用于输出信息的方法、装置和系统与流程

本公开的实施例涉及计算机技术领域，具体涉及用于输出信息的方法、装置和系统。

背景技术：

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。在一般的工业使用中，通常采用图像获取装置拍摄图片或者视频，然后再做进一步识别处理。

图像对象检测是图像识别过程中的一个关键步骤，图像对象检测可以从图像中定位感兴趣的目标。图像对象检测往往需要判断每个目标的具体类别，并给出每个目标的边界框。图像对象检测在人脸识别、医学影像、智能视频监控、机器人导航、基于内容的图像检索、基于图像的绘制技术、图像编辑和增强现实等领域都有广泛的应用。

现有技术中，如果图像中包含的物体对象较小(例如物体对象包括的像素点较少)，则通常难以检测到图像中的该物体对象。

技术实现要素：

本公开提出了用于输出信息的方法、装置和系统。

第一方面，本公开的实施例提供了一种用于输出信息的方法，该方法包括：获取目标图像；将目标图像输入至预先训练的目标物体定位模型，得到位置信息集合，其中，位置信息集合中的位置信息用于指示目标图像中的目标物体对象的位置，目标物体定位模型用于确定图像包含的目标物体对象的位置；基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息；输出所得到的关键点信息。

在一些实施例中，基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息，包括：将位置信息集合中的位置信息指示的位置处的图像区域进行放大处理，得到位置信息对应的放大图像区域；将所得到的放大图像区域依次输入至预先训练的关键点确定模型，得到位于位置信息指示的位置处的目标物体对象的关键点信息。

在一些实施例中，目标物体定位模型的参数数量与关键点确定模型的参数数量的比值大于10。

在一些实施例中，目标物体定位模型的参数数量大于一百万。

在一些实施例中，目标物体对象指示的物体为车辆，关键点信息指示的关键点指示车牌所在的位置。

在一些实施例中，该方法还包括：响应于对关键点进行识别得到的识别结果满足预设条件，向目标控制设备发送用于禁止该关键点对应的车牌所属的车辆进行行驶的信号，其中，预设条件包括识别结果指示车牌号码属于预设车牌号码集合。

在一些实施例中，目标图像为预先确定的视频中的视频帧；以及该方法还包括：将视频中位于目标图像之后的视频帧输入至目标物体定位模型，再次得到位置信息集合；对于再次得到的位置信息集合中的位置信息，基于该位置信息，确定位于该位置信息指示的位置处的目标物体对象的关键点信息以及输出。

第二方面，本公开的实施例提供了又一种用于输出信息的方法，该方法包括：第一设备获取目标视频；第一设备从目标视频中选取视频帧作为目标视频帧，以及执行如下发送步骤：将所选取的目标视频帧输入至预先训练的目标物体定位模型，得到位置信息，其中，位置信息用于指示视频帧中的目标物体对象的位置，目标物体定位模型用于确定视频帧包含的目标物体对象的位置；响应于得到位置信息，将所得到的位置信息发送至第二设备；第二设备响应于接收到位置信息，基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在一些实施例中，该方法还包括：第一设备响应于将本次选取的目标视频帧中的目标物体对象的位置信息发送完毕，从目标视频中选取未被选取过的视频帧作为目标视频帧，继续执行发送步骤。

在一些实施例中，基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出，包括：将位于所接收到的位置信息指示的位置处的图像区域进行放大处理，得到位置信息对应的放大图像区域；将所得到的放大图像区域输入至预先训练的关键点确定模型，得到位置信息指示的位置处的目标物体对象的关键点信息。

在一些实施例中，目标物体定位模型的参数数量与关键点确定模型的参数数量的比值大于10。

在一些实施例中，目标物体定位模型的参数数量大于一百万。

在一些实施例中，目标物体对象指示的物体为车辆，关键点信息指示的关键点指示车牌所在的位置。

在一些实施例中，该方法还包括：第二设备响应于对关键点进行识别得到的识别结果满足预设条件，向目标控制设备发送用于禁止该关键点对应的车牌所属的车辆进行行驶的信号，其中，预设条件包括识别结果指示车牌号码属于预设车牌号码集合。

第三方面，本公开的实施例提供了一种用于输出信息的装置，该装置包括：获取单元，被配置成获取目标图像；第一输入单元，被配置成将目标图像输入至预先训练的目标物体定位模型，得到位置信息集合，其中，位置信息集合中的位置信息用于指示目标图像中的目标物体对象的位置，目标物体定位模型用于确定图像包含的目标物体对象的位置；确定单元，被配置成基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息；第一输出单元，被配置成输出所得到的关键点信息。

在一些实施例中，确定单元包括：放大模块，被配置成将位置信息集合中的位置信息指示的位置处的图像区域进行放大处理，得到位置信息对应的放大图像区域；输入模块，被配置成将所得到的放大图像区域依次输入至预先训练的关键点确定模型，得到位于位置信息指示的位置处的目标物体对象的关键点信息。

在一些实施例中，目标物体定位模型的参数数量与关键点确定模型的参数数量的比值大于10。

在一些实施例中，目标物体定位模型的参数数量大于一百万。

在一些实施例中，目标物体对象指示的物体为车辆，关键点信息指示的关键点指示车牌所在的位置。

在一些实施例中，该装置还包括：发送单元，被配置成响应于对关键点进行识别得到的识别结果满足预设条件，向目标控制设备发送用于禁止该关键点对应的车牌所属的车辆进行行驶的信号，其中，预设条件包括识别结果指示车牌号码属于预设车牌号码集合。

在一些实施例中，目标图像为预先确定的视频中的视频帧；以及该装置还包括：第二输入单元，被配置成将视频中位于目标图像之后的视频帧输入至目标物体定位模型，再次得到位置信息集合；第二输出单元，被配置成对于再次得到的位置信息集合中的位置信息，基于该位置信息，确定位于该位置信息指示的位置处的目标物体对象的关键点信息以及输出。

