[发明专利]图像处理方法、装置、计算机设备及介质

说明书

本发明实施例涉及图像识别技术领域，公开了一种图像处理方法、装置、计算机设备及介质。该方法包括提取人物轮廓图，对人物轮廓图中人物轮廓区域内的像素点的RGB坐标进行分类；分别沿空间坐标x轴和y轴方向将人物轮廓区域分为n、m个子区域，得到n、m个子区域分别对应的向量集V和U；将向量集V和U分别转换成n×k维的特征矩阵V_d以及m×k维的特征矩阵U_d；对每帧待检测图片包含的人物轮廓图所对应的所有特征矩阵进行聚类，分别计算各聚类中心的特征矩阵V_c和U_c与标准矩阵集D_v、D_u中任一元素的相似度v_s和u_s，并根据相似度计算结果确定待检测图片中是包含目标人物。本发明实施方式可显著提高监管的高效性、安全性，并且可减轻监管人员工作负担。

技术领域

本发明涉及图像识别技术领域，特别涉及一种图像处理方法、装置、计算机设备及介质。

背景技术

随着互联网和人工智能为主导的信息化技术飞速发展，通过信息化技术提升校园安全将成为平安校园发展的必然趋势。校园食品安全的管控一直是社会重点关注的问题，监管校园食堂操作间和库房非工作人员进出更是安全防范的重点。学校一般都是明令禁止非食堂工作人员入内，目前的具体操作通常是粘贴相关标识语，并通过加装摄像头实时监控。然而，食堂工作繁忙，人员众多，一旦有陌生人进入，难以及时发现，通过视频抽检这种事后检查方式已经无法满足监管需求，不能及时进行风险预警，不利于食堂的安全管理工作。

发明内容

有鉴于此，本发明实施例提供了一种图像处理方法、装置、计算机设备及介质，通过对监控视频中的人物图像的颜色信息进行提取分析，并与食堂工人的标准颜色进行对比，从而可对非法人员出入食堂进行智能预警，显著提高监管的高效性、安全性，并且可减轻监管人员工作负担。

为解决上述技术问题，本发明实施例提供了一种图像处理方法，包括：

利用基于R-CNN训练出的目标检测模型从待检测图片中提取人物轮廓图，得到每帧待检测图片包含的人物轮廓图集合；

对每个所述人物轮廓图中人物轮廓区域内的像素点的RGB坐标进行分类，得到所述人物轮廓区域内的像素点的颜色类别；

沿所述人物轮廓图的空间坐标x轴方向将所述人物轮廓区域分为n个子区域，得到所述n个子区域对应的向量集V，以及沿所述人物轮廓图的空间坐标y 轴方向将所述人物轮廓区域分为m个子区域，得到所述m个子区域对应的向量集U；其中，所述向量集V的元素为由所述n个子区域中的每个子区域内的像素点分别组成的一维颜色向量；所述向量集U的元素为由所述m个子区域中的每个子区域内的像素点分别组成的一维颜色向量；n、m均为大于1的正整数；

将所述向量集V转换成n×k维的特征矩阵V_d，将所述向量集U转换成m×k维的特征矩阵U_d；其中，k为所述颜色类别的个数；

对每帧待检测图片包含的人物轮廓图所对应的所有特征矩阵进行聚类得到 N个聚类中心；每个聚类中心的特征矩阵分别为n×N的特征矩阵V_c和m×N的特征矩阵U_c；

分别计算各聚类中心的特征矩阵V_c与标准矩阵集D_v中任一元素的相似度 v_s，以及特征矩阵U_c与标准矩阵集D_u中任一元素的相似度u_s，并根据所述相似度计算结果v_s和u_s确定所述待检测图片中是包含目标人物；其中，标准矩阵集D_v和D_u用于表征参考人物特征。

本发明实施例还提供了一种图像处理装置，包括：