[发明专利]一种基于注意力机制的图片特征检测方法

说明书

本发明公开一种基于注意力机制的图片特征检测方法，本方法可以通过注意力机制确定图片中感兴趣的区域。本发明首先根据自行采集的包含人体的图片数据集训练了一个改进的YOLO模型，利用该模型将图片背景及其他不重要的部分去除，确定注意力区域(除人体头部)；之后输出注意力区域的灰度图矩阵；最后，利用sift检测算法注意力区域进行图案的检测。通过实验证明，本发明的基于注意力机制的图片特征点检测方法相比未应用注意力机制的现有方法，能大大降低图片背景的影响，在一定程度上提高图片特征检测的精度与效率。

技术领域

本发明涉及特征检测方法，尤其涉及一种基于注意力机制的图片特征检测方法。

背景技术

随着计算机技术的迅猛发展，目标检测已广泛的应用于交通监控、人机交互、精确制导等各个领域。特征检测是目标检测技术中的重要方法。对于图片来说，特征检测是对图片进行分析与识别的前提，它将高维的图像数据通过特征进行简化表达，适用于对图片进行识别、匹配、检索等应用。目前特征检测算法主要有SIFT、Harris、ORB等。

然而在对图片进行特征检测时，传统的检测方法易受图片背景的干扰，无法准确对图片重要部分的特征进行提取与检测，从而影响对图像的分析、匹配。

注意力机制是帮助检测模型关注重要部分或感兴趣部分并减少背景影响的有效方法。通过注意力机制可以确定感兴趣的部分，进而做进一步的研究与分析，提取其有用的信息，而对不感兴趣的部分则不予处理。基于注意力机制对图片特征进行检测，可以大大降低背景的干扰，同时提高图片特征检测的效率与精度，提高计算机资源利用率。

发明内容

有鉴于此，为了解决现有特征检测算法易受背景干扰的问题，本发明提出了一种基于注意力机制的图片特征检测方法。本发明利用注意力机制关注重要部分的特点，将图片背景及其他不重要的部分区域去除，从而提高特征检测的精度。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于注意力机制的图片特征检测方法，该方法包括：

1、一种基于注意力机制的图片特征检测方法，其特征在于，该检测方法包括以下几个步骤：

A、改进的可对图片中人体进行识别的YOLO模型；

B、基于注意力机制的特征检测算法。

其中，所述步骤A中改进的可对图片中人体进行识别的YOLO模型，具体如下：

A1、将传统YOLO模型对目标的检测输出修改为注意力区域的灰度图矩阵。

所述步骤B中基于注意力机制的特征检测算法，具体过程如下：

B1、利用自行采集的图片，训练针对人体识别的YOLO模型；

B2、利用训练的YOLO模型确定注意力区域，即图片中人体(除头部)；

B3、将注意力区域转换为灰度图，并输出其灰度图矩阵；

B4、利用SIFT算法进行人体特征检测。

本发明所提供的基于注意力机制的图片特征检测方法，具有以下优点：

本发明将注意力机制应用于图片特征检测，相较于传统特征检测方法，可大大降低图片背景的干扰，提高图片特征检测的准确率。

附图说明

图1为本发明基于注意力机制的特征检测流程示意图；

图2为本发明采集的包含人模的图片示例；

图3为利用本发明确定的注意力区域；

图4为本发明对注意力区域内图案的检测效果。

具体实施方式