[發明專利]一種基于機器學習提取圖像信息的方法及裝置

有效

• 申請號: 201610412947.2
• 申請日: 2016-06-13
• 公開（公告）號: CN107507188B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 楊健;夏立坤;王涌天;艾丹妮;徐慧明;唐宋元
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/194;G06T7/73
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 楊文錄

本發明實施例提供了一種基于機器學習提取圖像信息的方法及裝置。該方法包括：獲取目標圖像，其中，所述目標圖像中的目標對象與預先獲得的圖像分割模板相匹配；基于所述圖像分割模板，獲得所述目標對象的關鍵點的位置信息；根據所述關鍵點的位置信息及預先獲知的所述目標圖像中參照物的測量信息，獲得所述目標對象的測量信息。本實施例通過圖像分割模塊快速對圖像分割獲得目標對象，并根據目標對象上的關鍵點位置信息以及已知的實際參照物的測量信息計算獲得目標對象的測量信息。該信息提取方法源于目標對象上的關鍵點以及實際的參照物，因此可以獲得更加精確的測量信息。

技術領域

本發明涉及圖像處理技術領域，特別是涉及一種基于機器學習提取圖像信息的方法及裝置。

背景技術

人類獲取的外部世界信息中，超過80％是通過人的眼睛即視覺感知得到的，讓機器能夠擁有像人類一樣的視覺是人類社會多年的夢想。

在計算機視覺領域中，對視覺圖像中目標對象的信息提取是一個關鍵問題，是目前人機交互的重要技術之一。以圖像中人體數據的提取也即人體自動測量為例，該技術能夠應用在人體量體裁衣、制作游戲、虛擬現實等領域。人體自動測量潛在的巨大應用價值，引起了學術界、工業界的廣泛關注。

對圖像中目標對象的信息提取一般是指從圖像中檢測獲得目標對象的位置、方向和目標對象尺度等信息。現有的信息提取中由于對目標對象的結構和尺寸測量不準確，因此獲得的目標對象的測量信息精確度較低。

發明內容

本發明實施例所要解決的技術問題是提供一種基于機器學習提取圖像信息的方法及裝置，能夠提高所獲得的目標對象測量信息的精確度。

為了解決上述問題，本發明公開了以下技術方案：

第一方面，提供一種基于機器學習提取圖像信息的方法，包括：

獲取目標圖像，其中，所述目標圖像中的目標對象與預先獲得的圖像分割模板相匹配；

基于所述圖像分割模板，獲得所述目標對象的關鍵點的位置信息；

根據所述關鍵點的位置信息及預先獲知的所述目標圖像中參照物的測量信息，獲得所述目標對象的測量信息。

進一步，獲得所述圖像分割模板的方法，包括：

根據樣本圖像的二值向量及依據所述樣本圖像構造的無向加權圖，對所述樣本圖像進行分割，獲得所述樣本圖像的外部輪廓及內部線條；所述圖像分割模板包括所述外部輪廓及所述內部線條。

進一步，所述基于所述圖像分割模板，獲得所述目標對象的關鍵點的位置信息，包括：

當所述目標對象落入所述外部輪廓中時，按照所述內部線條確定所述目標對象的關鍵點的位置信息。

進一步，所述根據所述關鍵點的位置信息及預先獲知的所述目標圖像中參照物的測量信息，獲得所述目標對象的測量信息，包括：

根據所述參照物的測量信息及在所述目標圖像中所述參照物在指定方向上的像素點位置信息，確定所述指定方向上單位像素點的測量信息；

根據所述指定方向上單位像素點的測量信息及所述關鍵點的位置信息獲得所述目標對象的測量信息。

進一步，所述方法還包括：

基于預先建立的神經網絡模型對所述目標對象的測量信息進行修正。

進一步，所述神經網絡模型的建立方法包括：

獲取樣本數據，所述樣本數據包括樣本標準測量信息及樣本待修正測量信息；

采用所述樣本數據對初始神經網絡模型進行模型訓練，獲得所述神經網絡模型。

進一步，所述目標對象的測量信息至少包括下列之一：