[發(fā)明專利]基于人工智能的狗臉關(guān)鍵點(diǎn)檢測(cè)方法及相關(guān)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202210690786.9
• 申請(qǐng)日: 2022-06-17
• 公開（公告）號(hào): CN114943989A
• 公開（公告）日: 2022-08-26
• 發(fā)明（設(shè)計(jì)）人: 胡魁;李佼;盛建達(dá);戴磊;劉玉宇;肖京
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06V40/10
• 分類號(hào): G06V40/10;G06V10/50;G06V10/762;G06V10/44;G06V10/774;G06V10/26;G06V10/764;G06V10/74;G06N3/04;G06N3/08
• 代理公司: 深圳市賽恩倍吉知識(shí)產(chǎn)權(quán)代理有限公司 44334
• 代理人: 陳敬華

本申請(qǐng)?zhí)岢鲆环N基于人工智能的狗臉關(guān)鍵點(diǎn)檢測(cè)方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，基于人工智能的狗臉關(guān)鍵點(diǎn)檢測(cè)方法包括：對(duì)歷史狗臉圖像進(jìn)行轉(zhuǎn)碼處理獲得轉(zhuǎn)碼圖像；對(duì)轉(zhuǎn)碼圖像進(jìn)行分割獲得多個(gè)圖像塊；計(jì)算每個(gè)圖像塊的關(guān)鍵點(diǎn)，并依據(jù)關(guān)鍵點(diǎn)標(biāo)注所述轉(zhuǎn)碼圖像以獲得標(biāo)記圖像；基于所述標(biāo)記圖像和所述轉(zhuǎn)碼圖像訓(xùn)練狗臉關(guān)鍵點(diǎn)檢測(cè)模型；將待檢測(cè)圖像輸入所述狗臉關(guān)鍵點(diǎn)檢測(cè)模型以獲取檢測(cè)結(jié)果。該方法可以對(duì)狗臉圖像進(jìn)行轉(zhuǎn)碼以對(duì)狗臉圖像映射到色彩空間，從而能夠提升狗臉關(guān)鍵點(diǎn)檢測(cè)的準(zhǔn)確度。

技術(shù)領(lǐng)域

本申請(qǐng)涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種基于人工智能的狗臉關(guān)鍵點(diǎn)檢測(cè)方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著數(shù)字科技的發(fā)展，各行各業(yè)開始傾向于利用數(shù)字圖像處理技術(shù)提升業(yè)務(wù)效率和業(yè)務(wù)質(zhì)量，例如，一些互聯(lián)網(wǎng)企業(yè)傾向于利用數(shù)字圖像處理技術(shù)檢測(cè)狗臉圖像中的關(guān)鍵點(diǎn)，以便于對(duì)狗臉圖像做分類或目標(biāo)檢測(cè)處理。

目前，通常利用坐標(biāo)點(diǎn)回歸的方式對(duì)狗臉圖像中的關(guān)鍵點(diǎn)進(jìn)行預(yù)測(cè)，然而這種方式?jīng)]有利用狗臉圖像中的結(jié)構(gòu)信息，缺少了空間泛化能力，導(dǎo)致檢測(cè)結(jié)果的準(zhǔn)確度較低。因此，研究一種包含空間信息的狗臉關(guān)鍵點(diǎn)檢測(cè)方法勢(shì)在必行。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，有必要提供一種基于人工智能的狗臉關(guān)鍵點(diǎn)檢測(cè)方法及相關(guān)設(shè)備，以解決如何提高狗臉關(guān)鍵點(diǎn)檢測(cè)的準(zhǔn)確度這一技術(shù)問題，其中，相關(guān)設(shè)備包括基于人工智能的狗臉關(guān)鍵點(diǎn)檢測(cè)裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

