手部关键点检测方法、装置、设备和介质

技术领域

本公开涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，特别涉及一种手部关键点检测方法、装置、设备和介质。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术。人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

随着社会的进步和科技的迅猛发展，短视频、直播、在线教育等行业不断的兴起，在各种交互场景中，基于手部关键点信息进行互动的功能需求越来越多。通过实现对视频或图像中的手部关键点检测，能够提升用户与电子设备的交互性，提高用户体验。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种手部关键点检测方法、装置、设备和介质。

根据本公开的一方面，提供了一种手部关键点检测方法，包括：将待检测图像输入第一子模型，以获取第一子模型输出的第一预测结果和第一特征图，其中，待检测图像包括手部，第一预测结果表征手部的至少一个关键点中的每一个关键点的初步预测位置；基于第一预测结果，从第一特征图中获取第一关键点特征，第一关键点特征包括与每一个关键点分别对应的特征；基于第一预测结果，从待检测图像中获取第二关键点特征，第二关键点特征包括与每一个关键点分别对应的特征；将第一关键点特征和第二关键点特征输入第二子模型，以获取第二子模型输出的第二预测结果，其中，第二预测结果表征对每一个关键点的初步预测位置的修正；以及结合第一预测结果和第二预测结果，以得到手部关键点检测结果。

根据本公开的另一方面，还提供了一种手部关键点检测模型的训练方法，手部关键点检测模型包括第一子模型和第二子模型，训练方法包括：获取样本图像并标注样本真实结果，样本图像包括手部，样本真实结果表征手部的至少一个关键点中的每一个关键点的真实位置；利用样本图像和样本真实结果训练第一子模型；将样本图像输入训练好的第一子模型，以获取第一子模型输出的第一样本预测结果和第一样本特征图，第一样本预测结果表征每一个关键点的初步预测位置；基于第一样本预测结果，从第一样本特征图中获取第一样本关键点特征，第一样本关键点特征包括与每一个关键点分别对应的特征；基于第一样本预测结果，从样本图像中获取第二样本关键点特征，第二样本关键点特征包括与每一个关键点分别对应的特征；将第一样本关键点特征和第二样本关键点特征输入第二子模型，以获取第二子模型输出的第二样本预测结果，其中，第二样本预测结果表征对每一个关键点的初步预测位置的修正；以及基于样本真实结果、第一样本预测结果和第二样本预测结果，调整第二子模型的参数。

根据本公开的另一方面，还提供了一种手部关键点检测装置，包括：第一预测模块，被配置为将待检测图像输入第一子模型，以获取第一子模型输出的第一预测结果和第一特征图，其中，待检测图像包括手部，第一预测结果表征手部的至少一个关键点中的每一个关键点的初步预测位置；第一特征获取模块，被配置为基于第一预测结果，从第一特征图中获取第一关键点特征，第一关键点特征包括与每一个关键点分别对应的特征；第二特征获取模块，被配置为基于第一预测结果，从待检测图像中获取第二关键点特征，第二关键点特征包括与每一个关键点分别对应的特征；第二预测模块，被配置为将第一关键点特征和第二关键点特征输入第二子模型，以获取第二子模型输出的第二预测结果，其中，第二预测结果表征对每一个关键点的初步预测位置的修正；以及第三预测模块，被配置为结合第一预测结果和第二预测结果，以得到手部关键点检测结果。

根据本公开的另一方面，还提供了一种手部关键点检测模型的训练装置，手部关键点检测模型包括第一子模型和第二子模型，训练装置包括：获取模块，被配置为获取样本图像并标注样本真实结果，样本图像包括手部，样本真实结果表征手部的至少一个关键点中的每一个关键点的真实位置；训练模块，被配置为利用样本图像和样本真实结果训练第一子模型；第一预测模块，被配置为将样本图像输入训练好的第一子模型，以获取第一子模型输出的第一样本预测结果和第一样本特征图，第一样本预测结果表征每一个关键点的初步预测位置；第一特征获取模块，被配置为基于第一样本预测结果，从第一样本特征图中获取第一样本关键点特征，第一样本关键点特征包括与每一个关键点分别对应的特征；第二特征获取模块，被配置为基于第一样本预测结果，从样本图像中获取第二样本关键点特征，第二样本关键点特征包括与每一个关键点分别对应的特征；第二预测模块，被配置为将第一样本关键点特征和第二样本关键点特征输入第二子模型，以获取第二子模型输出的第二样本预测结果，其中，第二样本预测结果表征对每一个关键点的初步预测位置的修正；以及调参模块，被配置为基于样本真实结果、第一样本预测结果和第二样本预测结果，调整第二子模型的参数。

