本公开涉及计算机技术领域，尤其涉及一种关键点检测方法及装置、电子设备和存储介质。
背景技术：
在相关技术中，可在图像中搜索目标对象，并定位目标对象的关键点，但在目标对象为特定区域中的某个对象的情况下，对目标对象的定位依赖于对特定区域的定位，对目标区域的定位如果出现偏差，则目标对象的定位偏差较大。
技术实现要素：
本公开提出了一种关键点检测方法及装置、电子设备和存储介质。
根据本公开的一方面，提供了一种关键点检测方法，包括：
根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，其中，所述第一图像中包括所述目标区域；
将所述第一图像输入检测网络进行处理，获得对象检测结果，其中，在所述目标区域中包括目标对象的情况下，所述对象检测结果指示目标对象的关键点在第一图像中第一位置；
根据所述目标对象的关键点在第一图像中第一位置以及所述位置关系，确定所述目标对象的关键点在所述待检测图像中的第二位置。
根据本公开实施例的关键点检测方法，可获取待处理图像的目标区域的第一图像，确定第一图像中的目标对象的第一位置，并确定目标对象在待处理图像中的第二位置，在第一图像中获取第一位置不依赖于目标区域的定位，可提升第一位置的获取精度，因此，根据第一位置确定的第二位置的精度较高。
在一种可能的实现方式中，根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，包括：
根据所述待检测图像中的目标区域的位置，对待检测图像中的目标区域进行截取处理，获得第二图像；
对第二图像进行放缩处理，获得所述预设尺寸的第一图像。
通过这种方式，可获得包括目标区域的第一图像，在对第一图像的检测过程中，可提升检测的准确率。
在一种可能的实现方式中，根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，包括：
根据所述待检测图像中的目标区域的位置以及所述第一图像，确定所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系。
通过这种方式，可通过位置关系将第一图相中的第一位置转换为第二图像中的第二位置，可提高检测的准确率。
在一种可能的实现方式中，所述位置关系包括所述待检测图像的各像素点与所述第一图像的各像素点之间位置变换矩阵，
其中，根据所述目标对象的关键点在第一图像中第一位置以及所述位置关系，确定所述目标对象的关键点在所述待检测图像中的第二位置，包括：
根据所述第一位置以及所述位置变换矩阵，确定所述第二位置。
在一种可能的实现方式中，在所述目标区域中不存在目标对象的情况下，所述对象检测结果指示不存在目标对象。
在一种可能的实现方式中，所述方法还包括：
对待检测图像进行目标区域检测处理，获得所述目标区域所在的位置。
在一种可能的实现方式中，所述方法还包括：
通过包括多个样本图像的数据集对所述检测网络进行训练，其中，所述样本图像中包括一个或多个样本目标区域，并且所述样本目标区域中的样本目标对象具有关键点标注信息。
在一种可能的实现方式中，通过包括多个样本图像的数据集对所述检测网络进行训练，包括：
根据样本图像中的样本目标区域的位置，获得预设尺寸的第三图像；
对所述第三图像进行预处理，获得第四图像；
通过所述第四图像和所述第三图像中的至少一种对所述检测网络进行训练，获得训练后的检测网络。
在一种可能的实现方式中，所述目标区域为人脸区域，所述目标对象为眼镜。
在一种可能的实现方式中，所述目标对象的关键点包括眼镜架中点、眼镜腿拐点、眼镜架与镜片的交点以及镜片边缘的关键点。
根据本公开的另一方面，提供了一种关键点装置，包括：
获取模块，用于根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，其中，所述第一图像中包括所述目标区域；
处理模块，用于将所述第一图像输入检测网络进行处理，获得对象检测结果，其中，在所述目标区域中包括目标对象的情况下，所述对象检测结果指示目标对象的关键点在第一图像中第一位置；
确定模块，用于根据所述目标对象的关键点在第一图像中第一位置以及所述位置关系，确定所述目标对象的关键点在所述待检测图像中的第二位置。
