[发明专利]图像特征点的优化方法、装置和设备

说明书

本发明提供一种图像特征点的优化方法、装置和设备。该方法包括：获取待检测的目标图像中的多个初始的特征点；对多个初始的特征点，采用预配置的迭代方式进行迭代处理，以获取迭代后的多个特征点，其中，预配置的迭代方式为：采用每个特征点对应的CNN模型获取迭代的步长，并根据迭代的步长，对多个特征点进行迭代处理；将迭代后的多个特征点，继续重复上述的预配置的迭代方式，进行预设次数的迭代，直至获取待检测的目标图像对应的多个优化特征点。本发明提供的图像特征点的优化方法、装置和设备，可以提高图像特征点的准确性。

技术领域

本发明涉及图像识别技术，尤其涉及一种图像特征点的优化方法、装置和设备。

背景技术

随着图像识别技术在各领域的广泛应用，对图像识别的准确度提出了更高的要求。由于图像中的特征点反映了图像中标志性位置的形状，因此对图像特征点的准确识别，在图像识别中起着非常重要的作用。

在对图像特征点进行识别时，可以采用迭代回归的方法确定图像的特征点，即，通过对初始特征点的多次迭代找到最优的特征点，最终结果的准确性与每次迭代的精确度有关。现有的迭代回归方法中每次迭代时对特征点的处理方法单一，使得每次迭代的精确度较低，导致最终获得的特征点准确性较低。

发明内容

本发明提供一种图像特征点的优化方法、装置和设备，以提高图像特征点的准确度。

本发明提供一种图像特征点的优化方法，包括：

获取待检测的目标图像中的多个初始的特征点；

对于多个初始的特征点，采用预配置的迭代方式进行迭代处理，以获取迭代后的多个特征点；其中，该预配置的迭代方式为：采用每个特征点对应的卷积神经网络CNN模型获取迭代的步长，并根据该迭代的步长，对多个特征点进行迭代处理；

将迭代后的多个特征点，继续重复上述该的预配置的迭代方式，进行预设次数的迭代，直至获取该待检测的目标图像对应的多个优化特征点。

可选的，该方法还包括：

获取第一训练图像；分别对该第一训练图像中的多个训练特征点训练，以获取每个训练特征点对应的CNN模型。

可选的，该采用每个特征点对应的CNN模型获取迭代的步长，包括：

采用每个特征点对应的CNN模型确定每个特征点的特征向量；

根据多个特征点的特征向量和预设参数确定第一步长；

根据第一步长确定迭代的步长。

可选的，该根据第一步长确定迭代的步长，包括：

将第一步长确定为迭代的步长。

可选的，该根据第一步长确定迭代的步长，包括：

采用每个特征点对应的CNN模型，确定每个特征点的预测步长；

根据该每个特征点的预测步长，获取多个特征点的第二步长；

将第一步长和第二步长的平均值确定为迭代的步长。

可选的，该根据多个特征点的特征向量和预设参数确定第一步长，包括：

根据以下公式确定第一步长：

其中，Δx_k为第k+1次迭代的第一步长；为第k次迭代后的多个特征点的特征向量；R_k、b_k为第k+1次迭代的预设参数。

可选的，该方法还包括：

获取第二训练图像集；