根据本公开的另一方面，还提供了一种计算机设备，包括：存储器、处理器以及存储在存储器上的计算机程序，其中，处理器被配置为执行计算机程序以实现上述手部关键点检测方法和训练方法的步骤。

根据本公开的另一方面，还提供了一种存储程序的计算机可读存储介质，程序包括指令，指令在由电子设备的处理器执行时，致使电子设备执行根据上述手部关键点检测方法和训练方法。

根据本公开的另一方面，还提供了一种计算机程序产品，包括计算机程序，其中，计算机程序被处理器执行时实现上述手部关键点检测方法和训练方法的步骤。

根据本公开的一个或多个实施例，通过将待检测图像输入第一子模型，以得到第一子模型输出的针对待检测图像中的手部关键点位置的粗略估计即第一预测结果，并得到第一子模型输出的高语义层次特征即第一特征图；基于第一预测结果得到第一特征图中手部关键点位置处的高语义层次特征和待检测图像中手部关键点位置附近的低语义层次特征；再将这些特征输入到第二子模型即精修模型，以得到用以对粗略估计结果进行修正的偏移矢量；最终结合粗略估计和偏移矢量以得到手部关键点检测的最终结果。本公开通过将结合高语义层次特征和低语义层次特征的组合特征作为第二子模型即精修网络的输入，使得精修网络能够基于更丰富的语义信息以对偏移矢量进行预测，从而能够输出更准确的偏移矢量，进而能够提升手部关键点检测模型输出的最终预测结果的准确性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开示例性实施例的手部关键点检测方法的流程图；

图2示出了根据本公开示例性实施例的手部关键点检测模型的示意图；

图3示出了根据本公开示例性实施例的偏移矢量的示意图；

图4示出了根据本公开示例性实施例的手部关键点检测方法的流程图；

图5-图6示出了根据本公开示例性实施例的手部关键点检测模型的训练方法的流程图；

图7示出了根据本公开示例性实施例的手部关键点检测装置的结构框图；

图8示出了根据本公开示例性实施例的手部关键点检测模型的训练装置的结构框图；以及

图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

相关技术中，现有的方法在对手部关键点进行检测时先通过神经网络得到待检测图像的特征图，再基于该特征图生成对手部关键点的初步预测结果，进而基于该特征图生成偏移图以对初步预测结果进行修正，以得到最终的预测结果。而这种方法由于只使用用于生成对手部关键点粗略估计的特征图作为对初步预测结果进行进一步修正的依据，因而导致使用该方法得到的偏移图能够给预测结果带来的提升十分有限。

为解决上述问题，本公开通过将待检测图像输入第一子模型，以得到第一子模型输出的针对待检测图像中的手部关键点位置的粗略估计即第一预测结果，并得到第一子模型输出的高语义层次特征即第一特征图；基于第一预测结果得到第一特征图中手部关键点位置处的高语义层次特征和待检测图像中手部关键点位置附近的低语义层次特征；再将这些特征输入到第二子模型即精修模型，以得到用以对粗略估计结果进行修正的偏移矢量；最终结合粗略估计和偏移矢量以得到手部关键点检测的最终结果。本公开通过将结合高语义层次特征和低语义层次特征的组合特征作为第二子模型即精修网络的输入，使得精修网络能够基于更丰富的语义信息以对偏移矢量进行预测，从而能够输出更准确的偏移矢量，进而能够提升手部关键点检测模型输出的最终预测结果的准确性。

下面将结合附图详细描述本公开的实施例。

根据本公开的一方面，提供了一种手部关键点检测方法。如图1所示，检测方法可以包括：步骤S101、将待检测图像输入第一子模型，以获取第一子模型输出的第一预测结果和第一特征图，其中，待检测图像包括手部，第一预测结果表征手部的至少一个关键点中的每一个关键点的初步预测位置；步骤S102、基于第一预测结果，从第一特征图中获取第一关键点特征，其中，第一关键点特征包括与每一个关键点分别对应的特征；步骤S103、基于第一预测结果，从待检测图像中获取第二关键点特征，其中，第二关键点特征包括与每一个关键点分别对应的特征；步骤S104、将第一关键点特征和第二关键点特征输入第二子模型，以获取第二子模型输出的第二预测结果，其中，第二预测结果表征对每一个关键点的初步预测位置的修正；以及步骤S105、结合第一预测结果和第二预测结果，以得到手部关键点检测结果。由此，通过将结合高语义层次特征和低语义层次特征的组合特征作为第二子模型即精修网络的输入，使得精修网络能够基于更丰富的语义信息以对偏移矢量进行预测，从而能够输出更准确的偏移矢量，进而能够提升手部关键点检测模型输出的最终预测结果的准确性。