在一种可能的实现方式中，所述获取模块被进一步配置为：
根据所述待检测图像中的目标区域的位置，对待检测图像中的目标区域进行截取处理，获得第二图像；
对第二图像进行放缩处理，获得所述预设尺寸的第一图像。
在一种可能的实现方式中，所述获取模块被进一步配置为：
根据所述待检测图像中的目标区域的位置以及所述第一图像，确定所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系。
在一种可能的实现方式中，所述位置关系包括所述待检测图像的各像素点与所述第一图像的各像素点之间位置变换矩阵，
其中，所述确定模块被进一步配置为：
根据所述第一位置以及所述位置变换矩阵，确定所述第二位置。
在一种可能的实现方式中，在所述目标区域中不存在目标对象的情况下，所述对象检测结果指示不存在目标对象。
在一种可能的实现方式中，所述装置还包括：
检测模块，用于对待检测图像进行目标区域检测处理，获得所述目标区域所在的位置。
在一种可能的实现方式中，所述装置还包括：
训练模块，用于通过包括多个样本图像的数据集对所述检测网络进行训练，其中，所述样本图像中包括一个或多个样本目标区域，并且所述样本目标区域中的样本目标对象具有关键点标注信息。
在一种可能的实现方式中，所述训练模块被进一步配置为：
根据样本图像中的样本目标区域的位置，获得预设尺寸的第三图像；
对所述第三图像进行预处理，获得第四图像；
通过所述第四图像和所述第三图像中的至少一种对所述检测网络进行训练，获得训练后的检测网络。
在一种可能的实现方式中，所述目标区域为人脸区域，所述目标对象为眼镜。
在一种可能的实现方式中，所述目标对象的关键点包括眼镜架中点、眼镜腿拐点、眼镜架与镜片的交点以及镜片边缘的关键点。
根据本公开的另一方面，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：执行上述关键点检测方法。
根据本公开的另一方面，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关键点检测方法。
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关键点检测方法的流程图；
图2示出根据本公开实施例的关键点检测方法的流程图；
图3示出根据本公开实施例的截取处理的示意图；
图4示出根据本公开实施例的眼镜的关键点的示意图；
图5示出根据本公开实施例的关键点检测方法的流程图；
图6示出根据本公开实施例的关键点检测方法的应用示意图；
图7示出根据本公开实施例的关键点检测装置的框图；
图8示出根据本公开实施例的关键点检测装置的框图；
图9示出根据本公开实施例的电子设备的框图；
图10示出根据本公开实施例的电子设备的框图。
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，为了更好的说明本公开，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关键点检测方法的流程图。如图1所示，所述方法包括：
在步骤s11中，根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，其中，所述第一图像中包括所述目标区域；
在步骤s12中，将所述第一图像输入检测网络进行处理，获得对象检测结果，其中，在所述目标区域中包括目标对象的情况下，所述对象检测结果指示目标对象的关键点在第一图像中第一位置；
在步骤s13中，根据所述目标对象的关键点在第一图像中第一位置以及所述位置关系，确定所述目标对象的关键点在所述待检测图像中的第二位置。
根据本公开实施例的关键点检测方法，可获取待处理图像的目标区域的第一图像，确定第一图像中的目标对象的第一位置，并确定目标对象在待处理图像中的第二位置，在第一图像中获取第一位置不依赖于目标区域的定位，可提升第一位置的获取精度，因此，根据第一位置确定的第二位置的精度较高。
