[发明专利]生成目标图像的方法、装置及设备

说明书

本说明书一个或多个实施例公开了一种生成目标图像的方法、装置及设备，用以实现生成目标图像的自动化和精确化。所述方法包括：获取原始图像；获取多个包含样本目标图像的样本原始图像，各样本原始图像中标记有样本目标图像对应的至少三个样本点的位置信息；将至少三个样本点的位置信息作为卷积神经网络的第一卷积层的输入参数进行学习，得到第一学习结果，所述卷积神经网络包括至少两个卷积层；将第一学习结果作为第二卷积层的输入参数进行学习，直至执行完至少两个卷积层中的各卷积层分别对应的学习操作，得到第二学习结果；基于第一学习结果和第二学习结果生成目标图像模型；基于目标图像模型对所述原始图像进行处理，得到目标图像。

(本申请是申请号201710589943.6的专利申请的分案申请)

技术领域

本说明书涉及图像处理领域，尤其涉及一种生成目标图像的方法、装置及设备。

背景技术

随着科学技术的飞速发展，摄像技术广泛应用于各个领域，如用于对特定场景进行监控、对目标人物进行检索等。在对摄像头所采集的原始图像进行处理时，往往需要从原始图像中识别出目标物体或目标人物。尤其是在当今时代，每个人都会有大量的证件，且在很多场景应用中都需要对电子证件进行识别。

现有技术中，在证件电子化的过程中，通常采用直接拍摄证件照片、扫描证件、打印证件等方式获取电子证件。显然，通过直接拍摄或扫描、打印等方式所获取的电子证件均不够正式，无法体现证件的法律效应，且往往存在很多问题，如背景干扰、不够清晰、尺寸不合格等。

发明内容

本说明书一个或多个实施例的目的是提供一种生成目标图像的方法、装置及设备，用以实现生成目标图像的自动化和精确化。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

一方面，本说明书一个或多个实施例提供一种生成目标图像的方法，包括：

获取原始图像；

获取多个包含样本目标图像的样本原始图像，各所述样本原始图像中标记有所述样本目标图像对应的至少三个样本点的位置信息；

将所述至少三个样本点的位置信息作为卷积神经网络的第一卷积层的输入参数进行学习，得到第一学习结果，所述第一学习结果包括各所述样本目标图像对应的至少三个样本点、边缘线、目标区域中的至少两项之间的第一位置关系，所述卷积神经网络包括至少两个卷积层；

将所述第一学习结果作为第二卷积层的输入参数进行学习，直至执行完所述至少两个卷积层中的各卷积层分别对应的学习操作，得到第二学习结果，所述第二学习结果包括各所述样本目标图像对应的至少三个样本点、边缘线、目标区域中的至少两项之间的第二位置关系；

基于所述第一学习结果和所述第二学习结果生成目标图像模型；

基于所述目标图像模型对所述原始图像进行处理，得到目标图像。

可选地，所述基于所述目标图像模型对所述原始图像进行处理，得到目标图像包括：

获取经深度学习得到的所述目标图像模型，所述目标图像模型包括与目标图像的图像轮廓相对应的至少三个点的信息；

在所述原始图像中，根据所述目标图像模型对所述目标图像的至少三个点进行定位；

根据所述定位的至少三个点对所述原始图像进行处理，得到所述目标图像。

可选地，在所述原始图像中，根据所述目标图像模型对所述目标图像的至少三个点进行定位之前，所述方法还包括：

对所述原始图像进行质量检测，得到至少一个检测项对应的检测结果，所述检测项包括曝光度、是否模糊、是否被遮挡中的至少一项；