第四方面，本公开的实施例提供了一种用于输出信息的系统，该系统包括第一设备和与第一设备通信连接的第二设备，其中：第一设备被配置成：获取目标视频；从目标视频中选取视频帧作为目标视频帧，以及执行如下发送步骤：将所选取的目标视频帧输入至预先训练的目标物体定位模型，得到位置信息，其中，位置信息用于指示视频帧中的目标物体对象的位置，目标物体定位模型用于确定视频帧包含的目标物体对象的位置；响应于得到位置信息，将所得到的位置信息发送至第二设备；第二设备被配置成：响应于接收到位置信息，基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在一些实施例中，第一设备还被配置成：响应于将本次选取的目标视频帧中的目标物体对象的位置信息发送完毕，从目标视频中选取未被选取过的视频帧作为目标视频帧，继续执行发送步骤。

在一些实施例中，第一设备进一步被配置成：将位于所接收到的位置信息指示的位置处的图像区域进行放大处理，得到位置信息对应的放大图像区域；将所得到的放大图像区域输入至预先训练的关键点确定模型，得到位置信息指示的位置处的目标物体对象的关键点信息。

在一些实施例中，目标物体定位模型的参数数量与关键点确定模型的参数数量的比值大于10。

在一些实施例中，目标物体定位模型的参数数量大于一百万。

在一些实施例中，目标物体对象指示的物体为车辆，关键点信息指示的关键点指示车牌所在的位置。

在一些实施例中，第二设备还被配置成：响应于对关键点进行识别得到的识别结果满足预设条件，向目标控制设备发送用于禁止该关键点对应的车牌所属的车辆进行行驶的信号，其中，预设条件包括识别结果指示车牌号码属于预设车牌号码集合。

第五方面，本公开的实施例提供了一种用于输出信息的电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得该一个或多个处理器实现如上述第一方面中用于输出信息的方法中任一实施例的方法。

第六方面，本公开的实施例提供了一种用于输出信息的计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面中用于输出信息的方法中任一实施例的方法。

本公开的实施例提供的用于输出信息的方法、装置和系统，通过获取目标图像，然后，将目标图像输入至预先训练的目标物体定位模型，得到位置信息集合，其中，位置信息集合中的位置信息用于指示目标图像中的目标物体对象的位置，目标物体定位模型用于确定图像包含的目标物体对象的位置，之后，基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息，最后，输出所得到的关键点信息，丰富了关键点的确定方式，有助于提高检测图像中的物体对象的准确性，有助于在确保检测准确度的前提下，提高关键点的识别速度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的第一个用于输出信息的方法的一个实施例的流程图；

图3是根据本公开的第一个用于输出信息的方法的一个应用场景的示意图；

图4是根据本公开的第二个用于输出信息的方法的一个实施例的流程图；

图5是根据本公开的用于输出信息的装置的一个实施例的结构示意图；

图6是根据本公开的用于输出信息的系统的交互过程示意图；

图7是根据本公开的用于输出信息的系统的又一个交互过程示意图；

图8是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的实施例的用于输出信息的方法或用于输出信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送数据(例如图像)等。终端设备101、102、103上可以安装有各种客户端应用，例如视频播放软件、新闻资讯类应用、图像处理类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。作为示例，当终端设备101、102、103为硬件时，可以是具有显示屏和/或摄像装置各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的图像进行目标物体对象检测的后台服务器。后台服务器可以对该图像中包含的目标物体对象进行定位、关键点识别等处理。并将处理结果(例如定位结果、关键点识别结果)存储于本地，或者，反馈给终端设备。作为示例，服务器105可以是云端服务器，也可以是物理服务器

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

还需要说明的是，本公开的实施例所提供的用于输出信息的方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，用于输出信息的装置包括的各个部分(例如各个单元、子单元、模块、子模块)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。例如，当用于输出信息方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括用于输出信息方法运行于其上的电子设备(例如服务器或终端设备)。

继续参考图2，示出了根据本公开的第一个用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法，包括以下步骤：

步骤201，获取目标图像。

在本实施例中，用于输出信息的方法的执行主体(例如图1所示的服务器或终端设备)可以通过有线连接方式或者无线连接方式从其他电子设备或者本地获取目标图像。

其中，上述目标图像可以是任意图像，例如，目标图像可以是待确定其中的目标物体对象的位置的图像。目标图像可以是视频中的视频帧，也可以是一张独立的图像。上述目标物体对象可以是对任何物理实体进行拍摄得到的图像上所呈现的该物理实体的对象。例如，对车辆进行拍摄得到了车辆图像，那么，该车辆图像包含的目标物体对象可以为该车辆图像中的车辆。作为示例，目标物体对象可以包括但不限于以下任一项：车辆对象、人脸对象、人体对象、树木对象、房屋对象等等。

步骤202，将目标图像输入至预先训练的目标物体定位模型，得到位置信息集合。

在本实施例中，上述执行主体可以将目标图像输入至预先训练的目标物体定位模型，得到位置信息集合。其中，位置信息集合中的位置信息用于指示目标图像中的目标物体对象在该目标图像中的位置，目标物体定位模型用于确定图像包含的目标物体对象的位置。

在这里，上述位置信息集合中的位置信息可以指示组成目标物体对象的各个像素点所在的位置，也可以指示目标图像中包括目标物体对象的矩形框的位置。

可以理解，实践中，上述执行主体可以将目标图像中包括目标物体对象的各个矩形框中的最小的矩形框(例如最小外接矩形所在的矩形框)确定为目标物体对象在该目标图像中的位置。由此可以提高定位准确度，以及提高后续步骤执行的准确度。