在一种可能的实现方式中，所述关键点检测方法可以由终端设备执行，终端设备可以为用户设备(userequipment，ue)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(personaldigitalassistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可由终端设备或图像采集设备(例如相机等)获取待处理图像，并将待处理图像发送至服务器，从而通过服务器执行所述方法。
在一种可能的实现方式中，所述待检测图像可以是包括一个或多个目标区域的图像，所述目标区域为待检测区域，可在目标区域中检测目标对象，例如，所述目标区域为人脸区域，所述目标对象为眼镜，又例如，所述目标对象还可以是五官或饰品等。
在一种可能的实现方式中，可在待检测图像中标注出目标区域的位置，也可通过检测处理确定目标区域在待检测图像中的位置。
图2示出根据本公开实施例的关键点检测方法的流程图。如图2所示，所述方法还包括：
在步骤s14中，对待检测图像进行目标区域检测处理，获得所述目标区域所在的位置。
在一种可能的实现方式中，可通过目标区域检测处理，获得待检测图像中的目标区域的位置。在示例中，目标区域为人脸区域，待检测图像中可包括一个或多个人脸区域，可基于人脸的几何特征或深度特征等特征确定待检测图像中的人脸，并确定人脸区域的位置，还可通过卷积神经网络等神经网络对待检测图像进行人脸检测处理，获得人脸区域的位置。所述目标区域的位置可以是目标区域在待检测图像中的坐标，例如，在图像分辨率为1024×768的待检测图像中，可确定出目标区域为顶点坐标为(100，100)、(200，100)、(100，200)、(200，200)的矩形区域。本公开对检测目标区域的方法不做限制。
在一种可能的实现方式中，也可以采用人工标注等方式确定待检测图像中的目标区域的位置，本公开对确定目标区域位置的具体方式不作限制。
在一种可能的实现方式中，在步骤s11中，可获取包括所述目标区域的第一图像，以及待检测图像的各像素点与第一图像的各像素点之间的位置关系。
在一种可能的实现方式中，根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，可包括：根据所述待检测图像中的目标区域的位置，对待检测图像中的目标区域进行截取处理，获得第二图像；对第二图像进行放缩处理，获得所述预设尺寸的第一图像。
在一种可能的实现方式中，可将目标区域所在位置进行截取，获得第二图像。第二图像为待检测图像中截取出的一部分，在示例中，待检测图像中包括多个目标区域，各目标区域的尺寸互相可不同，因此，截取获得的多个第二图像的尺寸互相可不同，例如，待检测图像中包括两个目标区域，第一个目标区域为顶点坐标为(100，100)、(200，100)、(100，200)、(200，200)的矩形区域，尺寸为100×100，第二个目标区域为顶点坐标为(300，300)、(300，350)、(350，300)、(350，350)的矩形区域，尺寸为50×50。
在示例中，目标区域为人脸区域，在确定目标区域时，人脸在目标区域中所占比例可以是预设的，例如，预设人脸在目标区域中所占的面积比为80％，从而，在第二图像中，人脸所占的面积比为80％。所述面积比可通过人脸轮廓内的像素点数量与目标区域内的像素点总数量之比来确定。
图3示出根据本公开实施例的截取处理的示意图。如图3所示，待检测图像中的目标区域为人脸区域，人脸的轮廓内的像素点数量共有8000个，预设的人脸所占的面积比为80％，可选取人脸及周围区域的10000个像素点作为目标区域(即，待检测图像中的虚线区域)，并对目标区域进行截取处理，获得第二图像，在第二图像中，包含10000个像素点，人脸轮廓内的像素点数量为8000个。如果待检测图像中包括多个人脸，可通过上述方式截取包括各人脸的目标区域，获得多个第二图像，各人脸在各第二图像中所占的面积比一致，例如，均为80％。
在一种可能的实现方式中，可对第二图像进行放缩处理，获得预设尺寸的第一图像，例如，检测网络可接收尺寸为100×100的图像，可将截取获得的各第二图像进行放缩处理，可获得多个尺寸为100×100的第一图像，这些预设尺寸的第一图像均可作为检测网络的输入图像。
