[发明专利]一种图像处理方法、装置、电子设备及存储介质

说明书

本公开提供了一种图像处理方法、装置、电子设备及存储介质，其中，该图像处理方法包括：获取待存储图像；提取所述待存储图像的第一信息向量；所述第一信息向量包含所述待存储图像在多维空间中对应的第一期望特征向量，以及所述待存储图像在所述多维空间中对应的第一方差向量，所述第一期望特征向量为多维向量，所述第一方差向量为一维向量；存储与所述待存储图像对应的所述第一信息向量。

技术领域

本公开涉及计算机视觉技术领域，具体而言，涉及一种图像处理方法、装置、电子设备及存储介质。

背景技术

随着深度学习普及和推广，基于图片视觉特征进行识别和检索的技术已经逐渐应用于各行各业，目前人脸识别技术已经广泛应用在安防以及安防相关领域，应用场景主要包含人脸布控、静态库检测、路人库轨迹搜索等。

目前基于深度学习的人脸识别的原理是通过提取人脸图像的特征值构成的特征向量，通过比对特征向量之间的距离来确定人脸图像之间的相似度，进而识别采集到的人脸图像。

基于该方式对人脸图像进行识别时，当采集到的人脸图像存在遮挡或者模糊的问题时，采集到的特征向量的准确度较低，基于该特征向量确定人脸图像之间的相似度时的准确度也就较低，无法完成对人脸图像的识别，需要重新拍摄人脸图像，造成图像识别效率较低。

发明内容

本公开实施例至少提供一种图像处理方案。

第一方面，本公开实施例提供了一种图像处理方法，包括：

获取待存储图像；

提取所述待存储图像的第一信息向量；所述第一信息向量包含所述待存储图像在多维空间中对应的第一期望特征向量，以及所述待存储图像在所述多维空间中对应的第一方差向量，所述第一期望特征向量为多维向量，所述第一方差向量为一维向量；

存储所述待存储图像对应所述第一信息向量。

本公开实施中，针对获取到的每张待存储图像，可以基于该待存储图像对应的第一期望特征向量和第一方差向量共同表示待存储图像在多维空间对应的分布区间，并按照待存储图像对应的分布区间来进行存储得到图像库，这样，后期接收到待比对图像时，比如针对人脸图像识别，可以基于预先存储的各个人脸图像对应的分布区间，来识别每张待比对图像和已存储的图像之间的相似度，这样通过分布区间的相似度来表征图像的相似度的方式，可以降低图像的图像质量对相似度精度的影响，从而提高识别效率。

进一步地，这里预先存储的每张图像对应的第一信息向量中，包含的是多维度的第一期望特征向量和一维度的第一方差向量，一维度的第一方差向量相比多维度的方差向量，其占用的存储内存较小，可以节省存储空间。

在一种可能的实施方式中，所述提取所述待存储图像的第一信息向量，包括：

将所述待存储图像输入预先训练的不确定性神经网络中的特征图提取网络，得到所述待存储图像对应的特征图；

将所述特征图输入所述不确定性神经网络中的特征值提取网络，得到所述待存储图像的特征点对应的特征值构成的所述第一期望特征向量；

将所述特征图输入所述不确定性神经网络中的方差提取网络，得到所述待存储图像对应的所述第一方差向量；

基于所述待存储图像对应的所述第一期望特征向量和所述第一方差向量，确定所述待存储图像的所述第一信息向量。

本公开实施例中，提出引入不确定性神经网络来提取待存储图像对应的第一信息向量，可以得到该待存储图像对应的一维度的第一方差向量，这样可以在进行图像比对识别时，降低对待比对图像的质量要求，从而提高识别效率。

在一种可能的实施方式中，所述基于所述待存储图像对应的所述第一期望特征向量和所述第一方差向量，确定所述待存储图像的所述第一信息向量，包括：