本发明涉及图像识别技术领域，特别地，涉及一种针对电商图像中模特脖颈关键点的检测方法。
背景技术：
电商场景中，商家上传的图片一般是2d的静态图片，其中很多都是模特身着特定商品的展示图。在包含全身或上半身电商图像识别系统中，通常的做法是确定头部和躯干的位置，为之后的头部姿态识别、商品识别等提供支持。
因为没有特定去识别脖颈位置，所以会导致头部和躯干的分界线不明确，进而会影响商品定位和识别。比如：羽绒服有高领、中领和低领等种类，高领完全遮挡住模特的脖颈，而低领则会露出全部脖颈。如果仅将模特上身分为头部与躯干，将以下颌作为分界线，那么对于低领羽绒服而言，它的上边界明显超出实际商品边界，反过来，如果把锁骨当作边界，则会导致高领羽绒服图像被割裂了。这就需要首先去识别定位模特的脖颈部分，来确上衣商品的上边界和头部的下边界。但是因为衣领的高度，难以保证脖颈部分的显露程度。比如在低领衣服的模特商品图，可以检测到完整的脖颈，但中领衣服的模特商品图，只有部分的脖颈。这样给脖颈检测带来了严重的干扰。一类方案是将模特商品图按照脖颈显露程度用人工方式分为不同组，分别进行识别，那么显而易见，这种方式比较耗时耗力，同时也难以保证枚举出全部可能性。
技术实现要素：
有鉴于此，本发明目的是提供针对电商图像中模特脖颈关键点的检测方法。
为了解决上述技术问题，本发明的技术方案是：
一种针对电商图像中模特脖颈关键点的检测方法，包括如下步骤：
s1、确定人体脖颈关键点的数量ns和位置ls，作为标注标准；
s2、标注数据：根据步骤s1中确定的数据，在含有模特全身或上半身的商品图像中进行标注；
s3、根据步骤s2中标注的数据，训练出一个人类脖颈关键点检测模型，在检测模型中，所有关键点的位置ls区域构成一个矩阵as；
s4、输入待检测图像，通过检测模型进行检测；
s5、根据检测模型的检测结果，给出检测出的模特脖颈关键点的数量np及位置lp，其中检测出的关键点位置lp所在区域构成预测矩阵ap；
s6、比较矩阵as和矩阵ap的相似性，若矩阵as和矩阵ap的相似性小于或等于预设值，则输出当前已检测出的关键点作为识别结果。
进一步的：检测模型的检测算法采用openpose算法。
进一步的，步骤s6，具体包括如下步骤：
s61、确定矩阵as的特征向量xs；
s62、确定矩阵ap的特征向量xp；
s63、计算特征向量xs和特征向量xp差值的平均和s＝||xs-xp||；
s64、设置置信度阈值th，当s≤th时，即可输出当前已检测出的关键点作为识别结果。
进一步的，在步骤s61中，通过公式(as-λe)xs＝0确定矩阵as的特征向量xs；在步骤s62中，通过公式(ap-λe)xp＝0确定矩阵ap的特征向量xp。
较之现有技术，本发明的优点在于：
本发明提供了针对电商图片的脖颈关键点检测技术，可以快速准确地检测出模特脖颈位置，为图像进一步的头部姿态识别、商品识别提供了帮助。
本发明提供了的脖颈关键点检测技术，可以无需准备对商品按照衣领进行人工分类，节省了人力成本。
附图说明
图1为本发明作为标注标准的脖颈关键点位置，图中圆圈部分表示关键点。
具体实施方式
以下结合附图，对本发明的具体实施方式作进一步详述，以使本发明技术方案更易于理解和掌握。
实施例：
参照图1所示，本实施例提供一种针对电商图像中模特脖颈关键点的检测方法，具体包括如下步骤：
步骤一、确定人体脖颈关键点的数量ns和位置ls，作为标注标准，例如可通过专业医生顾问团确定人体脖颈关键点的数量ns和位置ls，具体位置如图1所示；
