[发明专利]用于容器的图像处理方法和装置

权利要求书

1.一种用于容器的图像处理方法，其特征在于，所述容器包括储物区，以及用于采集所述储物区的图像的摄像头，所述方法包括：

获取摄像头采集到的图像；

根据所述图像和预先训练的关键点定位模型，生成所述图像中关键点的位置信息，其中，所述关键点包括所述图像中显示所述储物区的区域的顶点，所述关键点定位模型用于表征图像与关键点位置的对应关系，所述关键点的定位基于图像中各个像素点属于所述关键点的概率值而确定，所述图像中各个像素点属于关键点的概率值通过判断图像中的像素点的颜色值所在的范围而确定；

根据所述位置信息确定透视变换矩阵；

根据所述透视变换矩阵生成处理后的图像。

2.根据权利要求1所述的方法，其特征在于，所述容器包括容器本体和容器盖，所述容器本体包括第一储物区，所述容器盖包括第二储物区，所述摄像头包括安装于所述容器盖用于采集所述第一储物区的图像的第一摄像头，和安装于所述容器本体用于采集所述第二储物区的图像的第二摄像头，所述容器还包括用于检测所述容器盖和容器本体之间的打开角度的传感器；以及

所述获取摄像头采集到的图像，包括：

响应于所述传感器检测到所述容器盖和容器本体之间的打开角度为预设角度，获取所述第一摄像头和/或所述第二摄像头采集的图像。

3.根据权利要求1所述的方法，其特征在于，所述根据所述图像和预先训练的关键点定位模型，生成所述图像中关键点的位置信息，包括：

对所述图像进行预处理操作；

将进行所述预处理操作后的图像导入所述关键点定位模型，生成所述图像的关键点的位置信息。

4.根据权利要求1所述的方法，其特征在于，所述关键点定位模型是通过以下步骤训练得到的：

获取样本图像以及预先设置的所述样本图像的关键点的位置信息；

基于集成回归树算法、所获取的样本图像以及所获取的位置信息训练得到关键点定位模型。

5.根据权利要求4所述的方法，其特征在于，所述基于集成回归树算法、所获取的样本图像以及所获取的位置信息训练所述关键点定位模型，包括：

对所述样本图像进行预处理操作；

基于集成回归树算法和进行所述预处理操作后的样本图像训练所述关键点定位模型。

6.根据权利要求3或5所述的方法，其特征在于，所述预处理操作，包括以下至少一项：

在预先设置的移动范围内随机移动待预处理操作图像，将移动后遗留的区域的像素值赋为第一预设值；

在预先设置的旋转范围内随机旋转待预处理操作图像，将旋转后遗留的区域的像素值赋为第二预设值；

在待预处理操作图像周围的预设区域内的像素值赋为第二预设值。

7.一种用于容器的图像处理装置，其特征在于，所述容器包括储物区，以及用于采集所述储物区的图像的摄像头，所述装置包括：

获取单元，用于获取摄像头采集到的图像；

第一生成单元，用于根据所述图像和预先训练的关键点定位模型，生成所述图像中关键点的位置信息，其中，所述关键点包括所述图像中显示所述储物区的区域的顶点，所述关键点定位模型用于表征图像与关键点位置的对应关系，所述关键点的定位基于图像中各个像素点属于所述关键点的概率值而确定，所述图像中各个像素点属于关键点的概率值通过判断图像中的像素点的颜色值所在的范围而确定；

确定单元，用于根据所述位置信息确定透视变换矩阵；

第二生成单元，用于根据所述透视变换矩阵生成处理后的图像。