[发明专利]图像数据处理方法、装置、电子设备及可读存储介质

说明书

本发明涉及图像处理，揭露一种图像数据处理方法，包括：获取待处理的用户图像，所述用户图像中包括前景人像和背景图像；从所述用户图像中提取出背景图像；从所述背景图像中提取第一图像特征，具体包括：从所述背景图像中提取深层特征图，将所述深层特征图划分为预设数量的特征图子块，以及将所述预设数量的特征图子块输入点对特征网络，得到所述第一图像特征；对所述第一图像特征进行压缩处理，得到第二图像特征。本发明还提供一种图像数据处理装置、电子设备及可读存储介质。本发明从图像中提取结合了局部信息与全局信息的图像特征，可以提升后续应用图像特征执行图像检索的准确度，且减少了数据处理涉及的计算量及内存空间占用。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像数据处理方法、装置、电子设备及可读存储介质。

背景技术

基于内容的图像检索技术在众多领域得到了很好的应用，其中一个典型应用就是金融欺诈检测领域，例如在视频面审场景中检索出欺诈风险较高的背景(俗称为黑背景，通常是一些酒店等固定场所)。

基于内容的图像检索，通常是基于图像特征执行检索，因此对图像数据的一个重要处理步骤，就是提取图像的特征。以视频面审为例，请求面审的用户图像一般是通过移动终端拍摄的，由于移动设备的不完全固定，会导致用户人像和背景信息有较大程度上的尺度变换、遮挡、缺失的问题。目前一些常规的深度学习算法在提取图像特征的过程中，是通过学习整张图片的全局信息或者前景目标信息，由于数据处理的是点云信息(像素级)，因此数据处理涉及的计算量较大、内存占用较大。并且，前述方法未能很好地结合图像中的局部信息与全局信息，因此提取的图像特征可能会影响到图像检索结果的准确度。

发明内容

鉴于以上内容，有必要提供一种图像数据处理方法，旨在从图像中提取结合了局部信息与全局信息的图像特征，提升后续应用图像特征执行图像检索的准确度，且减少数据处理涉及的计算量及内存空间占用。

本发明实施例提供一种图像数据处理方法，所述方法包括：

获取待处理的用户图像，所述用户图像中包括前景人像和背景图像；

从所述用户图像中提取出背景图像；

从所述背景图像中提取第一图像特征，具体包括：从所述背景图像中提取深层特征图，将所述深层特征图划分为预设数量的特征图子块，以及将所述预设数量的特征图子块输入点对特征网络，得到所述第一图像特征；

对所述第一图像特征进行压缩处理，得到第二图像特征。

可选的，所述从所述用户图像中提取出背景图像的步骤，包括：

利用预先训练的分割模型从所述用户图像中检测出前景人像和背景图像；

将所述前景人像区域的像素值置为0，将所述背景图像区域的像素值置为1，输出一个与所述用户图像尺寸一致的第一二维矩阵；

将所述第一二维矩阵的元素值与所述用户图像中相应像素的像素值相乘，得到扣除了前景人像的背景图像。

可选的，所述从所述背景图像中提取深层特征图的步骤，包括：

从所述背景图像中提取图像特征，得到H*W*C深层特征图，H、W、C分别为深层特征图的高、宽、个数。

可选的，所述将所述深层特征图划分为预设数量的特征图子块，包括：

通过预设大小的M*N网格，将所述H*W*C深层特征图均匀划分为M*N个层数为C的特征图子块。

可选的，所述M*N网格的高宽比M/N与所述背景图像的高宽比相等。

可选的，所述将所述预设数量的特征图子块输入点对特征网络，得到所述第一图像特征，包括：