[发明专利]对象识别方法和系统

摘要

本发明公开了一种对象识别方法和系统，用于从输入图像中识别对象。所述方法包括：使用对象识别模型从输入图像中截取对象区域图像；使用关键点识别模型获取对象区域图像上的多个关键点位置；获取将多个关键点位置映射到与其对应的多个关键点标准位置的仿射变换矩阵；以及使用仿射变换矩阵对对象区域图像进行仿射变换，得到对象标准化图像。由此，本发明将对象检测和对象关键点检测结合起来，可以提高检测速度和准确度。 1

主权项

1.一种对象识别方法，用于从输入图像中识别对象，该方法包括：

使用对象识别模型从所述输入图像中截取对象区域图像；

使用关键点识别模型获取所述对象区域图像上的多个关键点位置；

获取将所述多个关键点位置映射到与其对应的多个关键点标准位置的仿射变换矩阵；以及

使用所述仿射变换矩阵对所述对象区域图像进行仿射变换，得到对象标准化图像。

2.根据权利要求1所述的对象识别方法，其中，所述使用对象识别模型从所述输入图像中截取对象区域图像的步骤包括：

使用对象识别模型分析输入图像，以获取其中的对象区域范围；以及

从所述输入图像中截取对象区域图像。

3.根据权利要求1所述的对象识别方法，其中，在获取所述仿射变换矩阵之前，该方法还包括：

基于所述对象区域图像上的关键点位置和所述对象的固有几何属性重新计算对象区域范围，并重新截取对象区域图像。

4.根据权利要求1所述的对象识别方法，其中，在获取所述仿射变换矩阵之前，该方法还包括：

对所述对象区域图像进行拉伸或压缩，以使其具有预定形状和尺寸，其中，所述关键点标准位置是具有所述预定形状和尺寸的标准对象图像上的关键点位置。

5.根据权利要求1所述的对象识别方法，其中，所述对对象区域图像进行仿射变换的步骤包括：

对第一帧缓冲存储器中保存的所述对象区域图像逐列进行行变换，在所述行变换中，使用所述仿射变换矩阵对所述对象区域图像中具有相同原始列坐标的一列原始像素进行行变换，得到中间图像中具有所述相同原始列坐标和各个目标行坐标的各中间像素的像素值，并将其写入第二帧缓冲存储器中；

清空所述第一帧缓冲存储器；

对第二帧缓冲存储器中保存的所述对象区域图像逐行进行列变换，在所述列变换中，从所述第一帧缓冲存储器读取所述对象区域图像的一行原始像素，使用所述仿射变换矩阵对所述中间图像中具有相同目标行坐标的一行中间像素进行列变换，得到所述对象标准化图像中具有所述相同目标行坐标和各个目标列坐标的各目标像素的像素值，并将其写入第一帧缓冲存储器中；以及

清空所述第二帧缓冲存储器。

6.根据权利要求1‑5中任何一项所述的对象识别方法，其中，所述对象识别模型和所述关键点识别模型均为卷积神经网络模型。

7.根据权利要求1‑5中任何一项所述的对象识别方法，其中，所述对象为人脸。

8.一种对象识别系统，用于从输入图像中识别对象，该系统包括：

存储器，用于存储所述输入图像；

FPGA模块，用于在其上实现对象识别模型和关键点识别模型，所述对象识别模型用于从所述输入图像中识别对象区域范围，以便于从所述输入图像中截取对象区域图像，所述关键点识别模型用于获取所述对象区域图像上的多个关键点位置；

CPU模块，用于控制所述FPGA模块，并且计算将所述多个关键点位置映射到与其对应的多个关键点标准位置的仿射变换矩阵；

几何变换模块，使用所述仿射变换矩阵对所述对象区域图像进行仿射变换，得到对象标准化图像。

9.根据权利要求8所述的对象识别系统，其中，

所述CPU模块基于所述对象区域图像上的关键点位置和所述对象的固有几何属性重新计算对象区域范围，并重新截取对象区域图像，

所述CPU模块控制所述FPGA模块上的关键点识别模型从重新截取的对象区域图像中重新获取多个关键点位置，所述CPU模块使用重新获取的所述多个关键点位置计算所述仿射变换矩阵。

10.根据权利要求8所述的对象识别系统，其中，

所述CPU模块对所述对象区域图像进行拉伸或压缩，以使其具有预定形状和尺寸，其中，所述关键点标准位置是具有所述预定形状和尺寸的标准对象图像上的关键点位置。

11.根据权利要求8所述的对象识别系统，其中，所述几何变换模块包括：

第一帧缓冲存储器和第二帧缓冲存储器，分别用于保存一帧图像；

一维行变形模块，对第一帧缓冲存储器中保存的所述对象区域图像逐列进行行变换，在所述行变换中，使用所述仿射变换矩阵对所述对象区域图像中具有相同原始列坐标的一列原始像素进行行变换，得到中间图像中具有所述相同原始列坐标和各个目标行坐标的各中间像素的像素值，并将其写入第二帧缓冲存储器中；以及

一维列变形模块，对第二帧缓冲存储器中保存的所述对象区域图像逐行进行列变换，在所述列变换中，从所述第一帧缓冲存储器读取所述对象区域图像的一行原始像素，使用所述仿射变换矩阵对所述中间图像中具有相同目标行坐标的一行中间像素进行列变换，得到所述对象标准化图像中具有所述相同目标行坐标和各个目标列坐标的各目标像素的像素值，并将其写入第一帧缓冲存储器中，

其中，在开始向所述第二帧缓冲存储器中写入所述中间像素的像素值之前，清空第二帧缓冲存储器，在开始向所述第一帧缓冲存储器中写入所述目标像素的像素值之前，清空所述第一帧缓冲存储器。

12.根据权利要求8‑11中任何一项所述的对象识别系统，其中，所述对象识别模型和所述关键点识别模型均为卷积神经网络模型，

所述CPU模块还用于执行所述卷积神经网络模型的全连接层运算。

13.根据权利要求8‑11中任何一项所述的对象识别系统，其中，所述对象为人脸。