[发明专利]图像处理方法和装置

说明书

本发明的实施例提供了一种图像处理方法和装置。图像处理方法包括：获取第一图像和第二图像；将第一图像输入训练好的网络模型中的第一卷积神经网络，以获得第一网络输出结果，其中，第一网络输出结果包括一个特征图；将第二图像输入训练好的网络模型中的第二卷积神经网络，以获得第二网络输出结果，其中，第二网络输出结果包括一个特征图，第二网络输出结果中的特征图大于第一网络输出结果中的特征图；以第一网络输出结果作为卷积核对第二网络输出结果进行卷积，以获得卷积结果；以及将卷积结果输入训练好的网络模型中的剩余网络结构，以获得第一图像和第二图像的对比结果。可以同时有效地处理两个图像的特征，获得较好的对比结果。

技术领域

本发明涉及图像处理领域，更具体地涉及一种图像处理方法和装置。

背景技术

图像对比可以用于行人或物体的重新鉴定，在安防领域具有重要的作用。现有的方法有时需要借助卷积神经网络同时处理几个图像，一般有以下两种情况：

1.将两个需要对比的图像接入两个不同的卷积神经网络中，随后，基于两个卷积神经网络输出的特征向量进行图像对比，或者将两个卷积神经网络的输出接入相同的全连通层进行处理来获得对比结果。这样做的缺点是，两个卷积神经网络的信息没有交互，在两个卷积神经网络训练好之后，其训练结果往往很难同时有效地处理输入的两个不同图像的特征，使用不同的网络进行图像对比便失去了意义。

2.直接在通道上叠加或使用光流算法，将两个图像的计算结果接入一个卷积神经网络，并按卷积神经网络的一般处理方法进行处理。这样做的缺点是，卷积神经网络不适合直接反映两个图像的差异，其只在特定情况(例如场景相同)下获得比较好的结果。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种图像处理方法和装置。

根据本发明一方面，提供了一种图像处理方法。该方法包括：获取第一图像和第二图像；将第一图像输入训练好的网络模型中的第一卷积神经网络，以获得第一网络输出结果，其中，第一网络输出结果包括一个特征图；将第二图像输入训练好的网络模型中的第二卷积神经网络，以获得第二网络输出结果，其中，第二网络输出结果包括一个特征图，第二网络输出结果中的特征图大于第一网络输出结果中的特征图；以第一网络输出结果作为卷积核对第二网络输出结果进行卷积，以获得卷积结果；以及将卷积结果输入训练好的网络模型中的剩余网络结构，以获得第一图像和第二图像的对比结果。

示例性地，第一图像和第二图像的对比结果包括以下项中的一项或多项：用于指示第二图像中是否存在第一图像中的目标对象的第一结果、用于指示第一图像中的目标对象在第二图像中的位置的第二结果、用于指示第一图像和第二图像是否属于同一类别的第三结果、用于指示第一图像和第二图像是否包括共同对象的第四结果、用于指示第一图像和第二图像所包括的共同对象在第一图像和第二图像中的位置的第五结果、用于指示第一图像和第二图像是否包括不同对象的第六结果以及用于指示第一图像和第二图像所包括的不同对象在第一图像和第二图像中的位置的第七结果。

示例性地，第二结果包括用于指示第一图像中的目标对象在第二图像中的位置的对象特征图，其中，对象特征图的大小与第二图像一致，对象特征图的每个像素代表第二图像的对应像素属于第一图像中的目标对象的概率。

示例性地，获取第一图像和第二图像包括：获取第一初始图像；对第一初始图像执行缩放、剪切和填充中的一项或多项操作，以将第一初始图像的尺寸调整为第一预设尺寸；以及确定调整后的第一初始图像为第一图像。

示例性地，获取第一图像和第二图像包括：获取第二初始图像；对第二初始图像执行缩放、剪切和填充中的一项或多项操作，以将第二初始图像的尺寸调整为第二预设尺寸；以及确定调整后的第二初始图像为第二图像。