CN111241886A - 对象关键点识别方法及装置、电子设备和存储介质 - Google Patents
对象关键点识别方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111241886A CN111241886A CN201811446136.XA CN201811446136A CN111241886A CN 111241886 A CN111241886 A CN 111241886A CN 201811446136 A CN201811446136 A CN 201811446136A CN 111241886 A CN111241886 A CN 111241886A
- Authority
- CN
- China
- Prior art keywords
- image
- symmetric
- key points
- key point
- area image
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种对象关键点识别方法及装置、电子设备和存储介质,所述方法包括:在待识别图像中截取第一对象的第一区域图像和第二对象的第二区域图像;对第一区域图像进行对称处理得到对称图像;将对称图像和第二区域图像输入识别模型,得到对称图像中第一对象的关键点和/或第二区域图像中第二对象的关键点;根据对称图像中第一对象的关键点和/或第二区域图像中第二对象的关键点,在待识别图像中确定所述对称对象的关键点。本公开实施例将第一区域图像进行对称处理,可以使得识别模型可以用于识别第一对象的关键点和第二对象的关键点,提高识别模型的使用效率,以及提高对称对象关键点识别的识别效率。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种对象关键点识别方法及装置、电子设备和存储介质。
背景技术
在图像处理技术领域,进行目标对象关键点识别的应用越来越多。传统的目标对象关键点识别方法识别出的目标对象关键点不完整,导致目标对象关键点的应用也受到限制。例如,可以利用人脸识别进行安全防护等。在传统的面部识别技术领域,面部关键点缺少精细信息,不能展现面部的完整特征,导致面部识别的应用范围窄。
发明内容
本公开提出了一种对象关键点识别方法技术方案。
根据本公开的一方面,提供了一种对象关键点识别方法,所述方法用于识别对称对象的关键点,所述对称对象包括第一对象和第二对象,所述方法包括:
在待识别图像中截取第一对象的第一区域图像和第二对象的第二区域图像;
对所述第一区域图像进行对称处理得到对称图像;
将所述对称图像和所述第二区域图像输入识别模型,得到所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点;
根据所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点,在所述待识别图像中确定所述对称对象的关键点
在一种可能的实现方式中,所述对称对象包括镜像对象,所述对所述第一区域图像进行对称处理得到对称图像,包括:
对所述第一区域图像进行镜像处理得到镜像图像;
所述将所述对称图像和所述第二区域图像输入识别模型,得到所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点,包括:
将所述镜像图像和所述第二区域图像输入识别模型,得到所述镜像图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点。
在一种可能的实现方式中,所述方法还包括:
根据所述待识别图像和所述第一区域图像确定第一变换矩阵,根据所述待识别图像和所述第二区域图像确定第二变换矩阵;
所述根据所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点,在所述待识别图像中确定所述对称对象的关键点,包括:
根据所述对称图像中第一对象的关键点和所述第一变换矩阵和/或根据所述第二区域图像中第二对象的关键点和所述第二变换矩阵,在所述待识别图像中确定所述对称对象的关键点。
在一种可能的实现方式中,所述对称对象包括眼睛和/或耳朵。
在一种可能的实现方式中,在所述对称对象为耳朵的情况下,所述在待识别图像中截取第一对象的第一区域图像和第二对象的第二区域图像,包括:
在所述待识别图像中确定脸颊关键点;
根据所述脸颊关键点在所述待识别图像中截取第一耳朵的第一区域图像和第二耳朵的第二区域图像。
在一种可能的实现方式中,所述根据所述脸颊关键点在所述待识别图像中截取第一耳朵的第一区域图像和第二耳朵的第二区域图像,包括:
在所述待识别图像中确定第一脸颊关键点和第二脸颊关键点,所述第一脸颊关键点和所述第二脸颊关键点为目标耳朵一侧的脸颊关键点,所述目标耳朵为所述第一耳朵或所述第二耳朵;
根据所述第一脸颊关键点和所述第二脸颊关键点之间的连线长度和截取长度权值确定截取长度,根据所述第一脸颊关键点的位置和所述第二脸颊关键点的位置确定截取位置;
根据所述截取长度和所述截取位置在所述待识别图像中截取所述目标耳朵的目标区域图像。
在一种可能的实现方式中,所述将所述对称图像和所述第二区域图像输入识别模型,得到所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点,包括:
将所述对称图像和所述第二区域图像输入所述识别模型进行状态判断,得到第一对象的状态信息和第二对象的状态信息,所述状态信息包括未被遮挡和被遮挡;
将所述对称图像和所述第二区域图像输入所述识别模型进行关键点识别,得到所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点;
在所述第一对象的状态信息为未被遮挡的情况下,输出所述对称图像中第一对象的关键点,和/或在所述第二对象的状态信息为未被遮挡的情况下,输出所述第二区域图像中第二对象的关键点。
在一种可能的实现方式中,所述方法还包括:
