[发明专利]一种图像中物体模糊度确定方法和装置有效

专利信息
申请号: 201610709852.7 申请日: 2016-08-23
公开(公告)号: CN107767358B 公开(公告)日: 2021-08-13
发明(设计)人: 段炎彪;易东;楚汝峰 申请(专利权)人: 斑马智行网络(香港)有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T5/00;G06K9/00;G06K9/62;G06K9/36
代理公司: 上海知锦知识产权代理事务所(特殊普通合伙) 31327 代理人: 潘彦君
地址: 中国香港九龙长沙湾道*** 国省代码: 香港;81
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 物体 模糊 确定 方法 装置
【权利要求书】:

1.一种图像中物体模糊度确定方法,其特征在于,包括:

接收物体图像;

从所述物体图像中定位关键点,其中,所述关键点是在物体轮廓的特定位置上定义的点;

在所述关键点处作关键点所在的物体轮廓线的切线,与该切线垂直的方向为法线方向;

将在所述关键点的法线方向上与所述关键点距离最近的预定数目个像素的像素值作为在该关键点提取的关键点特征值;

基于在各关键点提取的关键点特征值,确定物体图像中的物体模糊度。

2.根据权利要求1所述的方法,其特征在于,所述基于在各关键点提取的关键点特征值,确定物体图像中的物体模糊度的步骤包括:

将在各关键点提取的关键点特征值输入预先训练的物体模糊度匹配模型中,得到物体图像中的物体模糊度,其中,所述物体模糊度匹配模型是基于输入的物体图像的关键点特征值而输出物体图像中的物体模糊度的机器学习模型。

3.根据权利要求2所述的方法,其特征在于,所述物体模糊度匹配模型按如下方式预先训练:

基于多个标准物体图像的每一个与物体模糊度集合中的每个物体模糊度,进行物体图像合成,得到合成物体图像的训练集;

从每个合成物体图像定位样本关键点;

在定位的样本关键点处提取样本关键点特征值;

用提取的样本关键点特征值和相应的物体模糊度分别作为物体模糊度匹配模型的已知输入和已知输出,训练物体模糊度匹配模型。

4.根据权利要求1所述的方法,其特征在于,所述从所述物体图像中定位关键点的步骤包括:

对所述物体图像或对所述物体图像进行卷积得到的特征图进行卷积;

将对物体图像或特征图卷积的结果进行线性变换;

将所述线性变换的结果作为三维形变模型的输入,三维形变模型的输出为关键点。

5.根据权利要求1所述的方法,其特征在于,所述将在所述关键点的法线方向上与所述关键点距离最近的预定数目个像素的像素值作为在该关键点提取的关键点特征值的步骤包括:

对于与物体图像对应的每个目标图像,在所述关键点的法线方向上,取与所述关键点距离最近的预定数目个像素的像素值,作为在该关键点提取的关键点特征值,其中与物体图像对应的目标图像包括:所述物体图像、放大或缩小后的所述物体图像和/或所述物体图像的梯度图像。

6.根据权利要求5所述的方法,其特征在于,所述在各关键点提取的关键点特征值采取矩阵的形式,其中矩阵的一维代表在每个关键点的每个目标图像上取的预定数目个像素的像素值,另一维代表各关键点的各目标图像。

7.根据权利要求3所述的方法,其特征在于,基于多个标准物体图像的每一个与物体模糊度集合中的每个物体模糊度,进行物体图像合成,得到合成物体图像的训练集,具体包括:

根据物体模糊度集合中的每个物体模糊度,生成相应的点扩散函数,其中点扩散函数的强度由物体模糊度决定;

用生成的点扩散函数分别对多个标准物体图像的每一个滤波;

在滤波后的图像中添加随机噪声,得到合成物体图像的训练集。

8.根据权利要求1所述的方法,其特征在于,所述物体为人脸。

9.一种图像中物体识别方法,其特征在于,包括:

在物体图像中的各关键点处作关键点所在的物体轮廓线的切线,与该切线垂直的方向为法线方向;

将在所述关键点的法线方向上与所述关键点距离最近的预定数目个像素的像素值作为在该关键点提取的关键点特征值;

基于提取的关键点特征值,确定物体图像中的物体模糊度;

在根据模糊度确定结果消除模糊度后的物体图像中进行物体识别。

10.根据权利要求9所述的方法,其特征在于,所述在根据模糊度确定结果消除模糊度后的物体图像中进行物体识别的步骤包括:

根据模糊度确定结果,对物体图像进行模糊度消除;

在消除模糊度后的物体图像中进行物体识别。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于斑马智行网络(香港)有限公司,未经斑马智行网络(香港)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201610709852.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top