[发明专利]获取图像的背景信息的方法及装置在审

专利信息
申请号: 201810950586.6 申请日: 2018-08-20
公开(公告)号: CN110855875A 公开(公告)日: 2020-02-28
发明(设计)人: 连园园;秦萍;陈浩广;覃广志 申请(专利权)人: 珠海格力电器股份有限公司
主分类号: H04N5/232 分类号: H04N5/232;G06K9/00;G06K9/34
代理公司: 北京康信知识产权代理有限责任公司 11240 代理人: 赵囡囡;曾红芳
地址: 519070 *** 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: 获取 图像 背景 信息 方法 装置
【权利要求书】:

1.一种获取图像的背景信息的方法,其特征在于,包括:

在拍摄界面中显示镜头拍摄到的图像;

基于训练得到的图像分割模型,识别所述图像中目标对象的特征;

基于训练得到的背景设计模型,获取所述目标对象的特征所对应的背景信息;

其中,所述图像分割模型和所述背景设计模型均为深度卷积神经网络模型。

2.根据权利要求1所述的方法,其特征在于,基于训练得到的图像分割模型,识别所述图像中目标对象的特征,包括:

基于所述图像分割模型对所述图像进行分割,识别出所述图像中包含的至少一个目标对象;

识别每个目标对象的特征。

3.根据权利要求2所述的方法,其特征在于,所述图像分割模型至少包括:输入层、编码网络、解码网络和输出层,其中,基于所述图像分割模型对所述图像进行分割,识别出所述图像中包含的至少一个目标对象包括:

所述输入层获取到预存的不同对象的图像;

所述编码网络使用所述不同对象的图像进行特征融合,得到融合后的特征图,并使用融合后的特征图对所述图像进行复原;

所述解码网络对所述复原后的图像进行分析,得到所述图像的每个像素的类别概率;

基于所述图像的每个像素的类别概率对所述图像进行分割;

识别出分割后的所述图像所包含的每个目标对象的特征;

所述输出层输出识别到的所述至少一个目标对象的特征。

4.根据权利要求1至3中任意一项所述的方法,其特征在于,基于训练得到的背景设计模型,获取所述目标对象的特征所对应的背景信息,包括:

获取预存的背景训练样本,其中,所述背景训练样本包括如下至少之一:预存的设计图像、网络图像、个性化图像;

基于所述图像中目标对象的特征,从所述背景训练样本中获取对应的背景信息。

5.根据权利要求1所述的方法,其特征在于,在获取所述目标对象的特征所对应的背景信息的过程中,或在获取所述目标对象的特征所对应的背景信息之后,所述方法还包括:

采集语音信息;

从所述语音信息中识别出需要的素材请求;

基于所述素材请求搜索得到素材信息;

将所述素材信息加载至所述背景信息中。

6.根据权利要求1所述的方法,其特征在于,在获取所述目标对象的特征所对应的背景信息之后,所述方法还包括:

将识别到的目标对象与所述背景信息进行融合,生成新的图像信息;

在所述拍摄界面中显示所述新的图像信息。

7.一种获取图像的背景信息的方法,其特征在于,包括:

在拍摄界面中显示镜头拍摄到的图像;

显示所述图像中的目标对象,其中,通过训练得到的图像分割模型来识别所述图像中目标对象的特征;

显示所述目标对象所对应的背景信息,其中,通过训练得到的背景设计模型来获取所述目标对象的特征所对应的背景信息;

其中,所述图像分割模型和所述背景设计模型均为深度卷积神经网络模型。

8.根据权利要求7所述的方法,其特征在于,在显示所述目标对象所对应的背景信息之后,所述方法还包括:

将识别到的目标对象与所述背景信息进行融合,生成新的图像信息;

在所述拍摄界面中显示所述新的图像信息。

9.一种获取图像的背景信息的装置,其特征在于,包括:

第一显示模块,用于在拍摄界面中显示镜头拍摄到的图像;

第二显示模块,用于显示所述图像中的目标对象,其中,通过训练得到的图像分割模型来识别所述图像中目标对象的特征;

第三显示模块,用于显示所述目标对象所对应的背景信息,其中,通过训练得到的背景设计模型来获取所述目标对象的特征所对应的背景信息;

其中,所述图像分割模型和所述背景设计模型均为深度卷积神经网络模型。

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珠海格力电器股份有限公司,未经珠海格力电器股份有限公司许可,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/201810950586.6/1.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