作为示例，上述目标物体定位模型可以是采用深度学习算法训练得到的卷积神经网络，也可以是关联存储有图像和位置信息的二维表或数据库。

步骤203，基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息。

在本实施例中，上述执行主体可以基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息。

其中，上述目标物体对象的关键点信息可以用于指示目标物体对象的关键点的位置。实践中，可以根据具体需求，来针对不同的物体对象设置不同的关键点。

作为示例，当目标物体对象为车辆对象时，目标物体对象的关键点信息可以用于指示车牌的四个角点的位置。当目标物体对象为人脸对象时，目标物体对象的关键点信息可以用于指示以下任意一项或多项的位置：眼睛、鼻子、嘴巴。

可以理解，位置信息和关键点信息均可以用于指示目标图像中的目标物体对象的位置。当二者均用于指示目标图像中的目标物体对象的位置时，相对于位置信息，关键点信息可以用于指示更细粒度的目标物体对象的位置。例如，当目标物体对象为车牌对象时，该车牌对象的位置信息可以是包括该车牌对象的较大的矩形框(也可以是包括该车牌对象的较大的矩形框的四个角点坐标)，而该车牌对象的关键点信息可以是目标图像中该车牌对象的最小外接矩形(也可以是目标图像中包括该车牌对象的较大的矩形框的四个角点坐标)。

作为示例，针对位置信息集合中的每个位置信息，上述执行主体可以采用如下方式基于该位置信息，确定目标图像中的目标物体对象的关键点信息：

首先，从目标图像中确定出该位置信息指示的图像区域。

然后，确定所确定出的图像区域中的各个像素点是否为关键点，从而将是关键点的各个像素点在目标图像中的位置信息，确定为目标图像中的目标物体对象的关键点信息。

在本实施例的一些可选的实现方式中，上述执行主体还可以采用如下方式来执行该步骤203：

首先，将位置信息集合中的位置信息指示的位置处的图像区域进行放大处理，得到位置信息对应的放大图像区域。

在这里，上述执行主体可以采用基于区域的图像插值算法、基于边缘的图像插值算法等方法，对上述图像区域进行放大处理，从而得到放大图像区域作为位置信息对应的放大图像区域。可以理解，上述执行主体可以针对每个位置信息得到一个放大图像区域。

然后，将所得到的放大图像区域依次输入至预先训练的关键点确定模型，得到位于位置信息指示的位置处的目标物体对象的关键点信息。

其中，上述关键点确定模型可以用于确定放大图像区域中目标物体对象的关键点信息。

作为示例，上述关键点确定模型可以是基于机器学习算法训练得到的卷积神经网络模型，也可以是关联存储有放大图像区域和关键点信息的二维表或数据库。

可以理解，当关键点确定模型关联存储有放大图像区域和关键点信息时，上述执行主体可以通过如下步骤，来确定目标物体对象的关键点信息：

首先，确定关键点确定模型中所存储的各个放大图像区域中，与所输入的放大图像区域的相似度最高的放大图像区域。

然后，确定关键点确定模型中与所确定出的放大图像区域关联存储的关键点信息作为所得到的位于位置信息指示的位置处的目标物体对象的关键点信息。

需要说明的是，进行放大处理后得到的放大图像区域相对于原图像区域，组成图像区域的像素的可见度将会变得更高，由此，基于放大图像区域来确定目标物体对象的关键点信息，相对于基于原图像区域来确定目标物体对象的关键点信息，可以更精确地得到目标物体对象的关键点信息。

在本实施例的一些可选的实现方式中，目标物体定位模型的参数数量与关键点确定模型的参数数量的比值大于10。

可以理解，训练得到模型的过程，即为调整模型的参数的参数值，使得模型符合预设条件(例如预先确定的损失函数的函数值小于预设阈值)的过程。作为示例，上述模型的参数可以包括但不限于以下至少一项：权重(weight)、偏置(bias)、输入层的神经元个数、输出层的神经元个数等等。

实践中，模型的参数数量越多，通常表征该模型越大。对于一个输入数据，大模型所需要的计算量往往越大。在这里，当目标物体定位模型的参数数量与关键点确定模型的参数数量的比值大于10时，目标物体定位模型相较于关键点确定模型更大，目标物体定位模型对输入数据的计算量更大，计算时间往往更长。

在本实施例的一些可选的实现方式中，目标物体定位模型的参数数量大于一百万。

应该理解，模型的参数数量越多，通常表征该模型越大。对于一个输入数据，大模型所需要的计算量往往更大，模型的学习能力将更强。实践证明，当目标物体定位模型的参数数量大于一百万时，其可以识别出目标图像中很小的目标物体对象。例如，当目标物体定位模型的参数数量大于一百万时，其可以识别出目标图像中拍摄距离为5米的目标物体对象。其中，拍摄距离为拍摄目标图像时，图像拍摄点与目标物体对象所指示的物理实体之间的距离。而通常情况下，现有的参数数量较少(例如参数数量为2万)的模型，则无法识别出目标图像中拍摄距离为5米的目标物体对象。

作为示例，目标物体定位模型的参数数量可以为500万、一千万等等。

可以理解，目标物体定位模型的参数数量越多，其可以识别出目标图像中越小的目标物体对象，并且，所识别出的目标物体对象的准确度也更高。由此，可以减少漏检、误检的情况的发生，进而得到更准确的位置信息和关键点信息。

步骤204，输出所得到的关键点信息。

在本实施例中，上述执行主体可以输出步骤203所得到的关键点信息。

在本实施例的一些可选的实现方式中，目标物体对象指示的物体为车辆，关键点信息指示的关键点指示车牌所在的位置。

可以理解，当目标物体对象指示的物体为车辆，并且，关键点信息指示的关键点指示车牌所在的位置时，本公开的实施例的方案可以应用于车牌识别，有助于提高车牌识别的准确度。

在本实施例的一些可选的实现方式中，在对关键点进行识别得到的识别结果满足预设条件的情况下，上述执行主体还可以向目标控制设备发送用于禁止该关键点对应的车牌所属的车辆进行行驶的信号。