在所述第一对象的状态信息为被遮挡的情况下,输出所述第一对象的状态信息,和/或
在所述第二对象的状态信息为被遮挡的情况下,输出所述第二对象的状态信息。
在一种可能的实现方式中,所述耳朵关键点包括内耳关键点和外耳关键点。
在一种可能的实现方式中,所述识别模型利用标记了耳朵关键点的样本图像训练得到。
在一种可能的实现方式中,所述方法还包括:
在所述样本图像中获取耳朵轮廓线;
根据所述耳朵轮廓线和插值法,得到耳朵的关键点标识。
在一种可能的实现方式中,所述识别模型的训练方法包括:
在样本图像中截取所述第一对象的第一样本区域图像和所述第二对象的第二样本区域图像;
将所述第一样本区域图像进行对称处理得到所述第一对象的对称样本图像;
将所述对称样本图像和所述第二样本区域图像输入识别模型,得到所述第一对象的关键点识别结果和所述第二对象的关键点识别结果;
根据第一对象的关键点识别结果和所述第一样本图像中第一对象的关键点标识,得到所述第一对象的第一损失,和/或根据第二对象的关键点识别结果和所述第二样本图像中第二对象的关键点标识,得到所述第二对象的第二损失;
根据所述第一损失和/或第二损失,得到所述识别模型的识别损失;
向所述识别模型反向传播所述识别损失的梯度,调整所述识别模型的参数。
在一种可能的实现方式中,所述方法还包括:
将原始图像进行旋转、平移、尺度变化中的至少一种处理,得到噪声图像;
根据所述原始图像和所述噪声图像得到所述样本图像。
根据本公开的一方面,提供了一种对象关键点识别装置,所述装置用于识别对称对象的关键点,所述对称对象包括第一对象和第二对象,所述装置包括:
区域图像截取模块,用于在待识别图像中截取第一对象的第一区域图像和第二对象的第二区域图像;
对称处理模块,用于对所述第一区域图像进行对称处理得到对称图像;
关键点输出模块,用于将所述对称图像和所述第二区域图像输入识别模型,得到所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点;
关键点确定模块,用于根据所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点,在所述待识别图像中确定所述对称对象的关键点。
在一种可能的实现方式中,所述对称对象包括镜像对象,所述对称处理模块,包括:
镜像处理子模块,用于对所述第一区域图像进行镜像处理得到镜像图像;
所述关键点输出模块,包括:
关键点输出子模块,用于将所述镜像图像和所述第二区域图像输入识别模型,得到所述镜像图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点。
在一种可能的实现方式中,所述装置还包括:
变换矩阵确定模块,用于根据所述待识别图像和所述第一区域图像确定第一变换矩阵,根据所述待识别图像和所述第二区域图像确定第二变换矩阵;
所述关键点确定模块,包括:
关键点确定子模块,用于根据所述对称图像中第一对象的关键点和所述第一变换矩阵和/或根据所述第二区域图像中第二对象的关键点和所述第二变换矩阵,在所述待识别图像中确定所述对称对象的关键点。
在一种可能的实现方式中,所述对称对象包括眼睛和/或耳朵。
在一种可能的实现方式中,在所述对称对象为耳朵的情况下,所述区域图像截取模块,包括:
脸颊关键点确定子模块,用于在所述待识别图像中确定脸颊关键点;
区域图像截取子模块,用于根据所述脸颊关键点在所述待识别图像中截取第一耳朵的第一区域图像和第二耳朵的第二区域图像。
在一种可能的实现方式中,所述区域图像截取子模块,用于:
在所述待识别图像中确定第一脸颊关键点和第二脸颊关键点,所述第一脸颊关键点和所述第二脸颊关键点为目标耳朵一侧的脸颊关键点,所述目标耳朵为所述第一耳朵或所述第二耳朵;
根据所述第一脸颊关键点和所述第二脸颊关键点之间的连线长度和截取长度权值确定截取长度,根据所述第一脸颊关键点的位置和所述第二脸颊关键点的位置确定截取位置;
根据所述截取长度和所述截取位置在所述待识别图像中截取所述目标耳朵的目标区域图像。
在一种可能的实现方式中,所述关键点输出模块,包括:
状态判断子模块,用于将所述对称图像和所述第二区域图像输入所述识别模型进行状态判断,得到第一对象的状态信息和第二对象的状态信息,所述状态信息包括未被遮挡和被遮挡;
关键点信息获取子模块,用于将所述对称图像和所述第二区域图像输入所述识别模型进行关键点识别,得到所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点;
关键点输出子模块,用于在所述第一对象的状态信息为未被遮挡的情况下,输出所述对称图像中第一对象的关键点,和/或在所述第二对象的状态信息为未被遮挡的情况下,输出所述第二区域图像中第二对象的关键点。
在一种可能的实现方式中,所述装置还包括:
状态信息输出模块,用于在所述第一对象的状态信息为被遮挡的情况下,输出所述第一对象的状态信息,和/或在所述第二对象的状态信息为被遮挡的情况下,输出所述第二对象的状态信息。
在一种可能的实现方式中,所述耳朵关键点包括内耳关键点和外耳关键点。
在一种可能的实现方式中,所述识别模型利用标记了耳朵关键点的样本图像训练得到。
在一种可能的实现方式中,所述装置还包括耳朵关键点标识获取模块,所述耳朵关键点标识获取模块,用于:
在所述样本图像中获取耳朵轮廓线;
根据所述耳朵轮廓线和插值法,得到耳朵的关键点标识。
在一种可能的实现方式中,所述装置还包括训练模块,所述训练模块用于:
样本区域图像截取子模块,用于在样本图像中截取所述第一对象的第一样本区域图像和所述第二对象的第二样本区域图像;
将所述第一样本区域图像进行对称处理得到所述第一对象的对称样本图像;
将所述对称样本图像和所述第二样本区域图像输入识别模型,得到所述第一对象的关键点识别结果和所述第二对象的关键点识别结果;
根据第一对象的关键点识别结果和所述第一样本图像中第一对象的关键点标识,得到所述第一对象的第一损失,和/或根据第二对象的关键点识别结果和所述第二样本图像中第二对象的关键点标识,得到所述第二对象的第二损失;
根据所述第一损失和/或第二损失,得到所述识别模型的识别损失;