在一种可能的实现方式中，可确定待检测图像的各像素点与所述第一图像的各像素点之间的位置关系。其中，根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，可包括：根据所述待检测图像中的目标区域的位置以及所述第一图像，确定所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系。
在示例中，第一图像是对待检测图像中的目标区域进行截取处理和放缩处理而获得的，例如，第一图像中的坐标为(1，1)的像素点在待检测图像中为(100，100)，第一图像中的坐标为(2，1)的像素点在待检测图像中为(102，100)等。在示例中，所述位置关系包括所述待检测图像的各像素点与所述第一图像的各像素点之间位置变换矩阵，可根据目标区域的各像素点在待检测图像中的位置、第一图像中的各像素点的位置和放缩比例等参数，确定所述位置变换矩阵。
通过这种方式，可获得包括目标区域的第一图像，在对第一图像的检测过程中，可提升检测的准确率。
在一种可能的实现方式中，在步骤s12中，可将第一图像输入检测网络进行处理，获得对象检测结果。如果目标区域中具有目标对象，则对象检测结果可指示目标对象的关键点在第一图像中的第一位置；如果所述目标区域中不存在目标对象，则所述对象检测结果指示不存在目标对象。
在示例中，目标区域为人脸区域，目标对象为眼镜。检测网络可对第一图像进行处理，获得对象检测结果，如果在目标区域中，在人脸上佩戴了眼镜，则检测网络可输出目标对象(即，眼镜)的关键点的在第一图像中的第一位置，所述目标对象的关键点包括眼镜架中点、眼镜腿拐点、眼镜架与镜片的交点以及镜片边缘(例如眼镜框)的关键点。如果人脸上未佩戴眼镜，则对象检测结果指示不存在眼镜。
在一种可能的实现方式中，所述检测网络可以是bp神经网络、递归神经网络或卷积神经网络等神经网络，本公开对检测网络的类型不作限制。在示例中，所述检测网络为深度学习神经网络，例如，具有多层级结构(即，具有多个隐含层)的深度学习神经网络，所述检测网络的输入层、多个隐含层和输出层的各神经元之间可进行全连接或非全连接等树型连接。所述检测网络的输入层可输入第一图像，经过隐含层的处理后，所述检测网络的输出层可输出对象检测结果。
图4示出根据本公开实施例的眼镜的关键点的示意图。如图4所示，眼睛的关键点可包括：眼镜架中点、眼镜架与左镜片的交点、眼镜架与右镜片的交点、左眼镜腿拐点、右眼镜腿拐点以及左眼镜片边缘的上、左、下、右、左上、左下、右上、右下8个点和右眼镜片边缘的上、右、下、左、右上、右下、左上、左下8个点，眼镜的关键点可以根据眼镜架中点对称。
通过这种方式，可确定眼镜的多个关键点，可通过较少的计算资源消耗来准确地确定眼镜的位置和形状，提高处理效率。
在一种可能的实现方式中，在步骤s13中，可根据目标对象的关键点在第一图像中的第一位置，以及待检测图像的各像素点与第一图像的各像素点之间的位置关系，确定目标对象的关键点在待检测图像中的第二位置。在示例中，可通过第一图像的目标区域中的像素点与第一图像中的像素点之间的对应关系，确定目标对象的关键点在待检测图像中的第二位置，例如，第一图像中的坐标为(1，1)的像素点在待检测图像中为(100，100)，第一图像中的坐标为(2，1)的像素点在待检测图像中为(102，100)等，可根据此对应关系，确定各关键点在待检测图像中的位置坐标(即，第二位置)。
在一种可能的实现方式中，所述位置关系包括所述待检测图像的各像素点与所述第一图像的各像素点之间位置变换矩阵，步骤s13包括：根据所述第一位置以及所述位置变换矩阵，确定所述第二位置。在示例中，可根据第一位置和位置变换矩阵来确定上述关键点在待检测图像中的第二位置，例如，位置变换矩阵可表示待检测图像中的各像素点与第一图像中的各像素点之间的位置关系，将待检测图像中的像素点的坐标与所述位置变换矩阵进行矩阵乘法运算，可获得第一图像中的对应像素点的坐标，反之，可确定位置变换矩阵的逆矩阵，可将第一图像中的像素点的坐标与位置变换矩阵的逆矩阵进行矩阵乘法，可获得待检测图像中的对应像素点的坐标，因此，可将所述关键点的坐标与位置变换矩阵的逆矩阵进行矩阵乘法，可获得所述关键点在待检测图像中的第二位置(即，坐标)。
在一种可能的实现方式中，在使用所述检测网络对第一图像进行检测处理之前，可对所述检测网络进行训练。