其中，预设条件包括识别结果指示车牌号码属于预设车牌号码集合。目标控制设备可以是用于控制目标物体对象指示的车辆的设备，例如，车辆拦截装置、车辆起步阻止装置等。上述预设车牌号码集合可以是处于违章逃逸状态车辆的车牌号码的集合。由此，在识别结果满足预设条件的情况下，上述执行主体还可以向目标控制设备发送用于禁止上述目标图像包含的车辆对象指示的车辆进行行驶的信号，从而阻止处于违章逃逸状态车辆行驶，以便相关管理人员对处于违章逃逸状态车辆及其驾驶者进行管理。

在本实施例的一些可选的实现方式中，目标图像为预先确定的视频中的视频帧。上述执行主体还可以执行如下步骤：

步骤一，将视频中位于目标图像之后的视频帧输入至上述目标物体定位模型，再次得到位置信息集合。

其中，位于目标图像之后的视频帧可以是与目标视频帧相邻且位于目标视频帧之后的视频帧，也可以是与目标视频帧间隔预设数量个视频帧(例如10帧、15帧)且位于目标视频帧之后的视频帧。

步骤二，对于再次得到的位置信息集合中的位置信息，基于该位置信息，确定位于该位置信息指示的位置处的目标物体对象的关键点信息以及输出。

在这里，上述步骤一和步骤二的执行方式分别与上述步骤202和步骤203基本类似，在此不再赘述。

可以理解，本可选的实现方式可以确定视频中的各个视频帧或者符合预定条件的视频帧中的目标物体对象的关键点信息，由此可以实现视频中目标物体对象的跟踪，提高了跟踪视频中的物体对象的准确性，有助于在确保检测准确度的前提下，提高关键点的识别速度。

继续参见图3，图3是根据本实施例的第一个用于输出信息的方法的应用场景的一个示意图。在图3的应用场景中，服务器301从终端设备302获取到了目标图像3011。然后，服务器301将目标图像3011输入至预先训练的目标物体定位模型3012，得到位置信息集合(包括位置信息30131和位置信息30132)。其中，位置信息集合中的位置信息用于指示目标图像中的目标物体对象(例如车辆对象)的位置，目标物体定位模型用于确定图像包含的目标物体对象的位置。图示中，位置信息由包括目标物体对象的矩形框表征。之后，服务器301基于位置信息集合中的位置信息(即位置信息30131和位置信息30132)，确定目标图像3011中的目标物体对象的关键点信息3014。最后，服务器301向终端设备302输出所得到的关键点信息3014。

本公开的上述实施例提供的方法，通过获取目标图像，然后，将目标图像输入至预先训练的目标物体定位模型，得到位置信息集合，其中，位置信息集合中的位置信息用于指示目标图像中的目标物体对象的位置，目标物体定位模型用于确定图像包含的目标物体对象的位置，之后，基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息，最后，输出所得到的关键点信息，丰富了关键点的确定方式，通过首先确定图像中的目标物体对象的位置信息，然后基于位置信息确定目标图像中的目标物体对象的关键点信息的方式，可以提高检测图像中的物体对象的准确性，有助于在确保检测准确度的前提下，提高关键点的识别速度。

继续参考图4，示出了根据本公开的第二个用于输出信息的方法的一个实施例的流程400。该用于输出信息的方法，包括以下步骤：

步骤401，第一设备获取目标视频。

在本实施例中，第一设备可以通过有线连接方式或者无线连接方式从其他电子设备或者本地获取目标视频。

其中，上述第一设备可以是任意电子设备。例如，第一设备可以是终端设备或者服务器。上述目标视频可以是任意视频，例如，目标视频可以是待对其中的目标物体对象的位置的进行跟踪的视频。上述目标物体对象可以是对任何物理实体进行拍摄得到的视频中所呈现的该物理实体的对象。例如，对车辆进行拍摄得到了车辆视频，那么，该车辆视频包含的目标物体对象可以为该车辆视频中的车辆。作为示例，目标物体对象可以包括但不限于以下任一项：车辆对象、人脸对象、人体对象、树木对象、房屋对象等等。

步骤402，第一设备从目标视频中选取视频帧作为目标视频帧，以及执行发送步骤。

在本实施例中，第一设备可以从目标视频中选取视频帧作为目标视频帧，以及执行发送步骤。其中，发送步骤包括步骤4021和步骤4022。

在这里，上述第一设备可以从目标视频中随机选取视频帧作为目标视频帧，也可以选择目标视频中的第一帧作为目标视频帧。

步骤4021，将所选取的目标视频帧输入至预先训练的目标物体定位模型，得到位置信息。

在本实施例中，第一设备可以将所选取的目标视频帧输入至预先训练的目标物体定位模型，得到位置信息。其中，位置信息用于指示视频帧中的目标物体对象的位置，目标物体定位模型用于确定视频帧包含的目标物体对象的位置。

在这里，上述位置信息可以指示组成目标物体对象的各个像素点所在的位置，也可以指示目标图像中包括目标物体对象的矩形框的位置。

可以理解，实践中，上述第一设备可以将目标图像中包括目标物体对象的各个矩形框中的最小的矩形框所在的位置(例如最小外接矩形所在的矩形框)确定为目标物体对象在该目标图像中的位置。由此可以提高定位准确度，以及提高后续步骤执行的准确度。

作为示例，上述目标物体定位模型可以是采用深度学习算法训练得到的卷积神经网络，也可以是关联存储有图像和位置信息的二维表或数据库。

步骤4022，响应于得到位置信息，将所得到的位置信息发送至第二设备。

在本实施例中，响应于得到位置信息，第一设备可以将所得到的位置信息发送至第二设备。其中，第二设备可以是任何电子设备。例如，第二设备可以为终端设备或者服务器。

可以理解，上述第一设备、第二设备中的第一、第二，仅用作区分设备，并不构成对设备的特殊限定。第一设备可以是物理上相对独立的两个设备，也可以是一台设备上的两个单元。

需要说明的是，由于所选取的视频帧中可以包括一个或多个(至少两个)目标物体对象，而每个目标物体对象可以对应一个位置信息，因而第一设备可以得到一个或多个位置信息。当第一设备可以得到多个位置信息时，一旦第一设备得到一个位置信息，则第一设备可以将该得到的位置信息发送至第二设备。

