(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210260636.4 (22)申请日 2022.03.16 (71)申请人 浙江商汤科技 开发有限公司 地址 311215 浙江省杭州市萧 山区宁围街 道市心北路857号28 8-8室 (72)发明人 宋飞翔　徐光辉　杨钰鑫　朱铖恺　 武伟　 (74)专利代理 机构 北京博思佳知识产权代理有 限公司 1 1415 专利代理师 赵皓天 (51)Int.Cl. G06V 20/62(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 图像筛选方法、 装置、 设备和存 储介质 (57)摘要 本申请提出一种图像筛选方法、 装置、 设备 和存储介质。 其中， 所述方法可以包括： 获取输入 图像； 提取所述输入图像中目标对象的关键点； 获取所述关键点的信息； 所述关键点的信息包括 以下至少一项： 所述关键点在所述输入图像中的 位置信息， 所述关键点所围合的图像区域的边长 信息， 所述关键点的置信度信息； 基于所述关键 点的信息对 所述输入图像进行筛选。 由此可以提 升图像筛选效率。 权利要求书2页 说明书16页 附图4页 CN 114943957 A 2022.08.26 CN 114943957 A 1.一种图像筛 选方法， 其特 征在于， 所述方法包括： 获取输入图像； 提取所述输入图像中目标对象的关键点； 获取所述关键点的信息； 所述关键点的信息包括以下至少一项： 所述关键点在所述输 入图像中的位置信息， 所述关键点所围合的图像区域的边长信息， 所述关键点的置信度信 息； 基于所述关键点的信息对所述输入图像进行筛 选。 2.根据权利要求1所述的方法， 其特征在于， 所述提取所述输入图像中目标对象的关键 点， 包括： 采用目标对象关键点模型对所述输入图像进行处 理， 得到所述输入图像对应的热图； 将所述热图中最大像素值对应的像素点确定为所述目标对象的关键点。 3.根据权利要求2所述的方法， 其特征在于， 采用目标对象关键点模型对所述输入图像 进行处理， 得到所述输入图像对应的热图， 包括： 采用目标对象关键点模型对所述输入图像进行多次下采样与多次上采样， 得到所述热 图； 其中， 在所述多次上采样过程中， 融合所述多次下采样过程中生成的多 级特征图。 4.根据权利要求2或3所述的方法， 其特 征在于， 所述获取 所述关键点的信息， 包括： 根据所述关键点在所述输入图像中的坐标， 确定所述 位置信息和/或所述 边长信息； 根据所述关键点在所述热图中的像素值， 确定所述置信度信息 。 5.根据权利要求1 ‑4任一项所述的方法， 其特征在于， 所述关键点信 息包括所述关键点 的置信度信息， 所述基于所述关键点的信息对所述输入图像进行筛 选， 包括： 根据每个所述关键点的置信度确定 置信度均值； 根据所述置信度均值与预设的置信度阈值的比较结果对所述输入图像进行筛 选。 6.根据权利要求1 ‑5任一项所述的方法， 其特征在于， 所述关键点信 息包括所述关键点 所围合的图像区域的边长信息， 所述图像区域为四边形， 所述边长信息包括所述四边形 的 第一边长信息与第二 边长信息； 所述基于所述关键点的信息对所述输入图像进行筛 选， 包括： 根据所述第 一边长信 息指示的第 一边长与 预设的第 一边长阈值的比较结果， 以及所述 第二边长信息指示的第二边长与预设的第二边长阈值的比较结果， 对所述输入图像进 行筛 选。 7.根据权利要求1 ‑6任一项所述的方法， 其特征在于， 所述关键点信 息包括所述关键点 在所述输入图像中的位置信息， 所述基于所述关键点的信息对所述输入图像进行筛选， 包 括： 根据所述位置信 息， 确定所述关键点在所述输入图像中所处 的位置到所述输入图像的 图像边缘的距离； 根据所述距离与预设的距离阈值的比较结果， 对所述输入图像进行筛 选。 8.根据权利要求7所述的方法， 其特征在于， 在对所述输入图像进行筛选之前， 所述方 法包括： 根据比较结果确定所述输入图像的质量分数， 其中所述比较结果包括以下至少一 项： 所述置信度均值与预设的置信度阈值的比较结果； 所述第一边长与预设的第一边长阈 值的比较结果； 所述第二边长与预设的第二边长阈值的比较结果； 所述距离与预设的距离权　利　要　求　书 1/2 页 2 CN 114943957 A 2阈值的比较结果； 所述对所述输入图像进行筛 选， 包括： 基于所述输入图像的质量分数对所述输入图像进行筛 选。 9.根据权利要求8所述的方法， 其特征在于， 所述比较结果还包括： 所述输入图像的边 长与预设的图像边长阈值的比较结果。 10.根据权利要求9所述的方法， 其特征在于， 所述根据比较结果确定所述输入图像的 质量分数， 包括： 在所述比较结果指示以下指示一种情形的情形下， 根据 所述置信度均值与 所述输入图 像的面积， 确定所述输入图像的质量分数： 所述输入图像的边长 达到所述图像边长阈值； 所述置信度均值达 到所述置信度阈值； 所述第一 边长达到所述第一 边长阈值； 所述第二 边长达到所述第二 边长阈值； 所述距离未达 到所述距离阈值。 11.根据权利要求1 ‑10任一所述的方法， 其特征在于， 所述提取所述输入图像 中目标对 象的关键点， 包括： 利用基于卷积神经网络生成的目标对象关键点模型， 提取所述输入图像中目标对象的 关键点； 其中所述目标对象关键点模型的训练方法包括： 获取样本 图像； 所述样本 图像包括针对所述目标对象的关键点的标注信息； 所述标注 信息用于指示所述目标对象的关键点在所述样本图像中的坐标信息； 利用所述样本图像对所述目标对象关键点模型进行多轮训练， 其中， 每一轮训练包括： 将所述样本图像输入所述目标对象关键点模型， 得到针对所述关键点的预测信息； 确定所述标注信息与所述预测信息之间的损失信息； 基于所述损失信息调整所述目标对象关键点模型的参数。 12.一种图像筛 选装置， 其特 征在于， 所述装置包括： 第一获取模块， 用于获取输入图像； 提取模块， 用于提取 所述输入图像中目标对象的关键点； 第二获取模块， 用于获取所述关键点的信 息； 所述关键点的信 息包括以下至少一项： 所 述关键点在所述输入图像中的位置信息， 所述关键点所围合的图像区域的边长信息， 所述 关键点的置信度信息； 筛选模块， 用于基于所述关键点的信息对所述输入图像进行筛 选。 13.一种电子设备， 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， 所述处理器通过运行所述可执行指令以实现如权利要求1 ‑11任一所述的图像筛 选方法。 14.一种计算机可读存储介质， 其特征在于， 所述存储介质存储有计算机程序， 所述计 算机程序用于使处 理器执行如权利要求1 ‑11任一所述的图像筛 选方法。权　利　要　求　书 2/2 页 3 CN 114943957 A 3