[發明專利]一種圖像特征點檢測方法、終端設備及存儲介質

有效

• 申請號: 201810865350.2
• 申請日: 2018-08-01
• 公開（公告）號: CN109117773B
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 張弓
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 張全文

1.一種圖像特征點檢測方法，其特征在于，包括：

獲取多個類別的自然場景的初始圖像，其中，每個類別的自然場景包括多個初始圖像；

對于每個類別自然場景，基于預設的初始特征點提取方法從當前類別的初始圖像中分別提取初始特征點；

獲取所述初始特征點在當前類別的每個初始圖像中的對應關系，包括：基于圖像重建算法，根據當前類別的初始圖像建立當前類別的自然場景的三維模型；基于當前類別的初始圖像在所述三維模型中的投影矩陣，獲得每個初始特征點在所述三維模型中的位置；基于每個初始特征點在所述三維模型中的位置，獲得所述初始特征點在當前類別的每個初始圖像中的對應關系；其中，所述對應關系為所述初始特征點與在當前類別的每個初始圖像中具有同一類型關系的初始特征點的對應關系；

基于所述對應關系，從當前類別的初始圖像的初始特征點中獲取符合預設條件的初始特征點作為當前類別的目標特征點；

將每個類別的初始圖像中包含當前類別的目標特征點的初始圖像作為訓練圖像，獲得多個類別的自然場景的訓練樣本集；

通過所述訓練樣本集中的訓練圖像，訓練構建的深度神經網絡，獲得訓練后的深度神經網絡；

基于所述訓練后的深度神經網絡，對待檢測圖像進行檢測，獲得所述待檢測圖像中的特征點。

2.如權利要求1所述的圖像特征點檢測方法，其特征在于，所述基于所述對應關系，從當前類別的初始圖像的初始特征點中獲取符合預設條件的初始特征點作為當前類別的目標特征點包括：

基于所述對應關系，獲取每個初始特征點在當前類別的初始圖像中出現的頻次；

將所述頻次符合預設條件的初始特征點作為當前類別的目標特征點。

3.如權利要求2所述的圖像特征點檢測方法，其特征在于，所述將所述頻次符合預設條件的初始特征點作為當前類別的目標特征點包括：

將當前類別的初始特征點中，所述頻次大于預設頻次的初始特征點作為當前類別的目標特征點；

或，按照所述頻次將當前類別的初始特征點進行排序，從高頻次到低頻次依次選取預設數量的初始特征點作為當前類別的目標特征點。

4.如權利要求1所述的圖像特征點檢測方法，其特征在于，在通過所述訓練樣本集中的訓練圖像，訓練構建的深度神經網絡，獲得訓練后的深度神經網絡之前，還包括：

為每個訓練圖像標定所述訓練圖像的自然場景和目標特征點。

5.一種終端設備，其特征在于，包括：

初始圖像獲取模塊，用于獲取多個類別的自然場景的初始圖像，其中，每個類別的自然場景包括多個初始圖像；

初始特征點獲取模塊，用于對于每個類別自然場景，基于預設的初始特征點提取方法從當前類別的初始圖像中分別提取初始特征點；

對應關系獲取模塊，用于獲取所述初始特征點在當前類別的每個初始圖像中的對應關系，具體包括：基于圖像重建算法，根據當前類別的初始圖像建立當前類別的自然場景的三維模型；基于當前類別的初始圖像在所述三維模型中的投影矩陣，獲得每個初始特征點在所述三維模型中的位置；基于每個初始特征點在所述三維模型中的位置，獲得所述初始特征點在當前類別的每個初始圖像中的對應關系；其中，所述對應關系為所述初始特征點與在當前類別的每個初始圖像中具有同一類型關系的初始特征點的對應關系；

目標特征點獲取模塊，用于基于所述對應關系，從當前類別的初始圖像的初始特征點中獲取符合預設條件的初始特征點作為當前類別的目標特征點；

訓練圖像獲取模塊，用于將每個類別的初始圖像中包含當前類別的目標特征點的初始圖像作為訓練圖像，獲得多個類別的自然場景的訓練樣本集；

訓練模塊，用于通過所述訓練樣本集中的訓練圖像，訓練構建的深度神經網絡，獲得訓練后的深度神經網絡；

檢測模塊，用于基于所述訓練后的深度神經網絡，對待檢測圖像進行檢測，獲得所述待檢測圖像中的特征點。

6.一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至4任一項所述方法的步驟。

7.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被一個或多個處理器執行時實現如權利要求1至4任一項所述方法的步驟。