[发明专利]一种图像分析方法及装置

权利要求书

1.一种图像分析方法，其特征在于，包括：

从目标图像中提取至少一个目标图像特征；

获得预先构建的注意力模型当前对各个目标图像特征的关注度；

根据所获得的各个目标图像特征，以及各个目标图像特征对应的关注度，确定所述注意力模型所关注目标的识别结果，其中，所述目标由至少一个目标图像特征构成；

确定所述各个目标图像特征所对应目标区域的第一中心位置坐标，其中，任一目标图像特征所对应目标区域为所述目标图像中，能够提取到该目标图像特征的图像区域；

针对每个第一中心位置坐标，利用相应目标图像特征对应的关注度对该第一中心位置坐标进行加权计算，得到位置加权值；

对所获得的各个位置加权值进行求和，得到第一和值；

将所述第一和值作为所述目标在所述目标图像中的第二中心位置坐标；

将所述第二中心位置坐标作为具有所述识别结果的所述目标的定位结果。

2.根据权利要求1所述的方法，其特征在于，所述从目标图像中提取至少一个目标图像特征的步骤，包括：

利用卷积神经网络算法对所述目标图像进行卷积，获得至少一个目标图像特征。

3.根据权利要求2所述的方法，其特征在于，所述利用卷积神经网络算法对所述目标图像进行卷积，获得至少一个目标图像特征的步骤，包括：

利用卷积神经网络算法对所述目标图像进行一层卷积，获得至少一个目标图像特征；

相应地，所述确定所述各个目标图像特征所对应目标区域的第一中心位置坐标的步骤，包括：

确定所述各个目标图像特征所对应目标区域；

计算所述各个目标图像特征所对应目标区域的第一中心位置坐标；

其中，确定任一目标图像特征所对应的目标区域所利用的公式为：

X_min＝(X-1)*stride_w+1-pad_w

X_max＝(X-1)*stride_w-pad_w+kernel_w

Y_min＝(Y-1)*stride_h+1-pad_h

Y_max＝(Y-1)*stride_h-pad_h+kernel_h

其中，所述X表示卷积得到的目标图像特征的中心位置的横坐标，所述Y表示卷积得到的该目标图像特征的中心位置的纵坐标，所述X_min表示该目标图像特征所对应目标区域的最小横坐标，所述X_max表示该目标图像特征所对应目标区域的最大横坐标，所述Y_min表示该目标图像特征所对应目标区域的最小纵坐标，所述Y_max表示该目标图像特征所对应目标区域的最大纵坐标，所述stride_w表示对所述目标图像进行卷积时的横向步幅长度，所述stride_h表示对所述目标图像进行卷积时的纵向步幅长度，所述pad_w表示对所述目标图像进行卷积时横向增加的像素数，pad_h表示对所述目标图像进行卷积时纵向增加的像素数，所述kernel_w表示对所述目标图像进行卷积时所利用卷积核的宽，所述kernel_h表示所述卷积核的高。

4.根据权利要求1-3任一项所述的方法，其特征在于，根据所获得的各个目标图像特征，以及各个目标图像特征对应的关注度，确定所述注意力模型所关注目标的识别结果的步骤，包括：

根据所获得的各个目标图像特征，以及各个目标图像特征对应的关注度，利用预先构建的循环神经网络，确定所述注意力模型所关注目标的识别结果。