本申請(qǐng)實(shí)施例提供一種基于人工智能的狗臉關(guān)鍵點(diǎn)檢測(cè)方法，所述方法包括：

對(duì)歷史狗臉圖像進(jìn)行轉(zhuǎn)碼處理獲得轉(zhuǎn)碼圖像；

對(duì)轉(zhuǎn)碼圖像進(jìn)行分割獲得多個(gè)圖像塊；

計(jì)算每個(gè)圖像塊的關(guān)鍵點(diǎn)，并依據(jù)關(guān)鍵點(diǎn)標(biāo)注所述轉(zhuǎn)碼圖像以獲得標(biāo)記圖像；

基于所述標(biāo)記圖像和所述轉(zhuǎn)碼圖像訓(xùn)練狗臉關(guān)鍵點(diǎn)檢測(cè)模型；

將待檢測(cè)圖像輸入所述狗臉關(guān)鍵點(diǎn)檢測(cè)模型以獲取檢測(cè)結(jié)果。

上述基于人工智能的狗臉關(guān)鍵點(diǎn)檢測(cè)方法通過對(duì)狗臉圖像進(jìn)行轉(zhuǎn)碼獲得轉(zhuǎn)碼圖像，對(duì)于轉(zhuǎn)碼圖像進(jìn)行分割獲得了多個(gè)圖像塊，計(jì)算每個(gè)圖像塊的關(guān)鍵點(diǎn)并進(jìn)行數(shù)據(jù)標(biāo)注獲得標(biāo)記圖像，基于標(biāo)記圖像和轉(zhuǎn)碼圖像訓(xùn)練狗臉關(guān)鍵點(diǎn)檢測(cè)模型，能夠自動(dòng)標(biāo)記圖像中的關(guān)鍵點(diǎn)，降低標(biāo)注成本的同時(shí)提升了模型訓(xùn)練的效率，并在模型訓(xùn)練過程中應(yīng)用空間特征，從而提升了模型的泛化能力，進(jìn)而提升了狗臉關(guān)鍵點(diǎn)檢測(cè)的準(zhǔn)確度。

在一些實(shí)施例中，所述對(duì)歷史狗臉圖像進(jìn)行轉(zhuǎn)碼獲得轉(zhuǎn)碼圖像包括：

對(duì)歷史狗臉圖像進(jìn)行上采樣獲得采樣圖像；

計(jì)算所述采樣圖像中每個(gè)像素點(diǎn)的灰度值獲得灰度圖像；

對(duì)所述灰度圖像進(jìn)行銳化獲得轉(zhuǎn)碼圖像。

如此，通過對(duì)狗臉圖像進(jìn)行上采樣獲得了采樣圖像，并計(jì)算采樣圖像中每個(gè)像素點(diǎn)的灰度值獲得了灰度圖像，并進(jìn)一步對(duì)灰度圖像進(jìn)行銳化獲得了轉(zhuǎn)碼圖像，能夠?qū)υ谔嵘纺槇D像空間信息的同時(shí)增強(qiáng)狗臉圖像的對(duì)比度，從而提升了后續(xù)圖像塊劃分的準(zhǔn)確度。

在一些實(shí)施例中，所述對(duì)轉(zhuǎn)碼圖像進(jìn)行分割獲得多個(gè)圖像塊包括：

構(gòu)建所述轉(zhuǎn)碼圖像中每個(gè)像素點(diǎn)的特征描述子；

依據(jù)預(yù)設(shè)的狗臉關(guān)鍵點(diǎn)類別數(shù)量在所述轉(zhuǎn)碼圖像中設(shè)置多個(gè)聚類中心；

基于所述特征描述子和所述聚類中心對(duì)所述轉(zhuǎn)碼圖像中的每個(gè)像素點(diǎn)進(jìn)行聚類以獲得多個(gè)圖像塊。

如此，通過預(yù)設(shè)的劃分閾值初始化設(shè)置轉(zhuǎn)碼圖像中的多個(gè)像素點(diǎn)作為聚類中心，并依據(jù)聚類中心對(duì)轉(zhuǎn)碼圖像中的像素點(diǎn)進(jìn)行聚類以生成多個(gè)圖像塊，為后續(xù)計(jì)算圖像關(guān)鍵點(diǎn)提供了數(shù)據(jù)支撐。