[发明专利]一种图像处理方法、装置以及相关设备有效

专利信息
申请号: 201810865247.8 申请日: 2018-08-01
公开(公告)号: CN109165645B 公开(公告)日: 2023-04-07
发明(设计)人: 辛愿;王嘉雯 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06V10/25 分类号: G06V10/25;G06V10/762;G06V10/82;G06N3/0464
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 郝传鑫;熊永强
地址: 518057 广东省深圳*** 国省代码: 广东;44
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 处理 方法 装置 以及 相关 设备
【权利要求书】:

1.一种图像处理方法,其特征在于,包括:

获取包含目标对象和参考对象的目标图像,检测所述目标对象在所述目标图像中的像素尺寸,作为目标像素尺寸,并检测所述参考对象在所述目标图像中的像素尺寸,作为参考像素尺寸;

获取所述参考对象的参考实际尺寸,根据所述目标像素尺寸、所述参考像素尺寸和所述参考实际尺寸,确定所述目标对象的目标实际尺寸;

其中,所述检测所述参考对象在所述目标图像中的像素尺寸,作为参考像素尺寸,包括:

将所述目标图像转换为目标灰度图像,并将所述目标灰度图像中的联通区域作为第一参考区域;

将多个第一参考区域内的灰度图像分别输入分类模型中,识别每个第一参考区域内包含所述参考对象的第一概率;

根据所述第一概率,在所述多个第一参考区域中选取满足匹配条件的第一参考区域,作为第二参考区域;

根据所述第二参考区域的尺寸,确定所述参考像素尺寸。

2.根据权利要求1所述的方法,其特征在于,所述检测所述目标对象在所述目标图像中的像素尺寸,作为目标像素尺寸,包括:

基于第一完全卷积神经网络模型中的卷积层,对所述目标图像进行卷积处理,得到由第一卷积特征信息组合而成的第一卷积特征图;

在所述第一卷积特征图中搜索多个第一兴趣区域,对每个第一兴趣区域中包含的第一卷积特征信息进行池化处理,得到第一结构特征信息;

识别每个第一兴趣区域中包含的第一结构特征信息与所述第一完全卷积神经网络模型中多个属性类型特征的第一匹配度;

在每个第一兴趣区域对应的多个第一匹配度中,将最大第一匹配度作为第一兴趣区域对应的置信度;

在多个第一兴趣区域对应的置信度中,将最大置信度对应的第一兴趣区域作为第一目标区域,并将所述第一目标区域的尺寸作为所述目标像素尺寸。

3.根据权利要求2所述的方法,其特征在于,所述在所述第一卷积特征图中搜索多个第一兴趣区域,包括:

在所述第一卷积特征图上滑动窗口,在每个窗口中基于不同尺度下的锚点框确定多个候选区域;

分别计算每个候选区域中第一卷积特征信息的目标前景得分,根据所述每个候选区域的目标前景得分,确定所述多个第一兴趣区域。

4.根据权利要求3所述的方法,其特征在于,所述根据所述每个候选区域的目标前景得分,确定所述多个第一兴趣区域,包括:

将所述目标前景得分大于得分阈值的候选区域确定为第一辅助区域;

在所述第一辅助区域中,将具有最大目标前景得分的第一辅助区域确定为第二辅助区域;

分别计算所述第二辅助区域与其余的第一辅助区域之间的重叠面积,将重叠面积大于面积阈值的第一辅助区域删除,并保留重叠面积小于或者等于所述面积阈值的第一辅助区域;

将所述第二辅助区域和保留的第一辅助区域确定为所述第一兴趣区域。

5.根据权利要求1所述的方法,其特征在于,所述将所述目标灰度图像中的联通区域作为第一参考区域,包括:

根据梯度算子,计算所述目标灰度图像对应的第一梯度图,并对所述第一梯度图进行闭运算,得到第二梯度图;

分别检测所述第一梯度图和所述第二梯度图的联通区域,并将检测出来的联通区域转正处理,得到多个辅助参考区域;

将在所述目标灰度图像中具有和所述辅助参考区域相同位置信息的区域,作为所述第一参考区域。

6.根据权利要求1所述的方法,其特征在于,所述根据所述第一概率,在所述多个第一参考区域中选取满足匹配条件的第一参考区域,作为第二参考区域,包括:

在多个第一概率中提取最大第一概率;

若所述最大第一概率小于或等于概率阈值,则根据所述第一参考区域所在的位置信息、所述第一参考区域的长宽比例、所述第一参考区域的尺寸,确定所述第一参考区域的权重,将权重最大的第一参考区域确定为满足所述匹配条件的第一参考区域,并将所述权重最大的第一参考区域确定为所述第二参考区域;

若所述最大第一概率大于所述概率阈值,则将所述最大第一概率对应的第一参考区域确定为满足所述匹配条件的第一参考区域,并将所述最大第一概率对应的第一参考区域确定为所述第二参考区域。

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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/201810865247.8/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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