图5示出根据本公开实施例的关键点检测方法的流程图。如图5所示，所述方法还包括：
在步骤s15中，通过包括多个样本图像的数据集对所述检测网络进行训练，其中，所述样本图像中包括一个或多个样本目标区域，并且所述样本目标区域中的样本目标对象具有关键点标注信息。
在一种可能的实现方式中，可使用多个样本图像组成的数据集训练检测网络，样本图像中可包括一个或多个样本目标区域，样本目标区域中可具有样本目标对象，并且，样本目标对象的关键点可被人工标注。
在示例中，所述样本图像可以是包括一个或多个人脸区域的图像，所述人脸区域为样本目标区域，在一个或多个人脸区域中，可包括配戴眼镜(即，目标对象)的人脸，还可包括未佩戴眼镜的人脸，如果某个人脸佩戴了眼镜，则对眼镜的关键点进行标注，例如，对眼镜的眼镜架中点、眼镜腿拐点、眼镜架与镜片的交点以及镜片边缘的关键点进行标注。如果在样本图像中，某个人脸佩戴的眼镜中有一部分未被拍摄在样本图像中，则可仅标注样本图像内的关键点，也可根据眼镜的对称性，确定未被拍摄在样本图像中的部分的关键点的坐标，例如，样本图像为分辨率为1024×768的图像，在样本图像的边界附近的人脸佩戴的眼镜有一部分未被拍摄在样本图像内，例如，右镜片与眼镜腿的交点未被拍摄在样本图像内，可根据眼睛的对称性确定右镜片与眼镜腿的交点为(1050，500)，该交点为样本图像之外的点。在示例中，如果眼镜未被拍摄在样本图像内的部分大于半个镜片，可标注为未佩戴眼镜。如果某个人脸未佩戴眼镜，则标注为未佩戴眼镜。
在一种可能的实现方式中，步骤s15包括：根据样本图像中的样本目标区域的位置，获得预设尺寸的第三图像；对所述第三图像进行预处理，获得第四图像；通过所述第四图像和所述第三图像中的至少一种对所述检测网络进行训练，获得训练后的检测网络。
在一种可能的实现方式中，可对样本图像中的样本目标区域进行截取处理和放缩处理，可获得预设尺寸的第三图像，例如，可对人脸区域进行截取处理，人脸在样本目标区域中所占比例可以是预设的，在截取样本目标区域后，可对截取出来的图像进行放缩处理，获得预设尺寸的第三图像。
在一种可能的实现方式中，可对第三图像进行预处理，例如，进行平移、旋转、改变rgb值或灰度值等至少一项预处理，可获得一个或多个第四图像，并且，使用经过平移、旋转、改变rgb值或灰度值等预处理获得的第四图像训练检测网络，可提升检测网络对误差的识别能力，提高检测网络的鲁棒性。
在一种可能的实现方式中，可使用第三图像和第四图像中的至少一种来训练检测网络。可向检测网络输入第三图像和第四图像中的任一图像，获得样本对象检测结果，即，如果检测网络确定输入的图像中存在目标对象，则样本对象检测结果为目标对象的关键点的第一位置，如果检测网络确定输入的图像中不存在目标对象，则样本检测结果指示不存在目标对象。样本对象检测结果为检测网络的输出结果，该输出结果可能存在误差，例如，识别目标对象的关键点的位置误差，或者误识别目标对象的误差等。
在一种可能的实现方式中，可根据标注信息和所述输出结果，确定检测网络的网络损失。在示例中，可对标注信息和输出结果进行对比，将对比获得的差异确定为检测网络的网络损失。又例如，可根据标注信息和输出结果确定检测网络的交叉熵损失函数，本公开对确定损失函数的方式不做限制。在示例中，可使用正则化的损失函数作为检测网络的网络损失，可避免在迭代训练过程中，检测网络的网络参数出现过拟合的情况。
在一种可能的实现方式中，可根据网络损失来调整检测网络的网络参数，在示例中，可按照使网络损失最小化的方向来调整网络参数，使调整后的检测网络具有较高的拟合优度，同时避免过拟合。在示例中，可使用梯度下降法进行网络损失的反向传播，以调整检测网络的网络参数，例如，对于各神经元之间进行树型连接的检测网络，可使用随机梯度下降法等方法调整网络参数，以降低调整网络参数的过程的复杂程度，提高调整网络参数的效率，并可避免调整的网络参数出现过拟合的情况。
在一种可能的实现方式中，可在检测网络满足训练条件时，停止训练，获得训练后的检测网络。所述训练条件可包括调整次数和模型损失的大小或敛散性等条件。可对检测网络输入预定数量的图像，将检测网络的网络参数调整预定次数，当调整次数达到预定次数时，即为满足训练条件。或者，可不限制调整的次数，而在网络损失降低到一定程度或收敛于一定阈值内时，停止调整，获得调整后的检测网络。并可将检测网络用于确定第一图像的对象检测结果的过程中。
