[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

本申請適用于圖像識別技術領域，提供了一種圖像特征點檢測方法終端設備及計算機可讀存儲介質，所述方法包括：獲取多個類別的自然場景的初始圖像，針對每個類別的自然場景，從初始圖像中提起初始特征點，根據初始特征點在當前自然場景的初始圖像中的對應關系，將符合預設條件的初始特征點作為當前類別的目標特征點，將包含目標特征點的初始圖像作為當前類別的訓練圖像，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，通過本申請可以提高場景檢測中的檢測精度。

技術領域

本申請屬于圖像識別技術領域，尤其涉及一種圖像特征點檢測方法、終端設備及計算機可讀存儲介質。

背景技術

隨著計算機視覺的不斷發展，以及用戶需求的不斷提高，出現了很多圖像處理技術。在對圖像進行各種處理時，為了獲得較好的處理效果，有時需要識別圖像的場景，

目前，對圖像場景的檢測識別大多是在圖像尺度空間逐個計算圖像像素的某種響應值，并基于像素位置和尺度獲得局部極值以得到特征點檢測結果。然而，這種圖像特征點檢測的方式檢測精度較低。

發明內容

有鑒于此，本申請實施例提供了一種圖像特征點檢測方法、終端設備及計算機可讀存儲介質，以解決目前場景的特征點檢測方式檢測精度較低的問題。

本申請實施例的第一方面提供了一種圖像特征點檢測方法，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，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；

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。

本申請實施例的第二方面提供了一種終端設備，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，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；

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。

本申請實施例的第三方面提供了一種終端設備，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，所述處理器執行所述計算機程序時實現本申請實施例第一方面提供的所述方法的步驟。