[发明专利]一种图像中物体姿态的确定方法、客户端及服务器

权利要求书

1.一种图像中物体姿态的确定方法，其特征在于，由终端设备执行，包括：

从服务器获取针对目标物体的卷积神经网络训练模型参数，其中，所述服务器从针对所述目标物体的标准图像中识别出至少一个第二图像块；获取多张畸变图像，分别对每张畸变图像进行识别，得到至少一个第三图像块；在训练所述卷积神经网络时，将所述第三图像块作为输入样本，将各个第二图像块作为理想的输出样本，训练得到权值，所述训练模型参数包括所述权值和所述第二图像块；

获取所述目标物体的实时图像，从所述实时图像中识别出至少一个第一图像块；

针对每个第一图像块，根据所述训练模型参数确定与该第一图像块相匹配的标签图像块；将该第一图像块输入所述卷积神经网络，基于所述权值输出该第一图像块与每个第二图像块相匹配的概率；若所述概率大于预设概率阈值的第二图像块的总数大于预设个数阈值，则使用该第一图像块和与其匹配的标签图像块来确定所述目标物体的姿态；及，

根据所述姿态在所述实时图像中增加虚拟内容。

2.根据权利要求1所述的方法，其中，所述从所述实时图像中识别出至少一个第一图像块包括：

对所述实时图像进行特征检测，获取多个局部特征；

针对每个局部特征，若该局部特征的图像对比度高于预设的对比度阈值并且该局部特征并非图像的边缘，则将该局部特征确定为所述第一图像块。

3.根据权利要求1所述的方法，其中，所述根据所述训练模型参数确定与该第一图像块相匹配的标签图像块包括：

将该第一图像块输入所述卷积神经网络，基于所述权值输出该第一图像块与每个第二图像块相匹配的概率；

将最大概率值所对应的第二图像块确定为所述标签图像块。

4.根据权利要求1所述的方法，其中，所述姿态由仿射变换来表示，每个标签图像块经由所述仿射变换与第一图像块相匹配；

所述使用该第一图像块和与其匹配的标签图像块来确定所述目标物体的姿态包括：

根据最小二乘原则从仿射变换矩阵集合中确定出所述仿射变换的矩阵估计值，来表征所述目标物体的姿态。

5.根据权利要求4所述的方法，其中，若第一图像块为q_i，i＝1,…,N，N为所述第一图像块的总数，与q_i匹配的标签图像块为p_i，所述仿射变换由矩阵A来表示，所述根据最小二乘原则从仿射变换矩阵集合中确定出所述仿射变换的矩阵估计值包括：

计算所述矩阵估计值为：

其中，||·||表示取模值的平方，G为所述仿射变换矩阵集合。

6.根据权利要求1至5中任一项所述的方法，其中，所述卷积神经网络包括多个卷积层，所述权值是指每个卷积层所使用的卷积矩阵中的各个元素值。

7.一种图像中物体姿态的确定方法，其特征在于，由服务器执行，包括：

获取针对目标物体的标准图像以及多张畸变图像；

从所述标准图像中识别出至少一个第二图像块；分别对每张畸变图像进行识别，得到至少一个第三图像块；在训练卷积神经网络时，将所述第三图像块作为输入样本，将各个第二图像块作为理想的输出样本，训练得到权值；

将训练模型参数发送给客户端，所述训练模型参数包括所述权值和所述第二图像块，以使所述客户端获取所述目标物体的实时图像，从所述实时图像中识别出至少一个第一图像块；针对每个第一图像块，根据所述训练模型参数确定与该第一图像块相匹配的标签图像块；将该第一图像块输入所述卷积神经网络，基于所述权值输出该第一图像块与每个第二图像块相匹配的概率；若所述概率大于预设概率阈值的第二图像块的总数大于预设个数阈值，则使用该第一图像块和与其匹配的标签图像块来确定所述目标物体的姿态；及，

根据所述姿态在所述实时图像中增加虚拟内容。

8.根据权利要求7所述的方法，其中，所述获取针对目标物体的标准图像以及多张畸变图像包括：

随机产生多个仿射变换矩阵；

针对每个仿射变换矩阵，使用该仿射变换矩阵对所述标准图像进行仿射变换，得到一张畸变图像。