可以理解，在这里，“第一设备得到位置信息”可以作为“第一设备将所得到的位置信息发送至第二设备”的触发条件。

步骤403，第二设备响应于接收到位置信息，基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在本实施例中，上述第二设备可以基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息。

其中，上述目标物体对象的关键点信息可以用于指示目标物体对象的关键点。实践中，可以根据具体需求，来针对不同的物体对象设置不同的关键点的位置。作为示例，当目标物体对象为车辆对象时，目标物体对象的关键点信息可以用于指示车牌的四个角点的位置。当目标物体对象为人脸对象时，目标物体对象的关键点信息可以用于指示以下任意一项或多项的的位置：眼睛、鼻子、嘴巴。

需要说明的是，当第一设备可以得到多个位置信息时，第一设备可以向第二设备发送多个位置信息。一旦第二设备得到一个位置信息，则第二设备可以基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

可以理解，在这里，“第二设备接收到位置信息”可以作为“第二设备基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出”的触发条件。

可以理解，位置信息和关键点信息均可以用于指示目标图像中的目标物体对象的位置。当二者均用于指示目标图像中的目标物体对象的位置时，相对于位置信息，关键点信息可以用于指示更细粒度的目标物体对象的位置。例如，当目标物体对象为车牌对象时，该车牌对象的位置信息可以是包括该车牌对象的较大的矩形框(也可以是包括该车牌对象的较大的矩形框的四个角点坐标)，而该车牌对象的关键点信息可以是目标图像中该车牌对象的最小外接矩形(也可以是目标图像中包括该车牌对象的较大的矩形框的四个角点坐标)。

作为示例，针对位置信息集合中的每个位置信息，上述第二设备可以采用如下方式基于该位置信息，确定目标图像中的目标物体对象的关键点信息：

首先，从目标图像中确定出该位置信息指示的图像区域。

然后，确定所确定出的图像区域中的各个像素点是否为关键点，从而将是关键点的各个像素点在目标图像中的位置信息，确定为目标图像中的目标物体对象的关键点信息。

在本实施例的一些可选的实现方式中，上述第二设备还可以采用如下方式来执行该步骤403：

首先，将位于所接收到的位置信息指示的位置处的图像区域进行放大处理，得到位置信息对应的放大图像区域

在这里，上述第二设备可以采用基于区域的图像插值算法、基于边缘的图像插值算法等方法，对上述图像区域进行放大处理，从而得到放大图像区域作为位置信息对应的放大图像区域。可以理解，上述第二设备可以针对每个位置信息得到一个放大图像区域。

然后，将所得到的放大图像区域输入至预先训练的关键点确定模型，得到位于位置信息指示的位置处的目标物体对象的关键点信息。

其中，上述关键点确定模型可以用于确定放大图像区域中目标物体对象的关键点信息。

作为示例，上述关键点确定模型可以是基于机器学习算法训练得到的卷积神经网络模型，也可以是关联存储有放大图像区域和关键点信息的二维表或数据库。

可以理解，当关键点确定模型关联存储有放大图像区域和关键点信息时，上述第二设备可以通过如下步骤，来确定目标物体对象的关键点信息：

首先，确定关键点确定模型中所存储的各个放大图像区域中，与所输入的放大图像区域的相似度最高的放大图像区域。

然后，确定关键点确定模型中与所确定出的放大图像区域关联存储的关键点信息作为所得到的位于位置信息指示的位置处的目标物体对象的关键点信息。

需要说明的是，进行放大处理后得到的放大图像区域相对于原图像区域，组成图像区域的像素的可见度将会变得更高，由此，基于放大图像区域来确定目标物体对象的关键点信息，相对于基于原图像区域来确定目标物体对象的关键点信息，可以更精确地得到目标物体对象的关键点信息。

在本实施例的一些可选的实现方式中，目标物体定位模型的参数数量与关键点确定模型的参数数量的比值大于10。

可以理解，训练得到模型的过程，即为调整模型的参数的参数值，使得模型符合预设条件的过程。作为示例，上述模型的参数可以包括但不限于以下至少一项：权重(weight)、偏置(bias)、输入层的神经元个数、输出层的神经元个数等等。

实践中，模型的参数数量越多，通常表征该模型越大。对于一个输入数据，大模型所需要的计算量往往越大。在这里，当目标物体定位模型的参数数量与关键点确定模型的参数数量的比值大于10时，目标物体定位模型相较于关键点确定模型更大，目标物体定位模型对输入数据的计算量更大，计算时间往往更长。

在本实施例的一些可选的实现方式中，目标物体定位模型的参数数量大于一百万。

应该理解，模型的参数数量越多，通常表征该模型越大。对于一个输入数据，大模型所需要的计算量往往更大，模型的学习能力将更强。实践证明，当目标物体定位模型的参数数量大于一百万时，其可以识别出目标图像中很小的目标物体对象。例如，当目标物体定位模型的参数数量大于一百万时，其可以识别出目标图像中拍摄距离为5米的目标物体对象。其中，拍摄距离为拍摄目标图像时，图像拍摄点与目标物体对象所指示的物理实体之间的距离。而通常情况下，现有的参数数量较少(例如参数数量为2万)的模型，则无法识别出目标图像中拍摄距离为5米的目标物体对象。

作为示例，目标物体定位模型的参数数量可以为500万、一千万等等。

可以理解，目标物体定位模型的参数数量越多，其可以识别出目标图像中越小的目标物体对象，并且，所识别出的目标物体对象的准确度也更高。由此，可以减少漏检、误检的情况的发生，进而得到更准确的位置信息和关键点信息。