向所述识别模型反向传播所述识别损失的梯度,调整所述识别模型的参数。
在一种可能的实现方式中,所述装置还包括:
噪声图像获取模块,用于将原始图像进行旋转、平移、尺度变化中的至少一种处理,得到噪声图像;
样本图像获取模块,用于根据所述原始图像和所述噪声图像得到所述样本图像。
根据本公开的一方面,提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行上述任意一项所述的方法。
根据本公开的一方面,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,所述计算机程序指令被处理器执行时实现上述任意一项所述的方法。
在本公开实施例中,在待识别图像中截取第一对象的第一区域图像和第二对象的第二区域图像;对第一区域图像进行对称处理得到对称图像;将对称图像和第二区域图像输入识别模型,得到对称图像中第一对象的关键点和/或第二区域图像中第二对象的关键点;根据对称图像中第一对象的关键点和/或第二区域图像中第二对象的关键点,在待识别图像中确定所述对称对象的关键点。本公开实施例截取各对象的区域图像进行目标对象的关键点识别,以及将其中一个对象的区域图像进行对称处理,可以使得对称对象的关键点的识别过程更加高效。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的对象关键点识别方法的流程图;
图2示出根据本公开实施例的对象关键点识别方法的流程图;
图3示出根据本公开实施例的对象关键点识别方法的流程图;
图4示出根据本公开实施例的对象关键点识别方法中耳朵关键点的示意图;
图5示出根据本公开实施例的对象关键点识别装置的框图;
图6是根据一示例性实施例示出的一种电子设备的框图;
图7是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的对象关键点识别方法的流程图,所述对称对象包括第一对象和第二对象,如图1所示,所述对象关键点识别方法包括:
步骤S10,在待识别图像中截取第一对象的第一区域图像和第二对象的第二区域图像。
在一种可能的实现方式中,待识别图像可以为利用各种类型的拍摄设备拍摄得到的图像。例如,可以利用单目摄像头、RGB摄像头、红外摄像头、近红外摄像头等各种视觉传感器拍摄待识别图像。待识别图像中可以包括人、动物、人形机器人等。
在一种可能的实现方式中,待识别图像中的人、动物和人形机器人等包括面部。在面部中包括两个耳朵和两只眼睛等对称对象。在对待识别图像中的人、动物和人形机器人等进行面部识别时,对称对象需要分别进行识别,增加了面部识别的复杂度。
在一种可能的实现方式中,对称对象包括第一对象和第二对象,第一对象和第二对象之间的对称关系可以为中心对称、轴对称等。本公开对此不做限定。
在一种可能的实现方式中,所述对称对象包括眼睛和/或耳朵。
在一种可能的实现方式中,在待识别图像中的人、动物和人形机器人都可以包括面部,面部中的眼睛和耳朵为对称对象。左眼睛和右眼睛为对称对象,左耳朵和右耳朵为对称对象。眼睛或耳朵在面部中与其他面部关键点的位置相关。可以在待识别图像中识别出面部的关键点,再根据面部的关键点在待识别图像中截取包括耳朵或眼睛的区域图像。例如,可以在待识别图像中识别脸颊关键点,可以根据耳朵与脸颊的关键点之间的位置关系截取耳朵的区域图像。
在一种可能的实现方式中,可以根据对称对象的数量确定区域图像的数量。例如,可以分别截取左耳朵的第一区域图像和右耳朵的第二区域图像,或截取右耳朵的第一区域图像和左耳朵的第二区域图像。
步骤S20,对所述第一区域图像进行对称处理得到对称图像。
在一种可能的实现方式中,第一区域图像中的第一对象和第二区域图像中的第二对象对称。在将第一区域图像进行对称处理后得到的对称图像中的第一对象与第二对象不再对称,第一对象与第二对象相同。
在一种可能的实现方式中,可以根据第一对象与第二对象之间的对称关系,确定将第一区域图像进行对称处理的方式,以使得到的对称图像中的第一对象与第二区域图像中的第二对象相同。例如,当第一对象和第二对象为中心对称时,可以将第一区域图像按照对称中心进行对称处理得到对称图像。当第一对象和第二对象为轴对称时,可以将第一区域图像按照对称轴进行对称处理得到对称图像。
步骤S30,将所述对称图像和所述第二区域图像输入识别模型,得到所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点。
在一种可能的实现方式中,对称图像中第一对象和第二区域图像中的第二对象相同,可以共同使用识别模型进行关键点检测。可以将对称图像和第二区域图像输入训练好的识别模型,得到对称图像中第一对象的关键点和/或第二区域图像中第二对象的关键点。例如,当对称图像中的第一对象可见时,可以得到对称图像中第一对象的关键点。当第二区域图像中第二对象可见时,可以得到第二区域图像中第二对象的关键点。
在一种可能的实现方式中,识别模型可以包括由卷积层、池化层和全连接层组成的神经网络模型。本公开对识别模型的组成方式不做限定。
步骤S40,根据所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点,在所述待识别图像中确定所述对称对象的关键点。
在一种可能的实现方式中,可以确定各区域图像中的像素点的位置和待识别图像中对应的像素点的位置之间的对应关系。可以根据该对应关系和任一区域图像对象的关键点的坐标值,在待识别图像中确定该对象的关键点的坐标值,得到待识别图像中该对象的关键点。
在本实施例中,在待识别图像中截取第一对象的第一区域图像和第二对象的第二区域图像;对第一区域图像进行对称处理得到对称图像;将对称图像和第二区域图像输入识别模型,得到对称图像中第一对象的关键点和/或第二区域图像中第二对象的关键点;根据对称图像中第一对象的关键点和/或第二区域图像中第二对象的关键点,在待识别图像中确定所述对称对象的关键点。截取各对象的区域图像进行目标对象的关键点识别,以及将其中一个对象的区域图像进行对称处理,可以使得对称对象的关键点的识别过程更加高效。
