[发明专利]识别对象边缘的方法、系统及计算机可读存储介质

权利要求书

1.一种识别对象边缘的方法，其特征在于，包括：

获取输入图像，其中，所述输入图像包括具有边缘的对象，所述对象的边缘包括多个对象顶点；

通过对象顶点识别模型对所述输入图像进行识别，得到每一所述对象顶点与其对应的图像顶点的相对位置；

根据每一所述对象顶点与其对应的图像顶点的相对位置，确定各个所述对象顶点在所述输入图像中的参考位置；

针对每一所述对象顶点，在该对象顶点的参考位置所处的预设区域内进行角点检测；

根据角点检测结果确定每一所述对象顶点在所述输入图像中的实际位置；

根据各个所述对象顶点在所述输入图像中的实际位置，顺序连接相邻所述对象顶点形成边缘线条，得到所述具有边缘的对象在所述输入图像中的边缘。

2.如权利要求1所述的识别对象边缘的方法，其特征在于，所述对象顶点的参考位置所处的预设区域为以所述对象顶点的参考位置处的像素点为圆心、以第一预设像素为半径的圆形区域；

所述针对每一所述对象顶点，在该对象顶点的参考位置所处的预设区域内进行角点检测，包括：

对各个所述对象顶点对应的圆形区域内的像素点进行角点检测，在角点检测过程中，将特征值变化幅度大于预设阈值的像素点均作为候选角点，从所述候选角点中确定各个对象顶点对应的目标角点。

3.如权利要求2所述的识别对象边缘的方法，其特征在于，所述从所述候选角点中确定各个对象顶点对应的目标角点，包括：

步骤A1，对所述候选角点按照所述特征值变化幅度进行降序排序，将排第一位的所述候选角点确定为所述目标角点，将排第二位的所述候选角点确定为当前待选角点；

步骤A2，判断所述当前待选角点与当前所有所述目标角点之间的距离是否均大于第二预设像素；如果是则执行步骤A3，否则执行步骤A4；

步骤A3，将所述当前待选角点确定为所述目标角点；

步骤A4，舍弃所述当前待选角点，并将排下一位的所述候选角点确定为当前待选角点，返回执行步骤A2。

4.如权利要求3所述的识别对象边缘的方法，其特征在于，所述第二预设像素的范围为≥50个像素。

5.如权利要求2所述的识别对象边缘的方法，其特征在于，所述第一预设像素的范围为10～20个像素。

6.如权利要求2所述的识别对象边缘的方法，其特征在于，所述根据角点检测结果确定每一所述对象顶点在所述输入图像中的实际位置，包括：

针对每一所述对象顶点，若该对象顶点的角点检测结果中包含一个角点，则将该角点的位置确定为该对象顶点在所述输入图像中实际位置，若该对象顶点的角点检测结果中不包含角点，则将该对象顶点在所述输入图像中的参考位置确定为该对象顶点在所述输入图像中实际位置。

7.如权利要求1所述的识别对象边缘的方法，其特征在于，所述得到每一所述对象顶点与其对应的图像顶点的相对位置，包括：

针对每一所述对象顶点，得到该对象顶点与所述输入图像中距离该对象顶点最近的图像顶点的相对位置。

8.如权利要求7所述的识别对象边缘的方法，其特征在于，所述根据每一所述对象顶点与其对应的图像顶点的相对位置，确定各个所述对象顶点在所述输入图像中的参考位置，包括：

针对每一所述对象顶点，将该对象顶点与所述输入图像中距离该对象顶点最近的图像顶点的相对位置转换为该对象顶点在目标坐标系中的坐标，得到该对象顶点在所述输入图像中的参考位置。

9.如权利要求8所述的识别对象边缘的方法，其特征在于，所述目标坐标系的原点为所述输入图像的一位置点。

10.如权利要求1所述的识别对象边缘的方法，其特征在于，所述对象顶点识别模型为神经网络模型。