步骤404，输出所得到的关键点信息。

在本实施例中，上述第二设备可以输出步骤403所得到的关键点信息。

在本实施例的一些可选的实现方式中，目标物体对象指示的物体为车辆，关键点信息指示的关键点指示车牌所在的位置。

可以理解，当目标物体对象指示的物体为车辆，并且，关键点信息指示的关键点指示车牌所在的位置时，本公开的实施例的方案可以应用于车牌识别，有助于提高车牌识别的准确度。

在本实施例的一些可选的实现方式中，在对关键点进行识别得到的识别结果满足预设条件的情况下，上述第二设备还可以向目标控制设备发送用于禁止该关键点对应的车牌所属的车辆进行行驶的信号。

其中，预设条件包括识别结果指示车牌号码属于预设车牌号码集合。目标控制设备可以是用于控制目标物体对象指示的车辆的设备，例如，车辆拦截装置、车辆起步阻止装置等。上述预设车牌号码集合可以是处于违章逃逸状态车辆的车牌号码的集合。由此，在识别结果满足预设条件的情况下，上述第二设备还可以向目标控制设备发送用于禁止上述目标图像包含的车辆对象指示的车辆进行行驶的信号，从而阻止处于违章逃逸状态车辆行驶，以便相关管理人员对处于违章逃逸状态车辆及其驾驶者进行管理。

可以理解，上述第二设备可以通过对车辆的车牌进行识别，从而通过判断该车牌是否属于预先确定的处于违章逃逸状态的车牌集合，来确定属性信息指示车辆是否处于违章逃逸状态。

在本实施例的一些可选的实现方式中，响应于将本次选取的目标视频帧中的目标物体对象的位置信息发送完毕，第一设备还可以从目标视频中选取未被选取过的视频帧作为目标视频帧，继续执行上述发送步骤。

需要说明的是，当第一设备可以得到多个位置信息时，第一设备可以依次向第二设备发送多个位置信息。当第一设备将本次选取的目标视频帧中的目标物体对象的位置信息发送完毕时，第一设备可以从目标视频中选取未被选取过的视频帧作为目标视频帧，继续执行上述发送步骤

可以理解，在这里，“第一设备第二设备接收到位置信息”可以作为“第一设备从目标视频中选取未被选取过的视频帧作为目标视频帧，继续执行上述发送步骤”的触发条件。

本公开的上述实施例提供的第二个用于输出信息的方法，通过第一设备获取目标视频，然后，第一设备从目标视频中选取视频帧作为目标视频帧，以及执行如下发送步骤：将所选取的目标视频帧输入至预先训练的目标物体定位模型，得到位置信息，其中，位置信息用于指示视频帧中的目标物体对象的位置，目标物体定位模型用于确定视频帧包含的目标物体对象的位置；响应于得到位置信息，将所得到的位置信息发送至第二设备，以及第二设备响应于接收到位置信息，基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出，丰富了关键点的确定方式，通过首先确定图像中的目标物体对象的位置信息，然后基于位置信息确定目标图像中的目标物体对象的关键点信息的方式，可以提高检测图像中的物体对象的准确性，有助于在确保检测准确度的前提下，提高关键点的识别速度。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于输出信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征，以及产生与图2所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于输出信息的装置500包括：获取单元501、第一输入单元502、确定单元503和第一输出单元504。其中，获取单元501，被配置成获取目标图像；第一输入单元502，被配置成将目标图像输入至预先训练的目标物体定位模型，得到位置信息集合，其中，位置信息集合中的位置信息用于指示目标图像中的目标物体对象的位置，目标物体定位模型用于确定图像包含的目标物体对象的位置；确定单元503，被配置成基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息；第一输出单元504，被配置成输出所得到的关键点信息。

在本实施例中，用于输出信息的装置500的获取单元501可以通过有线连接方式或者无线连接方式从其他电子设备或者本地获取目标图像。其中，上述目标图像可以是任意图像，例如，目标图像可以是待确定其中的目标物体对象的位置的图像。上述目标物体对象可以是对任何物理实体进行拍摄得到的图像上所呈现的该物理实体的对象。

在本实施例中，上述第一输入单元502可以将目标图像输入至预先训练的目标物体定位模型，得到位置信息集合。其中，位置信息集合中的位置信息用于指示目标图像中的目标物体对象在该目标图像中的位置，目标物体定位模型用于确定图像包含的目标物体对象的位置。

在本实施例中，上述确定单元503可以基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息。其中，上述目标物体对象的关键点信息可以用于指示目标物体对象的关键点。

在本实施例中，上述第一输出单元504可以输出确定单元503所得到的关键点信息。

在本实施例的一些可选的实现方式中，确定单元503包括：放大模块(图中未示出)被配置成将位置信息集合中的位置信息指示的位置处的图像区域进行放大处理，得到位置信息对应的放大图像区域；输入模块(图中未示出)被配置成将所得到的放大图像区域依次输入至预先训练的关键点确定模型，得到位于位置信息指示的位置处的目标物体对象的关键点信息。

在本实施例的一些可选的实现方式中，目标物体定位模型的参数数量与关键点确定模型的参数数量的比值大于10。

在本实施例的一些可选的实现方式中，目标物体定位模型的参数数量大于一百万。

在本实施例的一些可选的实现方式中，目标物体对象指示的物体为车辆，关键点信息指示的关键点指示车牌所在的位置。

在本实施例的一些可选的实现方式中，装置500还包括：发送单元(图中未示出)被配置成响应于对关键点进行识别得到的识别结果满足预设条件，向目标控制设备发送用于禁止该关键点对应的车牌所属的车辆进行行驶的信号，其中，预设条件包括识别结果指示车牌号码属于预设车牌号码集合。

在本实施例的一些可选的实现方式中，目标图像为预先确定的视频中的视频帧；以及装置500还包括：第二输入单元(图中未示出)被配置成将视频中位于目标图像之后的视频帧输入至目标物体定位模型，再次得到位置信息集合；第二输出单元(图中未示出)被配置成对于再次得到的位置信息集合中的位置信息，基于该位置信息，确定位于该位置信息指示的位置处的目标物体对象的关键点信息以及输出。