在一种可能的实现方式中,所述对称对象包括镜像对象,所述步骤S20,包括:
对所述第一区域图像进行镜像处理得到镜像图像;
所述步骤S30,包括:
将所述镜像图像和所述第二区域图像输入识别模型,得到所述镜像图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点。
在一种可能的实现方式中,第一对象和第二对象镜像,为第一对象和第二对象对称的其中一种对称方式。在人、动物和人形机器人的面部,眼睛及耳朵为镜像。可以将第一区域图像进行镜像处理,得到的镜像图像中的第一对象,即镜像图像中的第一耳朵或第一眼睛,与第二图像中的第二耳朵或第二眼睛相同。
在一种可能的实现方式中,第一区域图像中的第一对象和第二区域图像中的第二对象镜像时,需要利用两个识别模型对第一区域图像和第二区域图像分别进行处理,其中一个识别模型用于得到第一区域图像中第一对象的关键点,另一个识别模型用于得到第二区域图像中第二对象的关键点。镜像图像中的第一对象和第二区域图像中的第二图像相同,可以利用一个识别模型进行处理,得到镜像图像中第一对象的关键点和第二区域图像中第二对象的关键点。
在本实施例中,对所述第一区域图像进行镜像处理得到镜像图像,将镜像图像和第二区域图像输入识别模型,得到镜像图像中第一对象的关键点和/或第二区域图像中第二对象的关键点。将第一区域图像进行镜像处理,可以使得识别模型可以用于识别第一对象的关键点和第二对象的关键点,提高识别模型的使用效率,以及提高对称对象关键点识别的识别效率。
图2示出根据本公开实施例的对象关键点识别方法的流程图,如图2所示,所述对象关键点识别方法还包括:
步骤S50,根据所述待识别图像和所述第一区域图像确定第一变换矩阵,根据所述待识别图像和所述第二区域图像确定第二变换矩阵。
所述步骤S40,包括:
步骤S41,根据所述对称图像中第一对象的关键点和所述第一变换矩阵和/或根据所述第二区域图像中第二对象的关键点和所述第二变换矩阵,在所述待识别图像中确定所述对称对象的关键点。
在一种可能的实现方式中,可以根据各区域图像中的像素点和待识别图像中的像素点的映射关系,确定与各区域图像对应的变换矩阵。可以根据变换矩阵,将各区域图像中的关键点映射至待识别图像中,得到待识别图像中各对象的关键点。可以根据各区域图像和所述待识别图像确定仿射变换矩阵。仿射变换是在几何上定义为两个向量空间之间的一个仿射变换,一个向量空间进行一次线性变换并接上一个平移,变换为另一个向量空间。可以根据仿射变换矩阵和各区域图像中对象的关键点,在待识别图像中确定对称对象的关键点。
在本实施例中,根据区域图像和待识别图像确定变换矩阵,根据变换矩阵和各区域图像中对象的关键点,在待识别图像中确定对称对象的关键点。变换矩阵可以方便地将区域图像中对象的关键点映射至待识别图像中,得到待识别图像中对称对象的关键点,使得待识别图像中对称对象的关键点的定位准确。
图3示出根据本公开实施例的对象关键点识别方法的流程图,在所述对称对象为耳朵的情况下,如图3所示,所述对象关键点识别方法中步骤S10包括:
步骤S11,在所述待识别图像中确定脸颊关键点。
步骤S12,根据所述脸颊关键点在所述待识别图像中截取第一耳朵的第一区域图像和第二耳朵的第二区域图像。
在一种可能的实现方式中,面部中的耳朵位于脸颊附近。脸颊关键点在面部的轮廓线上位于脸颊部分。可以根据耳朵和面部的位置关系,确定用于截取耳朵的区域图像的脸颊关键点。可以在识别模型的训练过程中预设脸颊关键点的数量,根据训练好的识别模型,可以在待识别图像中确定预设数量的脸颊关键点。例如,在识别出的面部轮廓线上,左右脸颊部分各包括两个脸颊关键点。
在一种可能的实现方式中,可以在所述待识别图像中确定第一脸颊关键点和第二脸颊关键点,所述第一脸颊关键点和所述第二脸颊关键点为目标耳朵一侧的脸颊关键点,所述目标耳朵为所述第一耳朵或所述第二耳朵;根据所述第一脸颊关键点和所述第二脸颊关键点之间的连线长度和截取长度权值确定截取长度,根据所述第一脸颊关键点的位置和所述第二脸颊关键点的位置确定截取位置;根据所述截取长度和所述截取位置在所述待识别图像中截取所述目标耳朵的目标区域图像。
在一种可能的实现方式中,在眼睛在上、鼻部在下垂直放置的面部中,可以将面部中眼睛的延长线与面部轮廓的交叉点确定为第一脸颊关键点,将鼻尖所在的水平线与面部轮廓的交叉点确定为第二脸颊关键点。对于第一耳朵,当第一耳朵为左耳朵时,第一脸颊关键点和第二脸颊关键点为位于左侧面部的脸颊关键点。当第一耳朵为右耳朵时,第一脸颊关键点和第二脸颊关键点为位于右侧面部的脸颊关键点。
在一种可能的实现方式中,区域图像可以为矩形。可以将第一脸颊关键点和第二脸颊关键点进行连线,并根据连线的长度和预设的截取长度权值,确定用于截取区域图像的截取长度。可以根据待识别图像中对称对象的特征或对称对象关键点识别的需求确定预设的截取长度权值。本公开对此不做限定。可以将第一脸颊关键点和第二脸颊关键点之间的连线的长度乘以截取长度权值后,得到用于截取区域图像的截取长度。例如,可以预设截取长度权值为2。第一脸颊关键点和第二脸颊关键点的连线的长度为1.2厘米,则截取长度为2.4厘米。截取的区域图像的各边长为2.4厘米。
在一种可能的实现方式中,可以按照将第一脸颊关键点和第二脸颊关键点的连线设置于矩形框的中心的方式,确定区域图像的截取位置。也可以按照将第一脸颊关键点和第二脸颊关键点的连线与矩形框靠近鼻部方向的边长重合的方式,确定区域图像的截取位置。本公开对此不做限定。
在一种可能的实现方式中,可以根据截取长度和截取位置,在待识别图像中截取第一耳朵的第一区域图像和第二耳朵的第二区域图像。