步骤二、标注数据：根据步骤一中确定的数据，在含有模特全身或上半身的商品图像中进行标注，换言之，按照步骤一中确定的标注标准，在图像上标注出各关键点的位置。
步骤三、根据步骤二中标注的数据，训练出一个人类脖颈关键点检测模型，其中检测算法可以采用openpose算法，值得一提的是，openpose模型是基于深度学习的一种人体关键点检测模型，通过脖颈商业图像集的训练，可以得到专注于脖颈关键点的检测模型。
如此，在检测模型中，所有关键点的位置ls区域构成一个矩阵as。
步骤四、输入待检测图像，通过检测模型进行检测，值得一提的是，输入的待检测图片为含有模特全身或上半身的商品图像；
步骤五、根据检测模型的检测结果，给出检测出的模特脖颈关键点的数量np及位置lp，其中检测出的关键点位置lp所在区域构成预测矩阵ap；在正常情况下，检测出点的关键点数小于或等于总共的关键点数ns，即np∈(0,ns)。
步骤六、比较矩阵as和矩阵ap的相似性，可以通过比较两个矩阵的特征向量来确定矩阵as和矩阵ap的相似性，进而确定关键点检测的准确性和漏检率；其中通过公式(as-λe)xs＝0确定矩阵as的特征向量xs；通过公式(ap-λe)xp＝0确定矩阵ap的特征向量xp。
接下来，计算特征向量xs和特征向量xp差值的平均和s＝||xs-xp||，s越小，说明两个矩阵越相似，也就说明脖颈关键点找得越准确；
最后，设置置信度阈值th，当s≤th时，即可输出当前已检测出的关键点作为识别结果,换言之，存在于该矩阵ap中的关键点即为所需的关键点，作为识别结果输出(此总结描述有无问题)。
通过上述步骤，便可准确的检测出模特脖颈位置，为图像进一步的头部姿态识别、商品识别提供了帮助，从而无需准备对商品按照衣领进行人工分类，节省了人力成本。
以上只是本发明的典型实例，除此之外，本发明还可以有其它多种具体实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求保护的范围。
1.针对电商图像中模特脖颈关键点的检测方法，其特征在于，包括如下步骤：
s1、确定人体脖颈关键点的数量ns和位置ls，作为标注标准；
s2、标注数据：根据步骤s1中确定的数据，在含有模特全身或上半身的商品图像中进行标注；
s3、根据步骤s2中标注的数据，训练出一个人类脖颈关键点检测模型，在检测模型中，所有关键点的位置ls区域构成一个矩阵as；
s4、输入待检测图像，通过检测模型进行检测；
s5、根据检测模型的检测结果，给出检测出的模特脖颈关键点的数量np及位置lp，其中检测出的关键点位置lp所在区域构成预测矩阵ap；
s6、比较矩阵as和矩阵ap的相似性，若矩阵as和矩阵ap的相似性小于或等于预设值，则输出当前已检测出的关键点作为识别结果。
2.根据权利要求1所述的针对电商图像中模特脖颈关键点的检测方法，其特征在于：检测模型的检测算法采用openpose算法。
3.根据权利要求1所述的针对电商图像中模特脖颈关键点的检测方法，其特征在于：步骤s6，具体包括如下步骤：
s61、确定矩阵as的特征向量xs；
s62、确定矩阵ap的特征向量xp；
s63、计算特征向量xs和特征向量xp差值的平均和s＝||xs-xp||；
s64、设置置信度阈值th，当s≤th时，即可输出当前已检测出的关键点作为识别结果。
4.根据权利要求3所述的针对电商图像中模特脖颈关键点的检测方法，其特征在于：
在步骤s61中，通过公式(as-λe)xs＝0确定矩阵as的特征向量xs；
在步骤s62中，通过公式(ap-λe)xp＝0确定矩阵ap的特征向量xp。
技术总结