[发明专利]图像中目标物位置检测方法、装置、电子设备及存储介质在审

专利信息
申请号: 202011373988.8 申请日: 2020-11-30
公开(公告)号: CN112581522A 公开(公告)日: 2021-03-30
发明(设计)人: 唐子豪;刘莉红;刘玉宇 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06T7/70 分类号: G06T7/70;G06T7/11;G06T7/194
代理公司: 深圳市沃德知识产权代理事务所(普通合伙) 44347 代理人: 高杰;于志光
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
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 目标 位置 检测 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种图像中目标物位置检测方法,其特征在于,所述方法包括:

获取包含目标物的训练图像集,对所述训练图像集进行图像增强,得到增强图像集;

将所述增强图像集进行前景及背景的区域分割,得到分割图像集,其中,所述分割图像集中的每张图像中包括前景区域及背景区域;

对所述分割图像集中每张图像的背景区域进行图像填充,得到填充图像集;

对所述填充图像集中的每张图像进行图像扩展,得到扩展图像集;

利用所述扩展图像集对预先构建的位置识别网络模型进行目标物位置识别训练,得到训练完成的位置识别网络模型;

获取待识别图像,利用所述训练完成的位置识别网络模型对所述待识别图像进行目标物位置识别,得到目标物位置识别结果。

2.如权利要求1所述的图像中目标物位置检测方法,其特征在于,所述对所述训练图像集进行图像增强,得到增强图像集,包括:

遍历并获取所述训练图像集的像素点;

利用预设的像素滤波器对所述像素点进行像素滤波处理,得到滤波图像集;

对所述滤波图像进行局部纹理加深,得到增强图像集。

3.如权利要求2所述的图像中目标物位置检测方法,其特征在于,所述对所述滤波图像集进行局部纹理加深,得到增强图像集,包括:

用n×n的图像窗口在所述滤波图像集中依次执行区域选择,得到多个图像区域,根据每个所述图像区域的中心像素以及所述中心像素的邻域像素,利用预设算法计算每个所述图像区域的中心像素的二进制码元;

根据得到的所述二进制码元对所述中心像素进行像素归一化,得到增强图像集。

4.如权利要求3所述的图像中目标物位置检测方法,其特征在于,所述根据每个所述图像区域的中心像素以及所述中心像素的邻域像素,利用预设算法计算每个所述图像区域的中心像素的二进制码元,包括:

利用如下算法计算所述图像区域的中心像素的二进制码元

其中,P0为所述图像区域的中心像素,Pe为所述中心像素的邻域像素的均值,n为所述邻域像素的个数,s(P0-Pe)为量化运算。

5.如权利要求1所述的图像中目标物位置检测方法,其特征在于,所述将所述增强图像集进行前景及背景的区域分割,得到分割图像集,包括:

遍历并获取所述增强图像集中每张增强图像内各像素点的像素值;

确定所述像素值大于预设像素阈值的像素点为前景区域;

确定所述像素值小于或等于所述预设像素阈值的像素点为背景区域;

按照所述前景区域和所述背景区域将所述增强图像集中每张增强图像进行前景及背景的区域分割,得到分割图像集。

6.如权利要求1所述的图像中目标物位置检测方法,其特征在于,所述利用所述训练完成的位置识别网络模型对所述待识别图像进行目标物位置识别,得到目标物位置识别结果,包括:

利用所述位置识别网络模型的前向并行卷积通道对所述待识别图像进行卷积操作,得到前向特征图;

利用所述位置识别网络模型的后向并行卷积通道对所述前向特征图及所述前向特征图的下采样图像进行卷积操作,得到后向特征图;

对获得的前向特征图和后向特征图进行特征融合,得到融合特征图;

利用像素分类算法对所述融合特征图进行目标物位置识别,得到目标物位置识别结果。

7.如权利要求1至6中任一项所述的图像中目标物位置检测方法,其特征在于,所述对所述填充图像集中的每张图像进行图像扩展包括图像尺寸裁剪、图像白平衡调节、图像像素扰动、图像几何旋转和图像几何拉伸之中的一项或多项操作。

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平安科技(深圳)有限公司,未经平安科技(深圳)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/202011373988.8/1.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