[發(fā)明專利]圖像處理方法、裝置、電子設(shè)備及介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201911090043.2
• 申請(qǐng)日: 2019-11-08
• 公開（公告）號(hào): CN110910304A
• 公開（公告）日: 2020-03-24
• 發(fā)明（設(shè)計(jì)）人: 張淵
• 申請(qǐng)（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號(hào): G06T3/00
• 分類號(hào): G06T3/00;G06N3/04;G06N3/08
• 代理公司: 北京柏杉松知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11413
• 代理人: 馬敬;項(xiàng)京

1.一種圖像處理方法，其特征在于，包括：

獲取包含對(duì)象區(qū)域的待處理圖像；

將所述待處理圖像輸入圖像識(shí)別模型，得到所述待處理圖像中各像素點(diǎn)的深度值以及所述對(duì)象區(qū)域，并將所述對(duì)象區(qū)域作為所述待處理圖像的前景區(qū)域，所述圖像識(shí)別模型的網(wǎng)絡(luò)層包括設(shè)置在跳躍連接的空洞空間金字塔池化ASPP層、第一輸出層和第二輸出層，設(shè)置有ASPP層的跳躍連接所連接的兩個(gè)網(wǎng)絡(luò)層中前一個(gè)網(wǎng)絡(luò)層的輸出圖像經(jīng)過ASPP層處理后的圖像為后一個(gè)網(wǎng)絡(luò)層的輸入圖像，所述第一輸出層用于輸出各像素點(diǎn)的深度值，所述第二輸出層用于輸出對(duì)象區(qū)域；

對(duì)于所述待處理圖像包括的每個(gè)待虛化像素點(diǎn)，根據(jù)所述待虛化像素點(diǎn)的深度值與所述前景區(qū)域包括的各像素點(diǎn)深度值平均值的差值，對(duì)所述待虛化像素點(diǎn)進(jìn)行虛化處理，所述待虛化像素點(diǎn)為所述待處理圖像的背景區(qū)域包括的像素點(diǎn)。

2.根據(jù)權(quán)利要求1所述的圖像處理方法，其特征在于，所述圖像識(shí)別模型的網(wǎng)絡(luò)層還包括多個(gè)卷積層和多個(gè)反卷積層，所述將所述待處理圖像輸入圖像識(shí)別模型，得到所述待處理圖像中各像素點(diǎn)的深度值以及所述對(duì)象區(qū)域，包括：

將所述待處理圖像輸入所述圖像識(shí)別模型，通過各卷積層對(duì)所述待處理圖像進(jìn)行下采樣，通過每個(gè)反卷積層對(duì)連接或跳躍連接的卷積層的下采樣結(jié)果與上一個(gè)反卷積層的上采樣結(jié)果進(jìn)行拼接并上采樣，得到所述第一輸出層對(duì)最后一個(gè)反卷積層的采樣結(jié)果進(jìn)行上采樣并輸出的所述待識(shí)別圖像中各像素點(diǎn)的深度值，并得到所述第二輸出層對(duì)最后一個(gè)反卷積層的采樣結(jié)果進(jìn)行上采樣并輸出的所述待識(shí)別圖像中的對(duì)象區(qū)域。

3.根據(jù)權(quán)利要求1所述的圖像處理方法，其特征在于，通過以下步驟得到所述圖像識(shí)別模型：

利用多個(gè)樣本圖像以及每個(gè)樣本圖像對(duì)應(yīng)的標(biāo)準(zhǔn)識(shí)別結(jié)果，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，并將訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型作為所述圖像識(shí)別模型，所述標(biāo)準(zhǔn)識(shí)別結(jié)果包括樣本圖像中各像素點(diǎn)的實(shí)際深度值以及樣本圖像的實(shí)際對(duì)象區(qū)域。

4.根據(jù)權(quán)利要求1所述的圖像處理方法，其特征在于，通過以下步驟得到所述圖像識(shí)別模型：

利用多個(gè)樣本圖像以及每個(gè)樣本圖像對(duì)應(yīng)的標(biāo)準(zhǔn)識(shí)別結(jié)果，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，獲得訓(xùn)練過程中各階段的神經(jīng)網(wǎng)絡(luò)模型，并從各階段的神經(jīng)網(wǎng)絡(luò)模型中選取所述圖像識(shí)別模型，所述標(biāo)準(zhǔn)識(shí)別結(jié)果包括樣本圖像中各像素點(diǎn)的實(shí)際深度值以及樣本圖像的實(shí)際對(duì)象區(qū)域，各階段的神經(jīng)網(wǎng)絡(luò)模型中包括訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型，所述訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)值與上一階段的神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)值的差值小于預(yù)設(shè)差值，每個(gè)階段的神經(jīng)網(wǎng)絡(luò)模型為訓(xùn)練過程中根據(jù)該階段的神經(jīng)網(wǎng)絡(luò)模型的損失函數(shù)調(diào)整模型參數(shù)后得到的模型。

5.根據(jù)權(quán)利要求4所述的圖像處理方法，其特征在于，所述從各階段的神經(jīng)網(wǎng)絡(luò)模型中選取所述圖像識(shí)別模型，包括：

對(duì)于每個(gè)階段的神經(jīng)網(wǎng)絡(luò)模型，根據(jù)樣本圖像中各像素點(diǎn)的實(shí)際深度值，以及該階段的神經(jīng)網(wǎng)絡(luò)模型識(shí)別的樣本圖像中各像素點(diǎn)的深度值，利用第一預(yù)設(shè)評(píng)價(jià)算法，獲取該階段的神經(jīng)網(wǎng)絡(luò)模型識(shí)別像素點(diǎn)深度值的第一準(zhǔn)確度；

對(duì)于每個(gè)階段的神經(jīng)網(wǎng)絡(luò)模型，根據(jù)樣本圖像的實(shí)際對(duì)象區(qū)域，以及該階段的神經(jīng)網(wǎng)絡(luò)模型識(shí)別的樣本圖像的對(duì)象區(qū)域，利用第二預(yù)設(shè)評(píng)價(jià)算法，獲取該階段的神經(jīng)網(wǎng)絡(luò)模型識(shí)別對(duì)象區(qū)域的第二準(zhǔn)確度；

將第一準(zhǔn)確度和第二準(zhǔn)確度滿足預(yù)設(shè)條件的階段的神經(jīng)網(wǎng)絡(luò)模型，確定為所述圖像識(shí)別模型。

6.根據(jù)權(quán)利要求1所述的圖像處理方法，其特征在于，所述根據(jù)所述待虛化像素點(diǎn)的深度值與所述前景區(qū)域包括的各像素點(diǎn)深度值平均值的差值，對(duì)所述待虛化像素點(diǎn)進(jìn)行虛化處理，包括：

計(jì)算所述前景區(qū)域包括的各像素點(diǎn)的深度值的平均值；

根據(jù)所述待虛化像素點(diǎn)的深度值與所述平均值的差值，確定以所述待虛化像素點(diǎn)為中心的虛化范圍；

若檢測(cè)到未預(yù)先設(shè)置指定光斑形狀，則將所述待虛化像素點(diǎn)的顏色值更改為所述虛化范圍包括的各像素點(diǎn)的顏色值的加權(quán)和，所述指定光斑形狀為光線在圖像中形成的亮斑的形狀。