根据一些实施例，待检测图像例如可以为单张的图像，也可以为视频连续帧中的某一帧，在此不做限定。待检测图像中可以只包括一只手，也可以包括多只手，在此不做限定。根据不同的预设规则，可以设置不同的手部关键点数量。示例性的，将手部关键点的数量设置为从掌心到指尖的21个关键点。

根据一些实施例，第一子模型可以为卷积神经网络。如图2所示，第一子模型202例如可以包括至少一个卷积层2021(以及池化层)，从而能够基于输入的待检测图像201输出至少一个特征图。第一子模型还可以包括至少一个反卷积层2022，从而对特征图进行上采样，再将上采样后的特征图进行后处理2023以对关键点位置进行初步预测，从而得到第一预测结果203。示例性的，第一特征图为最靠近输出端的反卷积层输出的特征图。

根据一些实施例，第一预测结果203例如可以为高斯热图，每一个热图峰值能够表征待检测图像中的一只手的一个关键点的初步预测位置，即对待检测图像中手部关键点位置的粗略估计。通过使用高斯热图，能够以更直观的形式呈现出待检测图像中的手部关键点。

根据一些实施例，第二预测结果表征的对每一个关键点的初步预测位置的修正例如可以为偏移矢量。如图3所示，当第一预测结果的尺寸较小时，或者当第一预测结果的置信度较低时，第一预测结果的中对关键点的初步预测位置对应于待检测图像中的一个包括包括中心点301的区域302，而关键点的真实位置应当位于303。将这些位置基于待检测图像的原点300进行矢量化，可以得到初步预测位置的矢量304、真实位置的矢量306和表示对初步预测位置的修正的偏移矢量305。示例性的，每一个偏移矢量可以为包含一个x方向偏移值和一个y方向偏移值的矢量。

根据一些实施例，基于第一预测结果203，从第一特征图中获取第一关键点特征204，第一关键点特征204包括与每一个关键点分别对应的特征。第一关键点特征所包括的与每一个关键点分别对应的特征可以包括第一特征图中与每一个关键点的初步预测位置相应的区域的像素值。当第一特征图的尺寸小于等于第一预测结果的尺寸时，第一预测结果中对每一个关键点的初步预测位置均可以对应第一特征图上的一个像素；而当第一特征图的尺寸大于等于第一预测结果的尺寸是，第一预测结果中对每一个关键点的初步预测位置均可以对应第一特征图上的一片区域；进而可以将这个像素或者这个区域中所有像素的值作为第一关键点特征。由于第一特征图是经过至少一轮卷积运算(和反卷积运算)而得到的，因此第一特征图中的每一个像素均为基于待检测图像中的一片区域而得到的特征，从而能够作为高语义层次的特征信息。由此，将包含第一特征图上与每个关键点的初步预测位置对应的区域的特征的第一关键点特征输入第二子模型，使得第二子模型能够基于与关键点初步预测位置相应的高语义层次的特征对偏移矢量进行预测。

根据一些实施例，基于第一预测结果203，从待检测图像201中获取第二关键点特征205，第二关键点特征205包括与每一个关键点分别对应的特征。第二关键点特征所包括的与每一个关键点分别对应的特征可以包括待检测图像中与每一个关键点的初步预测位置相应的区域的像素值。由于第一预测结果是对手部关键点位置的粗略估计，因此第一预测结果即第一子模型输出的高斯热图的尺寸小于等于待检测图像。当第一预测结果小于待检测图像时，第一预测结果中对每一个关键点的初步预测位置均可以对应待检测图像上的一片区域；当第一预测结果与待检测图像尺寸相当时，可以选择待检测图像中与每个关键点的初步预测位置相应的像素或该像素和其周边区域；进而可以将这个区域中的所有像素的值作为第二关键点特征。与特征图相反，待检测图像中的每一个像素均为最低层次的语义特征。由此，将包含待检测图像上与每个关键点的初步预测位置对应的区域的特征的第二关键点特征输入第二子模型，使得第二子模型能够基于与关键点初步预测位置相应的低语义层次的特征对偏移矢量进行预测。