在一种可能的实现方式中,由于人、动物或人形机器人的面部的位姿众多,在截取到的第一区域图像可能不包括第一对象,或在截取到的第二区域图像中不包括第二对象。例如,当待识别图像中的人为右侧的侧脸时,只有右耳朵可见,左耳朵不可见。可以在待识别图像中确定人的右侧脸颊的第一脸颊关键点和第二脸颊关键点后,截取右耳朵的第一区域图像。第一区域图像中包括右耳朵。同时在待识别图像中确定人的左侧脸颊的第一脸颊关键点和第二脸颊关键点,可以根据右侧脸颊的两个脸颊关键点对称至左侧脸颊后,确定左侧脸颊的两个脸颊关键点,再根据确定出的左侧脸颊的两个脸颊关键点截取左耳朵的第二区域图像。第二区域图像中不包括左耳朵。在将第一区域图像进行对称处理得到对称图像,并将对称图像和第二区域图像输入识别模型进行关键点识别后,可以识别出对称图像中的右耳朵的关键点,无法识别出第二区域图像中的左耳朵的关键点。通过截取第一对象的第一区域图像和第二对象的第二区域图像,再利用识别模型识别第一区域图像中的第一对象的关键点和第二区域图像中第二对象的关键点。可以提高对称对象关键点识别的适用范围。
在本实施例中,在待识别图像中确定脸颊关键点;根据所述脸颊关键点在待识别图像中截取各耳朵的区域图像。根据脸颊关键点可以截取到准确的耳朵的区域图像。
在一种可能的实现方式中,所述步骤S30,包括:
将所述对称图像和所述第二区域图像输入所述识别模型进行状态判断,得到第一对象的状态信息和第二对象的状态信息,所述状态信息包括未被遮挡和被遮挡;
将所述对称图像和所述第二区域图像输入所述识别模型进行关键点识别,得到所述对称图像中第一对象的关键点和所述第二区域图像中第二对象的关键点;
在所述第一对象的状态信息为未被遮挡的情况下,输出所述对称图像中第一对象的关键点,和/或在所述第二对象的状态信息为未被遮挡的情况下,输出所述第二区域图像中第二对象的关键点。
在一种可能的实现方式中,识别模型可以包括状态判断分支和关键点识别分支。其中,状态判断分支可以用于判断对称图像中的第一对象的状态和第二区域图像中第二对象的状态。例如,状态判断分支可以判断对称图像或第二区域图像中的耳朵的状态为被遮挡还是未被遮挡。状态判断分支可以包括卷积层、池化层及全连接层等。
在一种可能的实现方式中,关键点识别分支可以用于识别对称图像和第二区域图像中目标对象的关键点。所述耳朵关键点包括内耳关键点和外耳关键点。例如,关键点识别分支可以用于识别对称图像和第二区域图像中的内耳关键点和外耳关键点。关键点识别分支可以包括卷积层、池化层及全连接层等。本公开对状态判断分支和关键点识别分支的结构不做限定。
图4示出根据本公开实施例的对象关键点识别方法中耳朵关键点的示意图,如图4所示,图4中的点为外耳关键点。
在一种可能的实现方式中,当状态判断分支确定出第一对象或第二对象的状态为未被遮挡时,第一对象或第二对象可见,关键点识别分支识别出的第一对象或第二对象的关键点准确。例如,状态判断分支确定出的耳朵的状态为未被遮挡时,耳朵可见,关键点识别分支识别出的耳朵关键点的识别结果准确,并能够被有效的用于后续处理。
在本实施例中,识别模型包括状态判断分支和关键点识别分支,在状态判断分支确定第一对象或第二对象的状态信息为未被遮挡的情况下,输出第一对象或第二对象的关键点。状态判断分支和关键点识别分支可以使得关键点的输出结果更加准确。
在一种可能的实现方式中,所述方法还包括:
在所述第一对象的状态信息为被遮挡的情况下,输出所述第一对象的状态信息,和/或
在所述第二对象的状态信息为被遮挡的情况下,输出所述第二对象的状态信息。
在一种可能的实现方式中,当状态判断分支确定出第一对象或第二对象的状态为被遮挡时,第一对象或第二对象不可见,关键点识别分支识别出的第一对象或第二对象的关键点不准确。例如,状态判断分支确定出的左耳朵的状态为被遮挡时,左耳朵不可见,关键点识别分支识别出的左耳朵的关键点的识别结果不准确,不能被有效的用于后续处理,此时,可以输出左耳朵的状态信息,即输出左耳朵的状态为被遮挡。
在本实施例中,在第一对象或第二对象的状态信息为被遮挡的情况下,输出第一对象或第二对象的状态信息。可以使得本公开实施例的关键点识别方法的适用范围更广。
在一种可能的实现方式中,所述识别模型利用标记了耳朵关键点的样本图像训练得到。
在一种可能的实现方式中,所述方法还包括:
在所述样本图像中获取耳朵轮廓线;
根据所述耳朵轮廓线和插值法,得到耳朵的关键点标识。
在一种可能的实现方式中,可以在样本图像中利用人工标识耳朵轮廓线。可以根据耳朵轮廓线和插值法,得到耳朵的关键点标识。利用轮廓线和插值法,可以得到更加精准的耳朵关键点。
在本实施例中,可以利用人工标识耳朵轮廓线和插值法,得到更加精准的耳朵关键点。
在一种可能的实现方式中,所述识别模型的训练方法包括:
在样本图像中截取所述第一对象的第一样本区域图像和所述第二对象的第二样本区域图像;
将所述第一样本区域图像进行对称处理得到所述第一对象的对称样本图像;
将所述对称样本图像和所述第二样本区域图像输入识别模型,得到所述第一对象的关键点识别结果和所述第二对象的关键点识别结果;
根据第一对象的关键点识别结果和所述第一样本图像中第一对象的关键点标识,得到所述第一对象的第一损失,和/或根据第二对象的关键点识别结果和所述第二样本图像中第二对象的关键点标识,得到所述第二对象的第二损失;
根据所述第一损失和/或第二损失,得到所述识别模型的识别损失;
向所述识别模型反向传播所述识别损失的梯度,调整所述识别模型的参数。
在一种可能的实现方式中,以下以对称对象为耳朵为例说明识别模型的训练过程。可以在样本图像中检测目标对象的脸颊关键点,可以根据脸颊关键点截取与各耳朵对应的样本区域图像。例如,可以在样本图像中识别人的脸颊关键点,并根据脸颊关键点截取左耳朵的第一样本区域图像和右耳朵的第二样本区域图像。耳朵的样本区域图像的截取方法与上述实施例相同,不再赘述。
在一种可能的实现方式中,可以将第一样本区域图像进行镜像处理得到镜像样本图像。镜像样本图像中的第一耳朵,与第二样本区域图像中的第二耳朵的形状相同。可以将镜像样本图像和第二样本区域图像输入识别模型进行处理,得到第一耳朵和第二耳朵的关键点的识别结果。可根据各耳朵的识别结果和与该耳朵对应的样本区域图像中的关键点标识,得到该耳朵的损失。
在一种可能的实现方式中,可以将所有耳朵的损失相加,得到识别模型的识别损失。可以向识别模型反向传播识别损失的梯度,调整识别模型的参数。可以利用调整参数后的识别模型进行下一次训练,可以在达到预设的迭代次数,或识别模型满足设定的收敛条件时,停止训练,得到训练好的识别模型。