本公开的上述实施例提供的装置，通过获取单元501获取目标图像，然后，第一输入单元502将目标图像输入至预先训练的目标物体定位模型，得到位置信息集合，其中，位置信息集合中的位置信息用于指示目标图像中的目标物体对象的位置，目标物体定位模型用于确定图像包含的目标物体对象的位置，之后，确定单元503基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息，最后，第一输出单元504输出所得到的关键点信息，丰富了关键点的确定方式，通过首先确定图像中的目标物体对象的位置信息，然后基于位置信息确定目标图像中的目标物体对象的关键点信息的方式，可以提高检测图像中的物体对象的准确性，有助于在确保检测准确度的前提下，提高关键点的识别速度。

请继续参考图6，图6示出了根据本公开的用于输出信息的系统的交互过程示意图。该系统包括第一设备和与第一设备通信连接的第二设备，其中：第一设备被配置成：获取目标视频；从目标视频中选取视频帧作为目标视频帧，以及执行如下发送步骤：将所选取的目标视频帧输入至预先训练的目标物体定位模型，得到位置信息，其中，位置信息用于指示视频帧中的目标物体对象的位置，目标物体定位模型用于确定视频帧包含的目标物体对象的位置；响应于得到位置信息，将所得到的位置信息发送至第二设备；第二设备被配置成：响应于接收到位置信息，基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

如图6所示，在步骤601中，第一设备获取目标视频帧。

在本实施例中，第一设备可以获取目标视频帧。

其中，上述第一设备可以是任意电子设备。例如，第一设备可以是终端设备或者服务器。上述目标视频可以是任意视频，例如，目标视频可以是待对其中的目标物体对象的位置的进行跟踪的视频。上述目标物体对象可以是对任何物理实体进行拍摄得到的视频中所呈现的该物理实体的对象。

在步骤602中，第一设备从目标视频中选取视频帧作为目标视频帧，将所选取的目标视频帧输入至预先训练的目标物体定位模型，得到位置信息。

在本实施例中，第一设备可以从目标视频中选取视频帧作为目标视频帧，将所选取的目标视频帧输入至预先训练的目标物体定位模型，得到位置信息。其中，位置信息用于指示视频帧中的目标物体对象的位置，目标物体定位模型用于确定视频帧包含的目标物体对象的位置

在步骤603中，第一设备向第二设备发送位置信息。

在本实施例中，第一设备可以向第二设备发送步骤602中得到的位置信息。

在步骤604中，第二设备基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在本实施例中，第二设备可以基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

其中，上述目标物体对象的关键点信息可以用于指示目标物体对象的关键点。实践中，可以根据具体需求，来针对不同的物体对象设置不同的关键点的位置。

在本实施例的一些可选的实现方式中，第一设备进一步被配置成：将位于所接收到的位置信息指示的位置处的图像区域进行放大处理，得到位置信息对应的放大图像区域；将所得到的放大图像区域输入至预先训练的关键点确定模型，得到位置信息指示的位置处的目标物体对象的关键点信息。

可以理解，位置信息和关键点信息均可以用于指示目标图像中的目标物体对象的位置。当二者均用于指示目标图像中的目标物体对象的位置时，相对于位置信息，关键点信息可以用于指示更细粒度的目标物体对象的位置。例如，当目标物体对象为车牌对象时，该车牌对象的位置信息可以是包括该车牌对象的较大的矩形框(也可以是包括该车牌对象的较大的矩形框的四个角点坐标)，而该车牌对象的关键点信息可以是目标图像中该车牌对象的最小外接矩形(也可以是目标图像中包括该车牌对象的较大的矩形框的四个角点坐标)。

在本实施例的一些可选的实现方式中，上述第二设备还可以采用如下方式来执行该步骤403：

首先，将位于所接收到的位置信息指示的位置处的图像区域进行放大处理，得到位置信息对应的放大图像区域

在这里，上述第二设备可以采用基于区域的图像插值算法、基于边缘的图像插值算法等方法，对上述图像区域进行放大处理，从而得到放大图像区域作为位置信息对应的放大图像区域。可以理解，上述第二设备可以针对每个位置信息得到一个放大图像区域。

然后，将所得到的放大图像区域输入至预先训练的关键点确定模型，得到位于位置信息指示的位置处的目标物体对象的关键点信息。

其中，上述关键点确定模型可以用于确定放大图像区域中目标物体对象的关键点信息。

在本实施例的一些可选的实现方式中，目标物体定位模型的参数数量与关键点确定模型的参数数量的比值大于10。

在本实施例的一些可选的实现方式中，目标物体定位模型的参数数量大于一百万。

在本实施例的一些可选的实现方式中，目标物体对象指示的物体为车辆，关键点信息指示的关键点指示车牌所在的位置。

在本实施例的一些可选的实现方式中，第二设备还被配置成：响应于对关键点进行识别得到的识别结果满足预设条件，向目标控制设备发送用于禁止该关键点对应的车牌所属的车辆进行行驶的信号，其中，预设条件包括识别结果指示车牌号码属于预设车牌号码集合。

需要说明的是，除上面所记载的内容外，本实施例还可以包括与图4对应的实施例中相同或相应的特征，产生相同或相应的效果，以及解决相同或相应的问题，在此不再赘述。

本公开的上述实施例提供的用于输出信息的系统包括第一设备和与第一设备通信连接的第二设备，其中：第一设备被配置成：获取目标视频；从目标视频中选取视频帧作为目标视频帧，以及执行如下发送步骤：将所选取的目标视频帧输入至预先训练的目标物体定位模型，得到位置信息，其中，位置信息用于指示视频帧中的目标物体对象的位置，目标物体定位模型用于确定视频帧包含的目标物体对象的位置；响应于得到位置信息，将所得到的位置信息发送至第二设备；第二设备被配置成：响应于接收到位置信息，基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出，从而丰富了关键点的确定方式，通过首先确定图像中的目标物体对象的位置信息，然后基于位置信息确定目标图像中的目标物体对象的关键点信息的方式，可以提高检测图像中的物体对象的准确性，有助于在确保检测准确度的前提下，提高关键点的识别速度。