根据一些实施例，第一预测结果的尺寸可以与第一特征图相同。当第一预测结果的尺寸与第一特征图相同时，第一预测结果中的每一个像素与第一特征图中的每一个像素一一对应，因此，第一预测结果中的每一个热图峰值都能与第一特征图中的一个像素(即一个高语义层次特征向量)相对应。第一预测结果的尺寸可以小于待检测图像。当第一预测结果的尺寸小于待检测图像时，第一预测结果中的每一个像素能够对应待检测图像中的一片区域，因此，第一预测结果中的每一个热图峰值都能与待检测图像中的多个像素(即多个低语义层次特征向量)相对应。

根据一些实施例，第二子模型206例如可以为全连接神经网络、一维卷积神经网络或二维卷积神经网络。步骤S104例如可以为：按特定顺序(例如，关键点序号顺序)将第一关键点特征进行排列，以得到矩阵形式的第一关键点特征，其中，矩阵的长为关键点数量(例如，21)，矩阵的宽为第一特征图的通道数；按同样的顺序将第二关键点特征进行排列，以得到矩阵形式的第二关键点特征，其中，矩阵的长为关键点数量，矩阵的宽为待检测图像的通道数乘以每一个热图峰值对应待检测图像中的像素的数量；将矩阵化的第一关键点特征和第二关键点特征按关键点对应关系进行拼接，以得到拼接特征(图中未示出拼接过程)；以及将该拼接特征输入第二子模型，以获取第二子模型输出的第二预测结果。

根据一些实施例，第一关键点特征还可以包括基于每一个关键点的初步预测位置的手部的结构信息。第一关键点特征除了包括与每个关键点的初步预测位置对应的高语义层次特征外，还可以包括这些初步预测位置之间的相对位置关系，从而能够保留手部的结构信息，进而能够使得第二子模型可以基于该结构关系对关键点的偏移矢量进行预测，并得到更准确的手部关键点检测结果。

根据一些实施例，第二子模型可以为图卷积神经网络。图卷积神经网络为一类强大的用于图数据的神经网络架构，其能够对图数据进行特征提取，进而根据这些特征执行相应的任务。步骤S104例如可以包括：基于第一关键点特征和第二关键点特征，构造第二子模型输入。其中，第二子模型输入为包括至少一个节点和至少一条边的图，至少一个节点与手部的至少一个关键点一一对应，至少一个节点中的每一个节点保存有第一关键点特征和第二关键点特征各自包括的与该节点对应的关键点的特征，至少一条边表征所述手部的结构信息。由此，通过上述方法，构造了能够更充分地体现手部结构信息的图数据作为第二子模型的输入，并使用图卷积神经网络从而以更优的方式基于初步预测位置之间的结构关系对关键点偏移量进行预测，从而能够进一步提升模型的准确性。示例性的，第二子模型输入中的每一个节点包括的特征向量为该节点对应的关键点的初步预测位置对应的低语义层次特征和高语义层次特征进行拼接而得到的。

根据一些实施例，当待检测图像中包括多只手时，可以将待检测图像输入第一子模型以得到包括针对每只手的每个关键点的初步预测结果的第一预测结果，但需要对第一预测结果中针对不同手的关键点的初步预测结果进行区分，并针对每一只手基于第一预测结果获取第一关键点特征和第二关键点特征，再将与每只手对应的第一关键点特征和第二关键点特征进行拼接后输入第二子模型中，以得到对每只手的关键点的偏移矢量。

根据一些实施例，如图4所示，手部关键点检测方法还可以包括：步骤S401、将待检测图像输入第一子模型，以获取第一子模型输出的第一预测结果、第一特征图和不同于第一特征图的第二特征图；步骤S404、基于第一预测结果，从第二特征图中获取第三关键点特征；以及步骤S405、将第一关键点特征、第二关键点特征和第三关键点特征输入第二子模型，以获取第二子模型输出的第二预测结果。图4中的步骤S402-S403、S406与图1中的步骤S102-S103、S105类似。由此，通过使用介于高语义层次特征和低语义层次特征中间的中语义层次特征，能够进一步丰富第二子模型的输入特征的语义丰富性，从而提升第二子模型输出的偏移矢量的准确性，进而提升最终输出结果的准确性。

