[发明专利]一种分析图像的方法及装置

权利要求书

1.一种分析图像的方法，其特征在于，所述方法应用于一种图像分析系统，所述图像分析系统至少用于通过第一级神经网络得到图像的掩模模板，还用于通过第二级神经网络根据所述第一级神经网络得到的掩模模板处理图像；所述方法包括：

根据预设的训练样本得到待定参数的值，所述训练样本包括样本图像和样本图像参数，其中，样本图像参数用于表示在样本图像是否包含目标物体，还用于表示包含所述目标物体时所述目标物体在所述样本图像中的视角；

根据所述第一级神经网络和所述待定参数生成掩模模板，根据所述掩模模板对待处理图像进行图像掩模处理，得到掩模处理后的图像；

根据所述第二级神经网络和所述待定参数分析所述掩模处理后的图像，得到所述掩模处理后的图像的分析结果，所述分析结果包括：目标物体检测结果和视角估计结果中的至少一项。

2.根据权利要求1所述的分析图像的方法，其特征在于，所述根据预设的训练样本得到待定参数的值包括：将所述待定参数设定为第1赋值；

在一个周期内，根据所述第1赋值和第1样本获取所述第1样本对应的掩模模板，所述训练样本包括了第1至N样本；并依据所述第1样本对应的掩模模板对所述第1样本进行图像掩模处理；并通过所述第二级神经网络，根据所述第1赋值对经过所述图像掩模处理的所述第1样本进行分析，并得到第1样本的分析结果；重复上述周期，并获取第1至N样本在第1赋值下的分析结果；

依次将所述待定参数设定为第2至X赋值，并依次获取第1至N样本在第2赋值下的分析结果，直至在第X赋值下的分析结果；

根据第1至X赋值下的分析结果，确定目标赋值，并将所述目标赋值作为所述待定参数的值。

3.根据权利要求2所述的分析图像的方法，其特征在于，所述根据所述第二级神经网络和所述待定参数分析所述掩模处理后的图像，得到所述掩模处理后的图像的分析结果，包括：

通过所述第二级神经网络，根据所述目标赋值对所述掩模处理后的图像进行分析，并得到所述掩模处理后的图像的分析结果。

4.根据权利要求2所述的分析图像的方法，其特征在于，所述根据第1至X赋值下的分析结果，确定目标赋值，并将所述目标赋值作为所述待定参数的值包括：

根据$E=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}({-p}_i^D\log q_i^D-p_i^D\underset{j=1}{\overset{T}{\mathrm{\Σ}}}{p}_{i,j}^V\log q_{i,j}^V+{\mathrm{\λE}}_s),$获取所述第1至N样本在各个赋值下的代价值E；

其中，有N个训练样本{I₁,I₂,…,I_N}，所述N个训练样本对应的类标为和其中，表示第i号样本图像包含所述目标物体，表示第i号样本图像不包含所述目标物体，表示在第i号样本图像中所述目标物体的视角，T表示视角被离散化为{1,2,…,T}，的T个分量中最多只有一个分量等于1，其他分量均为0，λ表示预设系数；m_k表示所述掩模模板的第k个点的值，r_k为m_k到所述掩模模板中心点的距离；M＝f_M(I)，f_M表示所述第一级神经网络的映射函数，M表示所述掩模模板，I表示所述训练样本中的样本图像，I_M＝min{I,M}即求I和M的各个对应元素的最小值，I_M表示经过所述图像掩模处理后的样本图像，q^V表示视角估计结果，q^D表示目标物体检测结果，且q^V＝f_V(I_M)，q^D＝f_D(I_M)；f_V和f_D分别表示所述第二级神经网络的映射函数；

将代价值最小的赋值作为所述目标赋值。