[发明专利]图像处理方法和装置

说明书

本发明公开了一种图像处理方法和装置，涉及计算机技术领域。其中，该方法包括：将待检测图像输入深度学习网络模型，以检测出每帧图像中目标的第一候选框；根据位于当前帧之前的多帧图像中目标的第一候选框确定当前帧图像中目标的第二候选框；将当前帧图像中目标的第一候选框与当前帧图像中目标的第二候选框进行融合，以得到当前帧图像中目标的检测框。通过以上步骤，能够提高相邻两帧图像中提取的目标的检测框的稳定性，进而有助于提高图像检测效果。

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像处理方法和装置。

背景技术

目前，基于深度学习的图像检测方法广泛应用于Time-critical video analysis(时间关键的影像分析)场景，比如机器人导航和自动驾驶。该方法可从每一帧图像中检测出目标(比如车辆、行人等)，是计算机视觉应用在机器人导航和自动驾驶领域的一个基本技术。

现有的图像检测算法大都依靠Non-max Suppression(非极大值抑制)方法输出目标的一个边框。具体来说，Non-max Suppression方法需要先计算多个候选边框和基准边框的IoU(Intersection of Union,交叠率)值，然后将IoU值最大的候选边框进行输出。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：在调用现有的基于深度学习的图像检测算法时，从相邻两帧图像提取的目标的检测框之间的IoU值较低，相邻两帧图像提取的目标的检测框看起来跳跃、不稳定，严重影响了图像检测效果。

发明内容

有鉴于此，本发明提供一种图像处理方法和装置，能够提高相邻两帧图像中提取的目标的检测框的稳定性，进而有助于提高图像检测效果。

为实现上述目的，根据本发明的一个方面，提供了一种图像处理方法。

本发明的图像处理方法包括：将待检测图像输入深度学习网络模型，以检测出每帧图像中目标的第一候选框；根据位于当前帧之前的多帧图像中目标的第一候选框确定当前帧图像中目标的第二候选框；将当前帧图像中目标的第一候选框与当前帧图像中目标的第二候选框进行融合，以得到当前帧图像中目标的检测框。

可选地，根据如下方式执行所述将当前帧图像中目标的第一候选框与当前帧图像中目标的第二候选框进行融合的步骤：

其中，表示当前帧图像中目标的检测框的第i个边框参数，表示当前帧图像中目标的第一候选框的第i个边框参数，表示当前帧图像中目标的第二候选框的第i个边框参数，α_i表示与所述第i个边框参数对应设置的插值系数。

可选地，所述根据位于当前帧之前的多帧图像中目标的第一候选框确定当前帧图像中目标的第二候选框的步骤包括：根据移动平均法对位于当前帧之前的多帧图像中目标的第一候选框进行处理，以得到当前帧图像中目标的第二候选框。

可选地，所述方法还包括：在执行所述将当前帧图像中目标的第一候选框与当前帧图像中目标的第二候选框进行融合，以得到当前帧图像中目标的检测框的步骤之前，判断出当前帧图像中目标的第一候选框的抖动处于预设取值区间。

可选地，所述方法还包括：根据如下方式计算当前帧图像中目标的第一候选框的抖动：

其中，d_N+1表示当前帧图像中目标的第一候选框的抖动，表示当前帧图像中目标的第一候选框的中心点的横坐标，表示当前帧图像中目标的第一候选框的中心点的纵坐标，x_a表示位于当前帧之前的N帧图像中目标的第一候选框的中心点横坐标的均值，y_a表示位于当前帧之前的N帧图像中目标的第一候选框的中心点纵坐标的均值。