根据一些实施例，步骤S105、结合第一预测结果和第二预测结果，以得到手部关键点检测结果例如可以包括将第一预测结果中的每一个关键点的初步预测位置与相应的第二预测结果的偏移矢量方向进行平移，以得到最终的预测结果。示例性的，如图2所示，在输出层207将第一子模型202输出的高斯热图203的热图峰值的位置矢量与第二子模型206输出的第二预测结果中相应的偏移矢量进行矢量求和运算，以得到热图峰值位置更新后的高斯热图，即手部关键点检测结果。

根据本公开的另一方面，还提供了一种手部关键点检测模型的训练方法，手部关键点检测模型可以包括第一子模型和第二子模型。如图5所示，训练方法可以包括：步骤S501、获取样本图像并标注样本真实结果，其中，样本图像包括手部，样本真实结果表征手部的至少一个关键点中的每一个关键点的真实位置；步骤S502、利用样本图像和样本真实结果训练第一子模型；步骤S503、将样本图像输入训练好的第一子模型，以获取第一子模型输出的第一样本预测结果和第一样本特征图，其中，第一样本预测结果表征每一个关键点的初步预测位置；步骤S504、基于第一样本预测结果，从第一样本特征图中获取第一样本关键点特征，其中，第一样本关键点特征包括与每一个关键点分别对应的特征；步骤S505、基于第一样本预测结果，从样本图像中获取第二样本关键点特征，其中，第二样本关键点特征包括与每一个关键点分别对应的特征；步骤S506、将第一样本关键点特征和第二样本关键点特征输入第二子模型，以获取第二子模型输出的第二样本预测结果，其中，第二样本预测结果表征对每一个关键点的初步预测位置的修正；以及步骤S507、基于样本真实结果、第一样本预测结果和第二样本预测结果，调整第二子模型的参数。由此，通过使用结合了高语义层次特征和低语义层次特征的组合特征对第二子模型即精修模型进行训练，使得训练好的精修模型能够基于更丰富的语义信息对偏移矢量进行预测，从而使得精修模型能够输出更准确的偏移矢量，进而能够得到更准确的手部关键点检测模型。

根据一些实施例，样本图像例如可以为单张的图像，也可以为视频连续帧中的某一帧，在此不做限定。样本图像中可以只包括一只手，也可以包括多只手，在此不做限定。根据不同的预设规则，可以设置不同的手部关键点数量。示例性的，将手部关键点的数量设置为从掌心到指尖的21个关键点。此外，可以对样本图像进行预处理，例如不同尺度缩放、旋转角度、彩色空间的扰动增强等，以增加样本的数量，同时增强训练后的模型的泛化性。样本真实结果例如可以为高斯热图，每一个热图峰值能够表征待检测图像中的一只手的一个关键点的位置。

根据一些实施例，第一子模型可以为经过预训练的神经网络模型。示例性的，第一子模型为经过预训练的卷积神经网络模型。由于预训练模型已经初步具备了目标识别或目标检测的能力，因此使用预训练模型能够大幅降低第一子模型的训练成本。通过使用样本图像和样本真实结果对第一子模型进行进一步训练，能够使得第一子模型具备初步预测手部关键点位置的能力。示例性的，样本真实结果为降采样后的高斯热图，从而使得第一子模型能够更高效地计算出对手部关键点的初步预测结果，使模型具备更好的性能。

可以理解的是，样本图像、第一样本特征图和第一样本预测结果之间的关系与前述待检测图像、第一特征图和第一预测结果类似，在此不做赘述。

根据一些实施例，第一样本关键点特征还可以包括基于每一个关键点的初步预测位置的手部的结构信息。第一样本关键点特征除了包括与每个关键点的初步预测位置对应的高语义层次特征外，还可以包括这些初步预测位置之间的相对位置关系，从而能够保留手部的结构信息，进而能够使得第二子模型在训练后可以基于该结构关系对关键点的偏移矢量进行预测，并得到更准确的手部关键点检测结果。

