[发明专利]图像处理方法、装置、电子设备和计算机可读介质在审

专利信息
申请号: 202010648630.5 申请日: 2020-07-07
公开(公告)号: CN111783777A 公开(公告)日: 2020-10-16
发明(设计)人: 郭冠军 申请(专利权)人: 北京字节跳动网络技术有限公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/46;G06K9/62;G06T7/00;G06T7/13;G06T7/187
代理公司: 北京卫智畅科专利代理事务所(普通合伙) 11557 代理人: 陈佳
地址: 100041 北京市石景山区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 处理 方法 装置 电子设备 计算机 可读 介质
【权利要求书】:

1.一种图像处理方法,包括:

识别待处理图像中目标对象的轮廓,得到所述对象的至少一个轮廓;

生成每个轮廓的外接矩形,得到至少一个轮廓外接矩形;

分别对每个轮廓外接矩形所包围的待处理区域进行分类,得到类别信息;

基于所述类别信息,从所述至少一个轮廓外接矩形中选取目标轮廓外接矩形。

2.根据权利要求1所述的方法,其中,所述识别待处理图像中目标对象的轮廓,得到所述对象的至少一个轮廓,包括:

将所述待处理图像输入预先训练的轮廓提取网络模型,输出所述图像中目标对象的候选轮廓;

从所述候选轮廓中选取闭合的候选轮廓作为所述至少一个轮廓。

3.根据权利要求1或2所述的方法,其中,所述分别对每个轮廓外接矩形所包围的待处理区域进行分类,得到类别信息,包括:

分别对每个轮廓外接矩形所包围的待处理区域输入到预先训练的分类网络模型,得到所述待处理区域的类别信息和所述类别信息对应的分类概率。

4.根据权利要求3所述的方法,其中,所述基于所述类别信息,从所述至少一个轮廓外接矩形中选取目标轮廓外接矩形,包括:

选取符合预定条件的各个轮廓外接矩形;

从所述轮廓外接矩形选择出所述轮廓外接矩形对应的各个分类概率中概率最大的分类概率对应的轮廓外接矩形,作为目标轮廓外接矩形。

5.根据权利要求3所述的方法,其中,所述基于所述类别信息,从所述至少一个轮廓外接矩形中选取目标轮廓外接矩形,包括:

利用非极大值抑制算法,选取所述待处理图像中每个目标对象的轮廓外接矩形中最大分类概率对应的外接矩形,作为目标轮廓外接矩形。

6.根据权利要求5所述的方法,其中,所述方法还包括:

将所述目标轮廓外接矩形的重心的位置信息确定为与所述目标轮廓外接矩形对应的对象的位置信息。

7.一种图像处理装置,包括:

识别单元,被配置成识别待处理图像中目标对象的轮廓,得到所述对象的至少一个轮廓;

生成单元,被配置成生成每个轮廓的外接矩形,得到至少一个轮廓外接矩形;

分类单元,被配置成分别对每个轮廓外接矩形所包围的待处理区域进行分类,得到类别信息;

抑制处理单元,被配置成基于所述类别信息,从所述至少一个轮廓外接矩形中选取目标轮廓外接矩形。

8.根据权利要求7所述的图像处理装置,其中,所述识别单元进一步被配置成:

将所述待处理图像输入预先训练的轮廓提取网络模型,输出所述图像中目标对象的候选轮廓;

从所述候选轮廓中选取闭合的候选轮廓作为所述至少一个轮廓。

9.根据权利要求7或8所述的图像处理装置,其中,所述分类单元进一步被配置成:

分别对每个轮廓外接矩形所包围的待处理区域输入到预先训练的分类网络模型,得到所述待处理区域的类别信息和所述类别信息对应的分类概率。

10.根据权利要求9所述的图像处理装置,其中,所述抑制处理单元进一步被配置成:

选取符合预定条件的各个轮廓外接矩形;

从所述轮廓外接矩形选择出所述轮廓外接矩形对应的各个分类概率中概率最大的分类概率对应的轮廓外接矩形,作为目标轮廓外接矩形。

11.根据权利要求9所述的图像处理装置,其中,所述抑制处理单元进一步被配置成:

利用非极大值抑制算法,选取所述待处理图像中每个目标对象的轮廓外接矩形中最大分类概率对应的外接矩形,作为目标轮廓外接矩形。

12.根据权利要求9所述的图像处理装置,其中,所述装置还包括:

确定单元,被配置成将所述目标轮廓外接矩形的重心的位置信息确定为与所述目标轮廓外接矩形对应的对象的位置信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010648630.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top