图6示出根据本公开实施例的关键点检测方法的应用示意图。如图6所示，待检测图像中的目标区域为两个人脸区域，其中，左上侧的人脸未佩戴眼镜，右下侧的人脸配戴眼镜。
在一种可能的实现方式中，可对两个目标区域进行截取处理，并对截取获得的第二图像进行放缩，可获得两个第一图像，并可获得待检测图像的各像素点与第一图像的各像素点之间位置变换矩阵。
在一种可能的实现方式中，可将两个第一图像分别输入检测网络中，可获得对象检测结果，即，左侧的第一图像未佩戴眼镜，在右侧的第一图像中，眼镜关键点的第一位置为(a，b)(c，d)...
在一种可能的实现方式中，可将眼镜关键点在第一图像中的第一位置(即，坐标)与所述位置变换矩阵的逆矩阵进行矩阵乘法，可获得眼镜关键点在待检测图像中的第二位置(q，w)(e，r)...
根据本公开实施例的关键点检测方法，可获取待处理图像的目标区域的第一图像，在对第一图像的检测过程中，可提升检测的准确率。通过预处理后的图像训练的检测网络的识别能力和鲁棒性较强。进一步地，可通过待检测图像的各像素点与第一图像的各像素点之间的位置关系确定目标对象在待处理图像中的第二位置，在第一图像中获取第一位置不依赖于目标区域的定位，可提升第一位置的获取精度，因此，根据第一位置确定的第二位置的精度较高。
图7示出根据本公开实施例的关键点检测装置的框图，如图7所示，所述装置包括：
获取模块11，用于根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，其中，所述第一图像中包括所述目标区域；
处理模块12，用于将所述第一图像输入检测网络进行处理，获得对象检测结果，其中，在所述目标区域中包括目标对象的情况下，所述对象检测结果指示目标对象的关键点在第一图像中第一位置；
确定模块13，用于根据所述目标对象的关键点在第一图像中第一位置以及所述位置关系，确定所述目标对象的关键点在所述待检测图像中的第二位置。
在一种可能的实现方式中，获取模块11被进一步配置为：
根据所述待检测图像中的目标区域的位置，对待检测图像中的目标区域进行截取处理，获得第二图像；
对第二图像进行放缩处理，获得所述预设尺寸的第一图像。
在一种可能的实现方式中，获取模块11被进一步配置为：
根据所述待检测图像中的目标区域的位置以及所述第一图像，确定所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系。
在一种可能的实现方式中，所述位置关系包括所述待检测图像的各像素点与所述第一图像的各像素点之间位置变换矩阵，
其中，确定模块13被进一步配置为：
根据所述第一位置以及所述位置变换矩阵，确定所述第二位置。
在一种可能的实现方式中，在所述目标区域中不存在目标对象的情况下，所述对象检测结果指示不存在目标对象。
图8示出根据本公开实施例的关键点检测装置的框图，如图8所示，所述装置还包括：
检测模块14，用于对待检测图像进行目标区域检测处理，获得所述目标区域所在的位置。
在一种可能的实现方式中，所述装置还包括：
训练模块15，用于通过包括多个样本图像的数据集对所述检测网络进行训练，其中，所述样本图像中包括一个或多个样本目标区域，并且所述样本目标区域中的样本目标对象具有关键点标注信息。
在一种可能的实现方式中，训练模块15被进一步配置为：
根据样本图像中的样本目标区域的位置，获得预设尺寸的第三图像；
对所述第三图像进行预处理，获得第四图像；
通过所述第四图像和所述第三图像中的至少一种对所述检测网络进行训练，获得训练后的检测网络。
在一种可能的实现方式中，所述目标区域为人脸区域，所述目标对象为眼镜。
在一种可能的实现方式中，所述目标对象的关键点包括眼镜架中点、眼镜腿拐点、眼镜架与镜片的交点以及镜片边缘的关键点。
可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
此外，本公开还提供了关键点检测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种关键点检测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
