[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

说明书

本申请公开了一种图像中物体姿态的确定方法、客户端及服务器。该方法包括：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；获取目标物体的实时图像，从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，根据训练模型参数确定与该第一图像块相匹配的标签图像块；及，根据各个第一图像块和各自匹配的标签图像块，确定目标物体的姿态，根据姿态在实时图像中增加虚拟内容。本发明的这种方法，能够提升图像处理的时间效率，消耗较少的内存资源，提高终端的资源利用率。

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像中物体姿态的确定方法、客户端及服务器。

背景技术

随着计算机图形技术的飞速发展，增强现实技术将计算机产生的图形、文字等虚拟信息有机的融合到使用者所看到的真实场景中，对人的视觉系统进行景象的增强或扩张。实现增强现实技术的基础是能够获取真实场景的观测角度。例如，当通过摄像机获取真实场景的图像时，需要通过二维观测图像估计出三维物体的姿态。

现有技术中，常用的方法是对人工设计的特征进行检测，然后在不同的图像之间进行比较。但是，这类方法需要准确的尺度选择、旋转纠正、密度归一化等附加步骤，计算复杂度很高，耗时较长。当将增强现实技术应用于移动设备或者可穿戴设备上时，由于此类设备资源受限、具备有限的信息输入和计算能力，上述方法将不再适用。

发明内容

有鉴于此，本发明实施例提供了一种图像中物体姿态的确定方法、客户端及服务器，能够提升图像处理的时间效率，消耗较少的内存资源，提高终端的资源利用率。

具体地，本发明实施例的技术方案是这样实现的：

本发明提供了一种图像中物体姿态的确定方法，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；

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；及，

根据各个第一图像块和各自匹配的标签图像块，确定所述目标物体的姿态，根据所述姿态在所述实时图像中增加虚拟内容。

本发明还提供了一种图像中物体姿态的确定方法，包括：

获取针对目标物体的标准图像以及多张畸变图像；

将所述标准图像和所述多张畸变图像输入到卷积神经网络进行训练，获得训练模型参数；

将所述训练模型参数发送给客户端，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；及，根据各个第一图像块和各自匹配的标签图像块，确定所述目标物体的姿态，根据所述姿态在所述实时图像中增加虚拟内容。

本发明又提供了一种客户端，包括：

离线接收模块，用于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；

在线接收模块，用于获取所述目标物体的实时图像；

识别模块，用于从所述在线接收模块接收到的实时图像中识别出至少一个第一图像块；

匹配模块，用于针对所述识别模块识别出的每个第一图像块，根据所述离线接收模块给出的训练模型参数确定与该第一图像块相匹配的标签图像块；

姿态确定模块，用于根据各个第一图像块和所述匹配模块确定的各自匹配的标签图像块，确定所述目标物体的姿态；及，

增加模块，用于根据所述姿态确定模块确定的姿态在所述实时图像中增加虚拟内容。