，以使卷积神经网络能够更准确地检测到关键点。

进一步参考图4，其示出了数据处理方法的又一个实施例的流程400。该数据处理方法的流程400，包括以下步骤：

步骤401，将相邻的两个视频帧输入卷积神经网络，基于卷积神经网络的卷积层，得到相邻的视频帧中每个视频帧的特征图像。

在本实施例中，数据处理方法的执行主体(例如图1所示的服务器或终端设备)可以将相邻的两个视频帧分别输入卷积神经网络，并得到由卷积神经网络的卷积层输出的各个视频帧的特征图像(Feature Map)。

步骤402，对所得到的特征图像进行积分回归，得到相邻的两个视频帧的关键点。

在本实施例中，上述执行主体可以对得到的特征图像进行积分回归，以得到视频帧的关键点。具体地，对于相邻的两个视频帧中的任意一个视频帧，对该视频帧对应的特征图像进行积分回归，可以得到该视频帧的关键点。

上述执行主体也可以利用热图(heatmap)，并基于特征图像来确定关键点。相比于利用热图确定出的关键点，积分回归所确定的关键点准确度更高。

步骤403，利用光流算法，基于相邻的两个视频帧中的前一视频帧及其关键点，预测相邻的两个视频帧中的后一视频帧的关键点，其中，光流算法包括空间变换网络。

在本实施例中，上述执行主体可以利用光流算法，基于相邻的两个视频帧中的前一视频帧，及对该前一视频帧检测得到的关键点，预测后一视频帧的关键点。具体的，前一视频帧和后一视频帧，在播放时间上是先后的关系。

步骤404，基于预设的损失函数，确定所预设的关键点和对后一视频帧检测到的关键点的损失值。

在本实施例中，上述执行主体可以基于预设的损失函数，确定所预测的关键点和对后一视频帧进行检测所生成的关键点的损失值。具体地，上述执行主体可以将光流预测到的关键点和对后一视频帧检测到的关键点的坐标都带入损失函数公式，以得到损失值。

步骤405，基于损失值训练卷积神经网络，得到训练后的卷积神经网络。

在本实施例中，上述执行主体可以基于损失值训练卷积神经网络，以得到训练后的卷积神经网络。具体地，可以利用损失值对卷积神经网络进行反向传播，以调整卷积神经网络的参数。

本实施例采用了积分回归对特征图像进行处理，能够更加准确地确定出视频帧的关键点。

在本申请的数据处理方法上述任一实施例的一些可选的实现方式中，上述基于损失值训练卷积神经网络，可以包括以下步骤：

利用光流算法，基于后一视频帧和对后一视频帧检测到的关键点，确定前一视频帧的关键点；确定所确定的前一视频帧的关键点和对前一视频帧检测到的关键点的距离，响应于确定距离小于距离阈值，利用损失值进行反向传播，以调整卷积神经网络的参数。

在本实施例中，上述执行主体利用光流算法，基于后一视频帧和对后一视频帧检测到的关键点，确定前一视频帧的关键点。这样，上述执行主体能够根据后一视频帧的信息，反向地确定前一视频帧的关键点。

上述执行主体可以确定利用光流算法所确定的前一视频帧的关键点与对前一视频帧检测到的关键点的距离。并将该距离与预设的距离阈值相比较。如果上述执行主体确定距离小于距离阈值，则利用上述损失值进行反向传播，以调整卷积神经网络的参数。如果上述执行主体确定距离大于距离阈值，表明对后一视频帧检测或光流预测的关键点很有可能偏离准确值较大，损失值不宜参与训练。

本实施例利用前一视频帧进行检验，在光流预测的前一视频帧的关键点和检测到的关键点偏差较小时，才对卷积神经网络进行训练，这样能够保证训练所采用的损失值是准确的。进而，确保训练得到的卷积神经网络能够更准确地确定出关键点。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种数据处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的数据处理装置500包括：输入单元501、预测单元502、确定单元503和训练单元504。其中，输入单元501，被配置成将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，生成相邻的两个视频帧的关键点；预测单元502，被配置成利用光流算法，基于相邻两个视频帧中的前一视频帧及其关键点，预测相邻的两个视频帧中的后一视频帧的关键点；确定单元503，被配置成基于预设的损失函数，确定所预测的关键点和对后一视频帧检测到的关键点之间的损失值；训练单元504，被配置成基于损失值训练卷积神经网络，得到训练后的卷积神经网络。

在一些实施例中，数据处理装置500的输入单元501可以将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，以检测到这两个视频帧中的各个视频帧的关键点。具体地，可以先利用卷积神经网络对视频帧进行目标检测，之后对检测到的目标进行关键点检测，以得视频帧中目标的各个关键点。

在一些实施例中，预测单元502可以利用光流算法，基于相邻的两个视频帧中的前一视频帧，及对该前一视频帧检测得到的关键点，预测后一视频帧的关键点。具体的，前一视频帧和后一视频帧，在播放时间上是先后的关系。

在一些实施例中，确定单元503可以确定所预测的关键点和对后一视频帧进行检测所生成的关键点，并基于预设的损失函数，计算预测的和检测的关键点之间的损失值。具体地，上述执行主体可以将光流预测到的后一视频帧的关键点的坐标，和对后一视频帧检测到的关键点的坐标都带入损失函数公式，以得到损失值。