接下来请参考图7，图7是根据本公开的用于输出信息的系统的又一个交互过程示意图。该系统包括第一设备和与第一设备通信连接的第二设备，其中：第一设备被配置成：获取目标视频；从目标视频中选取视频帧作为目标视频帧，以及执行如下发送步骤：将所选取的目标视频帧输入至预先训练的目标物体定位模型，得到位置信息，其中，位置信息用于指示视频帧中的目标物体对象的位置，目标物体定位模型用于确定视频帧包含的目标物体对象的位置；响应于得到位置信息，将所得到的位置信息发送至第二设备。第二设备被配置成：响应于接收到位置信息，基于所接收到的位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。第一设备还被配置成：响应于将本次选取的目标视频帧中的目标物体对象的位置信息发送完毕，从目标视频中选取未被选取过的视频帧作为目标视频帧，继续执行发送步骤。

如图7所示，在步骤701中，第一设备获取目标视频。

在本实施例中，第一设备可以获取目标视频。

在步骤702中，第一设备从目标视频中选取视频帧作为目标视频帧，将所选取的目标视频帧输入至预先训练的目标物体定位模型，生成第一个位置信息。

在本实施例中，第一设备可以从目标视频中选取视频帧作为目标视频帧，将所选取的目标视频帧输入至预先训练的目标物体定位模型，生成第一个位置信息。

在步骤703中，第一设备向第二设备发送第一个位置信息。

在本实施例中，第一设备可以向第二设备发送第一个位置信息。

在步骤704中，第一设备生成第二个位置信息。

在本实施例中，第一设备可以生成第二个位置信息。

在步骤705中，第二设备基于第一个位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在本实施例中，第二设备可以基于第一个位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在步骤706中，第一设备向第二设备发送第二个位置信息。

在本实施例中，第一设备可以向第二设备发送第二个位置信息。

在步骤707中，第一设备确定本次选取的目标视频帧中的目标物体对象的位置信息发送完毕。

在本实施例中，第一设备可以确定本次选取的目标视频帧中的目标物体对象的位置信息发送完毕。

在步骤708中，第二设备基于第二个位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在本实施例中，第二设备可以基于第二个位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在步骤709中，第一设备从目标视频中选取未被选取过的视频帧作为目标视频帧，将所选取的目标视频帧输入至上述目标物体定位模型，得到第三个位置信息。

在本实施例中，第一设备可以从目标视频中选取未被选取过的视频帧作为目标视频帧，将所选取的目标视频帧输入至上述目标物体定位模型，得到第三个位置信息。

在步骤710中，第一设备向第二设备发送第三个位置信息。

在本实施例中，第一设备可以向第二设备发送第三个位置信息。

在步骤711中，第一设备生成第四个目标物体对象的位置信息。

在本实施例中，第一设备可以生成第四个目标物体对象的位置信息。

在步骤712中，第一设备向第二设备发送第四个位置信息。

在本实施例中，第一设备可以向第二设备发送第四个位置信息。

在步骤713中，第二设备基于第三个位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在本实施例中，第二设备可以基于第三个位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在步骤714中，第二设备基于第四个位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在本实施例中，第二设备可以基于第四个位置信息，确定视频帧中的目标物体对象的关键点信息以及输出。

在本实施例中，第二设备采用如下方式来基于第四个位置信息，确定视频帧中的目标物体对象的关键点信息：

首先，将位于所接收到的位置信息指示的位置处的图像区域进行放大处理，得到位置信息对应的放大图像区域。

然后，将所得到的放大图像区域输入至预先训练的关键点确定模型，得到位置信息指示的位置处的目标物体对象的关键点信息

应当理解，上述步骤701-步骤714的执行顺序仅仅是示意性的，例如，步骤713还可以在步骤712之前执行。

需要说明的是，除上面所记载的内容外，本实施例还可以包括与图4对应的实施例中相同或相应的特征，产生相同或相应的效果，以及解决相同或相应的问题，在此不再赘述。

本公开的上述实施例提供的用于输出信息的系统中的第一设备和第二设备可以彼此配合地对视频中的目标物体对象进行定位(即确定视频帧中的目标物体对象的关键点信息以及输出)，当第一设备所运行的目标物体定位模型的参数数量较多(例如参数数量达到百万、千万级)，并且，第二设备所运行的关键点确定模型的参数数量较少(例如关键点确定模型的参数数量为目标物体定位模型的参数数量的十分之一)时，通过第一设备和第二设备的彼此配合，可以充分利用二者在运行模型时的时间差，例如，在关键点确定模型正在确定上一视频帧中的目标物体对象的关键点信息时，目标物体定位模型可以确定下一视频帧中的目标物体对象的位置信息。由此可以在确保检测准确度的前提下，提高关键点的识别速度。

下面参考图8，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)800的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的终端设备/服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

通常，以下装置可以连接至I/O接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM802被安装。在该计算机程序被处理装置801执行时，执行本公开的实施例的方法中限定的上述功能。

需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标图像；将目标图像输入至预先训练的目标物体定位模型，得到位置信息集合，其中，位置信息集合中的位置信息用于指示目标图像中的目标物体对象的位置，目标物体定位模型用于确定图像包含的目标物体对象的位置；基于位置信息集合中的位置信息，确定目标图像中的目标物体对象的关键点信息；输出所得到的关键点信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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、或代码的一部分，该模块、程序段、或代码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。也应当注意，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，两个接连地表示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操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。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、第一输入单元、确定单元和第一输出单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取目标图像的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。