[發明專利]圖像中物體的檢測方法、裝置及系統

有效

• 申請號: 201911048196.0
• 申請日: 2019-10-30
• 公開（公告）號: CN110751160B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 楊鈾;劉瓊;李貝
• 申請（專利權）人: 華中科技大學
• 主分類號: G06V10/46
• 分類號: G06V10/46;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 鈄颯颯;劉芳

本發明提供一種圖像中物體的檢測方法、裝置及系統，該方法，包括：獲取場景的焦點堆棧，所述焦點堆棧包括同一場景聚焦在不同深度平面上的聚焦切片，通過深度卷積神經網絡對所述焦點堆棧進行多層次特征提取，得到所述焦點堆棧的L層特征；其中，L為大于1的自然數；通過卷積長短期機器模型對每一層特征進行融合處理，得到所述焦點堆棧的L層聚焦融合特征；對所述L層聚焦融合特征進行多層次特征融合處理，得到目標聚焦融合特征，對所述目標聚焦融合特征進行卷積處理，并通過激活函數對卷積處理后的特征進行激活，得到顯著圖像。以提高在復雜環境場景圖像中檢測物體的準確性和魯棒性。

技術領域

本發明涉及計算機視覺圖像技術領域，尤其涉及一種圖像中物體的檢測方法、裝置及系統。

背景技術

隨著科技的發展，圖像處理正逐步滲透在日常生活的各個領域。光場相機不斷的完善，可以通過圖像傳感器前的微透鏡陣列獲取光場數據，給圖像顯著性分析提供新方法。

目前顯著性物體檢測大都基于2D或3D數據，在圖像中目標與背景復雜時，出現檢測目標不完整等問題。

另外光場顯著性檢測模型都采用手工特征，基于焦點堆棧提取聚焦度，背景概率等線索，這些基于光場的顯著度線索作為附加特征與全聚焦圖像的RGB特征、深度圖的深度特征融合，或者作為加權系數參與到傳統特征的融合過程，僅簡單將光場特征與傳統特征融合造成手工特征魯棒性不高，使得檢測效果不佳。

發明內容

本發明提供一種圖像中物體的檢測方法、裝置及系統，以提高在復雜環境場景圖像中檢測物體的準確性和魯棒性。

第一方面，本發明實施例提供的一種圖像中物體的檢測方法，包括：

獲取場景的焦點堆棧；所述焦點堆棧包括同一場景聚焦在不同深度平面上的聚焦切片，

通過深度卷積神經網絡對所述焦點堆棧進行多層次特征提取，得到所述焦點堆棧的L層特征；其中，L為大于1的自然數；

通過卷積長短期機器模型對每一層特征進行融合處理，得到所述焦點堆棧的L層聚焦融合特征；

對所述L層聚焦融合特征進行多層次特征融合處理，得到目標聚焦融合特征；

對所述目標聚焦融合特征進行卷積處理，并通過激活函數對卷積處理后的特征進行激活，得到顯著圖像。

在一種可能的設計中，通過深度卷積神經網絡對所述焦點堆棧進行多層次特征提取，得到所述焦點堆棧的L層特征，包括：

假設所述焦點堆棧中包括N張聚焦切片，分別記為I₁,I₂,...,I_N；I₁表示第1張聚焦切片，I₂表示第2張聚焦切片，I_N表示第N張聚焦切片；

通過深度卷積神經網絡對每一張所述焦點切片進行多層次特征提取，得到所述焦點堆棧的L層特征，分別記為：

其中，F¹為第1層特征，F₁¹為第1層中第1張聚焦切片的特征，為第1層中第2張聚焦切片的特征，為第1層中第N張聚焦切片的特征；F²為第2層特征，F₁²為第2層中第1張聚焦切片的特征，為第2層中第N張聚焦切片的特征；F^L為第L層特征，F₁^L為第L層中第1張聚焦切片的特征，為第L層中第2張聚焦切片的特征，為第L層中第N張聚焦切片的特征。

在一種可能的設計中，通過卷積長短期機器模型對每一層特征進行融合處理，得到所述焦點堆棧的L層聚焦融合特征，包括：

將所述卷積長短期機器模型的迭代次數設置為N；