在一些实施例中，训练单元504可以基于损失值训练卷积神经网络，以得到训练后的卷积神经网络。具体地，可以利用损失值对卷积神经网络进行反向传播，以调整卷积神经网络的参数。

在本实施例的一些可选的实现方式中，光流算法包括空间变换网络。

在本实施例的一些可选的实现方式中，输入单元，进一步被配置成：将相邻的两个视频帧分别输入卷积神经网络，基于卷积神经网络的卷积层，得到相邻的两个视频帧中每个视频帧的特征图像；对所得到的特征图像进行积分回归，得到相邻的两个视频帧的关键点。

在本实施例的一些可选的实现方式中，训练单元，进一步被配置成：利用光流算法，基于后一视频帧和对后一视频帧的关键点，确定前一视频帧的关键点；确定所确定的前一视频帧的关键点和对前一视频帧检测到的关键点的距离，响应于确定距离小于距离阈值，利用损失值进行反向传播，以调整卷积神经网络的参数。

在本实施例的一些可选的实现方式中，装置还包括：获取单元，被配置成获取目标图像，将目标图像输入训练后的卷积神经网络，以对目标图像进行关键点检测，生成目标图像的关键点。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU和/或GPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。中央处理单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示屏(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，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610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608。

特别地，根据本公开的实施例，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，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括输入单元、预测单元、确定单元和训练单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，分类单元还可以被描述为“将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，生成相邻的两个视频帧的关键点的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，生成相邻的两个视频帧的关键点；利用光流算法，基于相邻两个视频帧中的前一视频帧及其关键点，预测相邻的两个视频帧中的后一视频帧的关键点；基于预设的损失函数，确定所预测的关键点和对后一视频帧检测到的关键点之间的损失值；基于损失值训练卷积神经网络，得到训练后的卷积神经网络。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种数据处理方法，包括：

将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，生成所述相邻的两个视频帧的关键点；

利用光流算法，基于所述相邻两个视频帧中的前一视频帧及其关键点，预测所述相邻的两个视频帧中的后一视频帧的关键点；

基于预设的损失函数，确定所预测的关键点和对所述后一视频帧检测到的关键点之间的损失值；

基于所述损失值训练所述卷积神经网络，得到训练后的卷积神经网络。

2.根据权利要求1所述的方法，其中，所述光流算法包括空间变换网络。

3.根据权利要求1所述的方法，其中，所述将目标视频中相邻的两个视频分别输入卷积神经网络进行关键点检测，生成所述相邻的两个视频帧的关键点，包括：

将相邻的两个视频帧分别输入卷积神经网络，基于所述卷积神经网络的卷积层，得到所述相邻的两个视频帧中每个视频帧的特征图像；

对所得到的特征图像进行积分回归，得到所述相邻的两个视频帧的关键点。

4.根据权利要求1所述的方法，其中，所述基于所述损失值训练所述卷积神经网络，包括：

利用所述光流算法，基于所述后一视频帧和对所述后一视频帧的关键点，确定所述前一视频帧的关键点；

确定所确定的前一视频帧的关键点和对所述前一视频帧检测到的关键点的距离，响应于确定所述距离小于距离阈值，利用所述损失值进行反向传播，以调整所述卷积神经网络的参数。

5.根据权利要求1所述的方法，其中，在所述基于所述损失值训练所述卷积神经网络，得到训练后的卷积神经网络之后，所述方法还包括：

获取目标图像，将所述目标图像输入所述训练后的卷积神经网络，以对所述目标图像进行关键点检测，生成所述目标图像的关键点。

6.一种数据处理装置，包括：

输入单元，被配置成将目标视频中相邻的两个视频帧分别输入卷积神经网络进行关键点检测，生成所述相邻的两个视频帧的关键点；

预测单元，被配置成利用光流算法，基于所述相邻两个视频帧中的前一视频帧及其关键点，预测所述相邻的两个视频帧中的后一视频帧的关键点；

确定单元，被配置成基于预设的损失函数，确定所预测的关键点和对所述后一视频帧检测到的关键点之间的损失值；

训练单元，被配置成基于所述损失值训练所述卷积神经网络，得到训练后的卷积神经网络。

7.根据权利要求6所述的装置，其中，所述光流算法包括空间变换网络。

8.根据权利要求6所述的装置，其中，所述输入单元，进一步被配置成：

将相邻的两个视频帧分别输入卷积神经网络，基于所述卷积神经网络的卷积层，得到所述相邻的两个视频帧中每个视频帧的特征图像；

对所得到的特征图像进行积分回归，得到所述相邻的两个视频帧的关键点。

9.根据权利要求6所述的装置，其中，所述训练单元，进一步被配置成：

利用所述光流算法，基于所述后一视频帧和对所述后一视频帧的关键点，确定所述前一视频帧的关键点；

确定所确定的前一视频帧的关键点和对所述前一视频帧检测到的关键点的距离，响应于确定所述距离小于距离阈值，利用所述损失值进行反向传播，以调整所述卷积神经网络的参数。

10.根据权利要求6所述的装置，其中，所述装置还包括：

获取单元，被配置成获取目标图像，将所述目标图像输入所述训练后的卷积神经网络，以对所述目标图像进行关键点检测，生成所述目标图像的关键点。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。