在一种可能的实现方式中,识别模型可以包括状态判断分支和关键点识别分支,可以所述镜像样本图像和第二样本区域图像输入状态判断分支,得到第一对象的状态信息和第二对象的状态信息,所述状态信息包括未被遮挡和被遮挡。可以将镜像样本图像和第二样本区域图像输入关键点识别分支,得到所述镜像样本图像中第一对象的关键点和第二样本区域图像中第二对象的关键点。可以在所述第一对象的状态信息为未被遮挡的情况下,输出镜像样本图像中第一对象的关键点,和/或在所述第二对象的状态信息为未被遮挡的情况下,输出第二样本区域图像中第二对象的关键点。识别模型中的状态判断分支和关键点识别分支的训练方法可采用传统的神经网络训练方法,不再赘述。
在本实施例中,在识别模型的训练过程中,可以将第一对象的第一样本区域图像镜像后,得到镜像样本图像,可以将镜像样本图像和第二样本区域图像输入识别模型,得到第一对象和第二对象的关键点识别结果。可以根据各对象的关键点识别结果和各对象的关键点标识,得到各对象的损失。可以根据所有对象的损失得到识别模型的识别损失。可以反向传播识别损失的梯度,调整识别模型的参数,以完成识别模型的训练。在识别模型中利用各耳朵的损失得到识别模型的识别损失,可以使得训练后的识别模型的识别结果更加准确。
在一种可能的实现方式中,所述方法还包括:
将原始图像进行旋转、平移、尺度变化中的至少一种处理,得到噪声图像;
根据所述原始图像和所述噪声图像得到所述样本图像。
在一种可能的实现方式中,可以将原始图像进行极小角度的旋转,极小距离的平移、尺度放大、尺度缩小等操作后,在样本图像中引入噪声得到噪声图像。可以根据噪声图像和原始图像得到样本图像,噪声图像可以扩大样本图像的数据集。
在本实施例中,根据原始图像得到噪声图像,再根据原始图像和噪声图像组成样本图像对神经网络的训练过程,可以使得训练好的神经网络提取到的特征的稳定性强,能够适应复杂场景的应用,得到的识别结果也更加准确。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
图5示出根据本公开实施例的对象关键点识别装置的框图,所述装置用于识别对称对象的关键点,所述对称对象包括第一对象和第二对象,如图5所示,所述对象关键点识别装置包括:
区域图像截取模块10,用于在待识别图像中截取第一对象的第一区域图像和第二对象的第二区域图像;
对称处理模块20,用于对所述第一区域图像进行对称处理得到对称图像;
关键点输出模块30,用于将所述对称图像和所述第二区域图像输入识别模型,得到所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点;
关键点确定模块40,用于根据所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点,在所述待识别图像中确定所述对称对象的关键点。
在一种可能的实现方式中,所述对称对象包括镜像对象,所述对称处理模块,包括:
镜像处理子模块,用于对所述第一区域图像进行镜像处理得到镜像图像;
所述关键点输出模块,包括:
关键点输出子模块,用于将所述镜像图像和所述第二区域图像输入识别模型,得到所述镜像图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点。
在一种可能的实现方式中,所述装置还包括:
变换矩阵确定模块,用于根据所述待识别图像和所述第一区域图像确定第一变换矩阵,根据所述待识别图像和所述第二区域图像确定第二变换矩阵;
所述关键点确定模块,包括:
关键点确定子模块,用于根据所述对称图像中第一对象的关键点和所述第一变换矩阵和/或根据所述第二区域图像中第二对象的关键点和所述第二变换矩阵,在所述待识别图像中确定所述对称对象的关键点。
在一种可能的实现方式中,所述对称对象包括眼睛和耳朵。
在一种可能的实现方式中,在所述对称对象为耳朵的情况下,所述区域图像截取模块,包括:
脸颊关键点确定子模块,用于在所述待识别图像中确定脸颊关键点;
区域图像截取子模块,用于根据所述脸颊关键点在所述待识别图像中截取第一耳朵的第一区域图像和第二耳朵的第二区域图像。
在一种可能的实现方式中,所述区域图像截取子模块,用于:
在所述待识别图像中确定第一脸颊关键点和第二脸颊关键点,所述第一脸颊关键点和所述第二脸颊关键点为目标耳朵一侧的脸颊关键点,所述目标耳朵为所述第一耳朵或所述第二耳朵;
根据所述第一脸颊关键点和所述第二脸颊关键点之间的连线长度和截取长度权值确定截取长度,根据所述第一脸颊关键点的位置和所述第二脸颊关键点的位置确定截取位置;
根据所述截取长度和所述截取位置在所述待识别图像中截取所述目标耳朵的目标区域图像。
在一种可能的实现方式中,所述关键点输出模块,包括:
状态判断子模块,用于将所述对称图像和所述第二区域图像输入所述识别模型进行状态判断,得到第一对象的状态信息和第二对象的状态信息,所述状态信息包括未被遮挡和被遮挡;
关键点信息获取子模块,用于将所述对称图像和所述第二区域图像输入所述识别模型进行关键点识别,得到所述对称图像中第一对象的关键点和所述第二区域图像中第二对象的关键点;
关键点输出子模块,用于在所述第一对象的状态信息为未被遮挡的情况下,输出所述对称图像中第一对象的关键点,和/或在所述第二对象的状态信息为未被遮挡的情况下,输出所述第二区域图像中第二对象的关键点。
在一种可能的实现方式中,所述装置还包括:
状态信息输出模块,用于在所述第一对象的状态信息为被遮挡的情况下,输出所述第一对象的状态信息,和/或在所述第二对象的状态信息为被遮挡的情况下,输出所述第二对象的状态信息。
在一种可能的实现方式中,所述耳朵关键点包括内耳关键点和外耳关键点。
在一种可能的实现方式中,所述识别模型利用标记了耳朵关键点的样本图像训练得到。
在一种可能的实现方式中,所述装置还包括耳朵关键点标识获取模块,所述耳朵关键点标识获取模块,用于:
在所述样本图像中获取耳朵轮廓线;
根据所述耳朵轮廓线和插值法,得到耳朵的关键点标识。
在一种可能的实现方式中,所述装置还包括训练模块,所述训练模块用于:
样本区域图像截取子模块,用于在样本图像中截取所述第一对象的第一样本区域图像和所述第二对象的第二样本区域图像;
