[發(fā)明專利]圖像處理方法、裝置及系統(tǒng)、電子設備

在審

• 申請?zhí)枺?/td>: 202010189327.3
• 申請日: 2020-03-17
• 公開（公告）號: CN111325698A
• 公開（公告）日: 2020-06-23
• 發(fā)明（設計）人: 張亞馳;劉一膠;王競暉;劉江宇
• 申請（專利權）人: 北京邁格威科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/11;G06T7/187;G06K9/00;G06K9/34;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 董艷芳

1.一種圖像處理方法，其特征在于，包括：

對目標圖像進行區(qū)域分割，得到所述目標圖像中的目標區(qū)域；

將所述目標圖像及所述目標圖像的目標區(qū)域輸入圖像處理模型，以使所述圖像處理模型對所述目標圖像的目標區(qū)域進行圖像處理，得到所述目標圖像對應的處理后圖像。

2.根據(jù)權利要求1所述的方法，其特征在于，所述對目標圖像進行區(qū)域分割，得到所述目標圖像中的目標區(qū)域的步驟，包括：

利用關鍵點檢測模型對目標圖像進行關鍵點檢測，確定所述目標圖像中的待分割區(qū)域；

利用語義分割模型對所述目標圖像中的所述待分割區(qū)域進行語義分割，得到所述目標圖像中的目標區(qū)域。

3.根據(jù)權利要求1所述的方法，其特征在于，所述對目標圖像進行區(qū)域分割，得到所述目標圖像中的目標區(qū)域的步驟，包括：

對所述目標圖像進行關鍵點檢測，得到關鍵點檢測結果；

對所述目標圖像中所述關鍵點檢測結果所在區(qū)域進行語義分割，得到所述目標圖像中的目標區(qū)域。

4.根據(jù)權利要求2所述的方法，其特征在于，所述語義分割模型包括第一語義分割模型和第二語義分割模型，所述目標區(qū)域包括所述目標圖像中的反光區(qū)域；

所述利用語義分割模型對所述目標圖像中的待分割區(qū)域進行語義分割，得到所述目標圖像中的目標區(qū)域的步驟，包括：

利用所述第一語義分割模型從所述目標圖像的待分割區(qū)域中分割出鏡面區(qū)域；其中，所述第一語義分割模型是基于預先標記出鏡面區(qū)域的樣本訓練得到的；

利用所述第二語義分割模型對所述目標圖像的鏡面區(qū)域進行語義分割，得到所述目標圖像的反光區(qū)域；其中，所述第二語義分割模型是基于預先標記出反光區(qū)域的樣本訓練得到的。

5.根據(jù)權利要求2所述的方法，其特征在于，所述關鍵點檢測模型的訓練過程包括：

將預先標注有所述待分割區(qū)域的關鍵點的訓練樣本輸入關鍵點檢測模型，基于所述訓練樣本對所述關鍵點檢測模型進行訓練，得到訓練后的關鍵點檢測模型。

6.根據(jù)權利要求1所述的方法，其特征在于，所述目標區(qū)域包括圖像中的反光區(qū)域；

所述對所述目標圖像的目標區(qū)域進行圖像處理，得到所述目標圖像對應的處理后圖像的步驟，包括：

對所述目標圖像中的反光區(qū)域進行圖像恢復以消除所述目標圖像中的反光區(qū)域，得到所述目標圖像對應的處理后的圖像。

7.根據(jù)權利要求1所述的方法，其特征在于，所述圖像處理模型包括反光消除模型，所述反光消除模型是基于訓練樣本訓練得到的，所述訓練樣本包括帶有反光區(qū)域的圖像和無反光區(qū)域的圖像。

8.根據(jù)權利要求1至7任一項所述的方法，其特征在于，所述方法還包括：

將所述處理后圖像輸入預先訓練得到的錯誤檢測模型進行圖像處理效果檢測；

當所述錯誤檢測模型輸出所述處理后圖像時，確定所述處理后圖像的圖像處理效果合格。

9.根據(jù)權利要求8所述的方法，其特征在于，所述錯誤檢測模型的訓練過程包括：

將目標訓練樣本輸入錯誤檢測模型，基于所述目標訓練樣本對所述錯誤檢測模型進行訓練，直至訓練結束，得到訓練后的錯誤檢測模型；其中，所述目標訓練樣本包括標注有合格的處理后圖像樣本和標注有不合格的處理后圖像樣本。

10.根據(jù)權利要求9所述的方法，其特征在于，所述目標圖像為人臉圖像，所述目標區(qū)域為反光區(qū)域。

11.一種圖像處理裝置，其特征在于，包括：

區(qū)域分割模塊，用于對目標圖像進行區(qū)域分割，得到所述目標圖像中的目標區(qū)域；

圖像處理模塊，用于將所述目標圖像及所述目標圖像的目標區(qū)域輸入圖像處理模型，以使所述圖像處理模型對所述目標圖像的目標區(qū)域進行圖像處理，得到所述目標圖像對應的處理后圖像。