[发明专利]图像处理方法、装置、存储介质及计算机设备在审

专利信息
申请号: 202110291659.7 申请日: 2021-03-18
公开(公告)号: CN113011326A 公开(公告)日: 2021-06-22
发明(设计)人: 徐东 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62;A63F13/52
代理公司: 深圳翼盛智成知识产权事务所(普通合伙) 44300 代理人: 李汉亮
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: 图像 处理 方法 装置 存储 介质 计算机 设备
【权利要求书】:

1.一种图像处理方法,其特征在于,所述方法包括:

将待检测图像划分为预设数量的像素块;

提取所述预设数量的像素块中每一像素块的旋转不变特征;

根据所述每一像素块的旋转不变特征确定目标物体包括的目标像素块集合;

根据所述目标像素块集合标记所述目标物体在所述待检测图像中的位置。

2.根据权利要求1所述的方法,其特征在于,所述提取所述预设数量的像素块中每一像素块的旋转不变特征,包括:

确定所述预设数量的像素块中每一像素块的傅里叶变换时域信息;

从所述傅里叶变换时域信息中提取频谱能量信息,并确定所述频谱能量信息为像素块的旋转不变特征,得到每一像素块的旋转不变特征。

3.根据权利要求1或2中任意一项所述的方法,其特征在于,所述根据所述每一像素块的旋转不变特征确定目标物体包括的目标像素块集合,包括:

将所述每一像素块的旋转不变特征映射到向量空间中,得到每一像素块对应的特征向量;

采用训练后的预设模型对所述每一像素块对应的特征向量进行处理,得到每一特征向量对应的物体信息;

确定携带目标物体信息的目标像素块集合。

4.根据权利要求3所述的方法,其特征在于,所述采用训练后的预设模型对所述每一像素块对应的特征向量进行处理之前,还包括:

获取训练样本,所述训练样本包括样本图像在多个显示角度下对应的训练图像;

提取每个训练图像的旋转不变特征,并将所述旋转不变特征映射到向量空间中,得到每个训练图像对应的训练特征向量;

采用所述每个训练图像对应的训练特征向量以及每个训练图像标注的物体信息对所述预设模型进行训练,得到所述训练后的预设模型。

5.根据权利要求4所述的方法,其特征在于,所述提取每个训练图像的旋转不变特征,并将所述旋转不变特征映射到向量空间中,得到每个训练图像对应的训练特征向量,包括:

对每个训练图像进行上采样或下采样,得到每个训练图像对应的多个不同尺度的图像;

对所述多个不同尺度的图像进行旋转不变特征的提取,得到每个训练图像对应的特征金字塔;

将所述每个训练图像对应的特征金字塔映射到向量空间中,得到每个训练图像对应的训练特征向量。

6.根据权利要求5所述的方法,其特征在于,所述将所述每个训练图像对应的特征金字塔映射到向量空间中,得到每个训练图像对应的训练特征向量,包括:

对所述每个训练图像对应的特征金字塔进行池化处理,得到每个训练图像对应的池化后的特征金字塔;

将所述每个训练图像对应的池化后的特征金子塔映射到向量空间,得到每个训练图像对应的训练特征向量。

7.根据权利要求4所述的方法,其特征在于,所述采用所述每个训练图像对应的训练特征向量以及每个训练图像标注的物体信息对所述预设模型进行训练,得到所述训练后的预设模型,包括:

获取包含多层决策树的预设模型;

将所述每个训练图像对应的训练特征向量以及每个样本标注的物体信息输入至所述预设模型,以对所述预设模型进行训练,得到训练过的预设模型。

8.根据权利要求3所述的方法,其特征在于,所述将所述每一像素块的旋转不变特征映射到向量空间中,得到每一像素块对应的特征向量,包括:

对所述每一像素块的旋转不变特征进行池化处理,得到每一像素块池化处理后的旋转不变特征;

将所述每一像素块池化处理后的旋转不变特征映射到向量空间,得到每一像素块对应的特征向量。

9.一种图像处理装置,其特征在于,所述装置包括:

划分单元,用于将待检测图像划分为预设数量的像素块;

提取单元,用于提取所述预设数量的像素块中每一像素块的旋转不变特征;

确定单元,用于根据所述每一像素块的旋转不变特征确定目标物体包括的目标像素块集合;

标记单元,用于根据所述目标像素块集合标记所述目标物体在所述待检测图像中的位置。

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/202110291659.7/1.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