将所述第一样本区域图像进行对称处理得到所述第一对象的对称样本图像;
将所述对称样本图像和所述第二样本区域图像输入识别模型,得到所述第一对象的关键点识别结果和所述第二对象的关键点识别结果;
根据第一对象的关键点识别结果和所述第一样本图像中第一对象的关键点标识,得到所述第一对象的第一损失,和/或根据第二对象的关键点识别结果和所述第二样本图像中第二对象的关键点标识,得到所述第二对象的第二损失;
根据所述第一损失和/或第二损失,得到所述识别模型的识别损失;
向所述识别模型反向传播所述识别损失的梯度,调整所述识别模型的参数。
在一种可能的实现方式中,所述装置还包括:
噪声图像获取模块,用于将原始图像进行旋转、平移、尺度变化中的至少一种处理,得到噪声图像;
样本图像获取模块,用于根据所述原始图像和所述噪声图像得到所述样本图像。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图6是根据一示例性实施例示出的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图6,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图7是根据一示例性实施例示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图7,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动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。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种对象关键点识别方法,其特征在于,所述方法用于识别对称对象的关键点,所述对称对象包括第一对象和第二对象,所述方法包括:
在待识别图像中截取第一对象的第一区域图像和第二对象的第二区域图像;
对所述第一区域图像进行对称处理得到对称图像;
将所述对称图像和所述第二区域图像输入识别模型,得到所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点;
根据所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点,在所述待识别图像中确定所述对称对象的关键点。
2.根据权利要求1所述的方法,其特征在于,所述对称对象包括镜像对象,所述对所述第一区域图像进行对称处理得到对称图像,包括:
对所述第一区域图像进行镜像处理得到镜像图像;
所述将所述对称图像和所述第二区域图像输入识别模型,得到所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点,包括:
将所述镜像图像和所述第二区域图像输入识别模型,得到所述镜像图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
根据所述待识别图像和所述第一区域图像确定第一变换矩阵,根据所述待识别图像和所述第二区域图像确定第二变换矩阵;
所述根据所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点,在所述待识别图像中确定所述对称对象的关键点,包括:
根据所述对称图像中第一对象的关键点和所述第一变换矩阵和/或根据所述第二区域图像中第二对象的关键点和所述第二变换矩阵,在所述待识别图像中确定所述对称对象的关键点。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述对称对象包括眼睛和/或耳朵。
5.一种对象关键点识别装置,其特征在于,所述装置用于识别对称对象的关键点,所述对称对象包括第一对象和第二对象,所述装置包括:
区域图像截取模块,用于在待识别图像中截取第一对象的第一区域图像和第二对象的第二区域图像;
对称处理模块,用于对所述第一区域图像进行对称处理得到对称图像;
关键点输出模块,用于将所述对称图像和所述第二区域图像输入识别模型,得到所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点;
关键点确定模块,用于根据所述对称图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点,在所述待识别图像中确定所述对称对象的关键点。
6.根据权利要求5所述的装置,其特征在于,所述对称对象包括镜像对象,所述对称处理模块,包括:
镜像处理子模块,用于对所述第一区域图像进行镜像处理得到镜像图像;
所述关键点输出模块,包括:
关键点输出子模块,用于将所述镜像图像和所述第二区域图像输入识别模型,得到所述镜像图像中第一对象的关键点和/或所述第二区域图像中第二对象的关键点。
7.根据权利要求5或6所述的装置,其特征在于,所述装置还包括:
变换矩阵确定模块,用于根据所述待识别图像和所述第一区域图像确定第一变换矩阵,根据所述待识别图像和所述第二区域图像确定第二变换矩阵;
所述关键点确定模块,包括:
关键点确定子模块,用于根据所述对称图像中第一对象的关键点和所述第一变换矩阵和/或根据所述第二区域图像中第二对象的关键点和所述第二变换矩阵,在所述待识别图像中确定所述对称对象的关键点。
8.根据权利要求5至7中任一项所述的装置,其特征在于,所述对称对象包括眼睛和/或耳朵。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行权利要求1至4中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至4中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811446136.XA CN111241886A (zh) | 2018-11-29 | 2018-11-29 | 对象关键点识别方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811446136.XA CN111241886A (zh) | 2018-11-29 | 2018-11-29 | 对象关键点识别方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111241886A true CN111241886A (zh) | 2020-06-05 |