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。
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9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9，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10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10，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windowsservertm，macosxtm，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。
1.一种关键点检测方法，其特征在于，所述方法包括：
根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，其中，所述第一图像中包括所述目标区域；
将所述第一图像输入检测网络进行处理，获得对象检测结果，其中，在所述目标区域中包括目标对象的情况下，所述对象检测结果指示目标对象的关键点在第一图像中第一位置；
根据所述目标对象的关键点在第一图像中第一位置以及所述位置关系，确定所述目标对象的关键点在所述待检测图像中的第二位置。
2.根据权利要求1所述的方法，其特征在于，根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，包括：
根据所述待检测图像中的目标区域的位置，对待检测图像中的目标区域进行截取处理，获得第二图像；
对第二图像进行放缩处理，获得所述预设尺寸的第一图像。
3.根据权利要求1或2所述的方法，其特征在于，根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，包括：
根据所述待检测图像中的目标区域的位置以及所述第一图像，确定所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述位置关系包括所述待检测图像的各像素点与所述第一图像的各像素点之间位置变换矩阵，
其中，根据所述目标对象的关键点在第一图像中第一位置以及所述位置关系，确定所述目标对象的关键点在所述待检测图像中的第二位置，包括：
根据所述第一位置以及所述位置变换矩阵，确定所述第二位置。
5.根据权利要求1-4中任一项所述的方法，其特征在于，在所述目标区域中不存在目标对象的情况下，所述对象检测结果指示不存在目标对象。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述方法还包括：
对待检测图像进行目标区域检测处理，获得所述目标区域所在的位置。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：
通过包括多个样本图像的数据集对所述检测网络进行训练，其中，所述样本图像中包括一个或多个样本目标区域，并且所述样本目标区域中的样本目标对象具有关键点标注信息。
8.一种关键点检测装置，其特征在于，所述装置包括：
获取模块，用于根据待检测图像中的目标区域的位置，获取预设尺寸的第一图像以及所述待检测图像的各像素点与所述第一图像的各像素点之间的位置关系，其中，所述第一图像中包括所述目标区域；
处理模块，用于将所述第一图像输入检测网络进行处理，获得对象检测结果，其中，在所述目标区域中包括目标对象的情况下，所述对象检测结果指示目标对象的关键点在第一图像中第一位置；
确定模块，用于根据所述目标对象的关键点在第一图像中第一位置以及所述位置关系，确定所述目标对象的关键点在所述待检测图像中的第二位置。
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7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7中任意一项所述的方法。
技术总结