根据一些实施例，第二子模型可以为图卷积神经网络。步骤S506可以包括：基于第一样本关键点特征和第二样本关键点特征，构造第二子模型输入，第二子模型输入为包括至少一个节点和至少一条边的图，至少一个节点与手部的至少一个关键点一一对应，至少一个节点中的每一个节点保存有第一样本关键点特征和第二样本关键点特征各自包括的与该节点对应的关键点的特征，至少一条边表征手部的结构信息。由此，通过上述方法，构造了能够更充分地体现手部结构信息的图数据作为第二子模型的输入，并使用图卷积神经网络从而以更优的方式基于初步预测位置之间的结构关系对关键点偏移量进行预测，从而能够进一步提升训练后的模型的准确性。示例性的，第二子模型输入中的每一个节点包括的特征向量为该节点对应的关键点的初步预测位置对应的低语义层次特征和高语义层次特征进行拼接而得到的。

根据一些实施例，如图6所示，训练方法还可以包括：步骤S603、将样本图像输入训练好的第一子模型，以获取第一子模型输出的第一样本预测结果、第一样本特征图和不同于第一样本特征图的第二样本特征图；步骤S606、基于第一样本预测结果，从第二样本特征图中获取第三样本关键点特征；以及步骤S607、将第一样本关键点特征、第二样本关键点特征和第三样本关键点特征输入第二子模型，以获取第二子模型输出的第二样本预测结果。图6中的步骤S601-步骤S602、步骤S604-步骤S605、步骤S608与图5中的步骤S501-步骤S502、步骤S504-步骤S505、步骤S507类似。由此，通过使用介于高语义层次特征和低语义层次特征中间的中语义层次特征，能够进一步丰富第二子模型的输入特征的语义丰富性，从而提升训练后的第二子模型输出的偏移矢量的准确性，进而提升最终输出结果的准确性。

根据本公开的另一方面，还提供了一种手部关键点检测装置。如图7所示，手部关键点检测装置700可以包括：第一预测模块701，被配置为将待检测图像输入第一子模型，以获取第一子模型输出的第一预测结果和第一特征图，其中，待检测图像包括手部，第一预测结果表征手部的至少一个关键点中的每一个关键点的初步预测位置；第一特征获取模块702，被配置为基于第一预测结果，从第一特征图中获取第一关键点特征，第一关键点特征包括与每一个关键点分别对应的特征；第二特征获取模块703，被配置为基于第一预测结果，从待检测图像中获取第二关键点特征，第二关键点特征包括与每一个关键点分别对应的特征；第二预测模块704，被配置为将第一关键点特征和第二关键点特征输入第二子模型，以获取第二子模型输出的第二预测结果，其中，第二预测结果表征对每一个关键点的初步预测位置的修正；以及第三预测模块705，被配置为结合第一预测结果和第二预测结果，以得到手部关键点检测结果。

手部关键点检测装置700的模块701-模块705的操作与前面描述的步骤S101-步骤S105的操作类似，在此不做赘述。

根据本公开的另一方面，还提供了一种手部关键点检测模型的训练装置，手部关键点检测模型包括第一子模型和第二子模型。如图8所示，手部关键点检测模型的训练装置800可以包括：获取模块801，被配置为获取样本图像并标注样本真实结果，样本图像包括手部，样本真实结果表征手部的至少一个关键点中的每一个关键点的真实位置；训练模块802，被配置为利用样本图像和样本真实结果训练第一子模型；第一预测模块803，被配置为将样本图像输入训练好的第一子模型，以获取第一子模型输出的第一样本预测结果和第一样本特征图，第一样本预测结果表征每一个关键点的初步预测位置；第一特征获取模块804，被配置为基于第一样本预测结果，从第一样本特征图中获取第一样本关键点特征，第一样本关键点特征包括与每一个关键点分别对应的特征；第二特征获取模块805，被配置为基于第一样本预测结果，从样本图像中获取第二样本关键点特征，第二样本关键点特征包括与每一个关键点分别对应的特征；第二预测模块806，被配置为将第一样本关键点特征和第二样本关键点特征输入第二子模型，以获取第二子模型输出的第二样本预测结果，其中，第二样本预测结果表征对每一个关键点的初步预测位置的修正；以及调参模块807，被配置为基于样本真实结果、第一样本预测结果和第二样本预测结果，调整第二子模型的参数。

手部关键点检测模型的训练装置800的模块801-模块807的操作与前面描述的步骤S501-步骤S507的操作类似，在此不做赘述。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图9现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

设备900中的多个部件连接至I/O接口905，包括：输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备900输入信息的任何类型的设备，输入单元906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如手部关键点检测的方法。例如，在一些实施例中，手部关键点检测的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的手部关键点检测的方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行手部关键点检测的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。