Family
ID=70875896
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811446136.XA Pending CN111241886A (zh) | 2018-11-29 | 2018-11-29 | 对象关键点识别方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111241886A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295530A (zh) * | 2016-07-29 | 2017-01-04 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
CN107463903A (zh) * | 2017-08-08 | 2017-12-12 | 北京小米移动软件有限公司 | 人脸关键点定位方法及装置 |
CN107820027A (zh) * | 2017-11-02 | 2018-03-20 | 北京奇虎科技有限公司 | 视频人物装扮方法、装置、计算设备及计算机存储介质 |
CN108734078A (zh) * | 2017-12-14 | 2018-11-02 | 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、存储介质及程序 |
-
2018
- 2018-11-29 CN CN201811446136.XA patent/CN111241886A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295530A (zh) * | 2016-07-29 | 2017-01-04 | 北京小米移动软件有限公司 | 人脸识别方法及装置 |
CN107463903A (zh) * | 2017-08-08 | 2017-12-12 | 北京小米移动软件有限公司 | 人脸关键点定位方法及装置 |
CN107820027A (zh) * | 2017-11-02 | 2018-03-20 | 北京奇虎科技有限公司 | 视频人物装扮方法、装置、计算设备及计算机存储介质 |
CN108734078A (zh) * | 2017-12-14 | 2018-11-02 | 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、存储介质及程序 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110674719B (zh) | 目标对象匹配方法及装置、电子设备和存储介质 | |
CN109816764B (zh) | 图像生成方法及装置、电子设备和存储介质 | |
CN109784255B (zh) | 神经网络训练方法及装置以及识别方法及装置 | |
CN108764069B (zh) | 活体检测方法及装置 | |
CN107692997B (zh) | 心率检测方法及装置 | |
CN111241887B (zh) | 目标对象关键点识别方法及装置、电子设备和存储介质 | |
CN109087238B (zh) | 图像处理方法和装置、电子设备以及计算机可读存储介质 | |
CN111553864B (zh) | 图像修复方法及装置、电子设备和存储介质 | |
CN110688951A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN111243011A (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN109934275B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112328090B (zh) | 手势识别方法及装置、电子设备和存储介质 | |
CN110287671B (zh) | 验证方法及装置、电子设备和存储介质 | |
CN109377446B (zh) | 人脸图像的处理方法及装置、电子设备和存储介质 | |
CN110933488A (zh) | 视频剪辑方法及装置 | |
CN110889382A (zh) | 虚拟形象渲染方法及装置、电子设备和存储介质 | |
CN108596093B (zh) | 人脸特征点的定位方法及装置 | |
CN109446912B (zh) | 人脸图像的处理方法及装置、电子设备和存储介质 | |
CN109325908B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110490164B (zh) | 生成虚拟表情的方法、装置、设备及介质 | |
CN110928627A (zh) | 界面展示方法及装置、电子设备和存储介质 | |
CN111523485A (zh) | 位姿识别方法及装置、电子设备和存储介质 | |
CN112184787A (zh) | 图像配准方法及装置、电子设备和存储介质 | |
CN112270288A (zh) | 活体识别、门禁设备控制方法和装置、电子设备 | |
CN114581525A (zh) | 姿态确定方法及装置、电子设备和存储介质 |
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 |