[發(fā)明專利]一種圖像處理方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110370945.2
• 申請日: 2021-04-07
• 公開（公告）號: CN113139441A
• 公開（公告）日: 2021-07-20
• 發(fā)明（設計）人: 任永騰;王堃;王成
• 申請（專利權(quán)）人: 青島以薩數(shù)據(jù)技術(shù)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06T3/40
• 代理公司: 北京酷愛智慧知識產(chǎn)權(quán)代理有限公司 11514
• 代理人: 盧蓉

本發(fā)明公開了一種圖像處理方法及系統(tǒng)，包括獲取原始圖像并進行歸一化處理；將經(jīng)過歸一化處理后的圖像輸入預先建立的深度學習模型進行深度學習，提取圖像特征；將圖像特征生成的特征圖維度放縮到計算獲取的維度；將對應標簽和放縮后的圖像特征輸入損失函數(shù)，進而獲取損失值；根據(jù)損失值獲取損失值梯度并進行反向傳播，獲取單點準確位置信息。上述方案能有效解決現(xiàn)有技術(shù)的不足，既可以兼顧整體效果，得到一個整體準確的結(jié)果，又可以提升單個點的精度，滿足某些應用對高精度的需求。

技術(shù)領域

本發(fā)明涉及軟件領域，具體涉及一種圖像處理方法及系統(tǒng)。

背景技術(shù)

關鍵點檢測分為人臉、人體姿態(tài)關鍵點檢測等。人臉關鍵點檢測是人臉識別和分析領域中的關鍵一步，它是諸如自動人臉識別、表情分析、三維人臉重建及三維動畫等其它人臉相關問題的前提和突破口。人體骨骼關鍵點檢測是諸多計算機視覺任務的基礎，例如動作分類，行為識別，以及無人駕駛等等。

當前的關鍵點檢測主要分為HeatMap和回歸兩種思路，HeatMap方法關鍵點定位準確，但是不同點之間沒有直接關系，被遮擋位置的關鍵點容易亂飄，導致整體效果不理想，無法直接應用。回歸方法不同點之間有相互聯(lián)系，可以得到一個整體相對準確的結(jié)果，但單個點的位置不夠準確，對于需要點位精度較高的應用幫助不大。

當前關鍵點檢測的思路在確保單點位置精確的同時無法兼顧得到一個整體相對準確的結(jié)果，這樣就無法滿足一些對精度要求較高的工作需求，所以如何得到一個整體準確結(jié)果且同時能確保單個點位置準確成為了我們不得不面對的問題。

發(fā)明內(nèi)容

為了解決上述現(xiàn)有技術(shù)中的問題，本發(fā)明提供一種圖像處理方法及系統(tǒng)，可以兼顧整體結(jié)果準確和單點位置的準確定，適用于某些應用的高精度需求。

一種圖像處理方法，所述方法包括：

獲取原始圖像并進行歸一化處理；

將經(jīng)過歸一化處理后的圖像輸入預先建立的深度學習模型進行深度學習，提取圖像特征；

將圖像特征生成的特征圖維度放縮到計算獲取的維度；

將對應標簽和放縮后的圖像特征輸入損失函數(shù)，進而獲取損失值；

根據(jù)損失值獲取損失值梯度并進行反向傳播，獲取整體準確結(jié)果和單點準確位置信息。

優(yōu)選的，所述獲取原始圖像并進行歸一化處理包括：

獲取原始圖像并放縮所述原始圖像的尺寸至預設特定值，獲得放縮圖像；

計算所述放縮圖像的像素的均值和方差值；

獲取所述放縮圖像的每一個像素值，將所述放縮圖像的每一個像素值與其均值相減，再除以方差，獲得歸一化圖像。

優(yōu)選的，所述將歸一化圖像進行深度學習包括：

將經(jīng)過歸一化處理后的圖像輸入預先建立的深度學習模型，通過

所述深度學習模型中的卷積神經(jīng)網(wǎng)絡對輸入的歸一化圖像信息進行深度學習；

根據(jù)所述深度學習的結(jié)果提取所述圖像特征。

進一步地，所述將圖像特征生成的特征圖維度放縮到計算獲取的維度包括：

將所述特征圖的維度放縮到(5+c+2*k)維度；

其中，5為檢測框的坐標x，y，w，h和置信度，為物體類別，k為想要獲取的關鍵點數(shù)量。

進一步地，將所述對應標簽和放縮后的圖像特征輸入損失函數(shù)包括：

將對應標簽和放縮后的圖像特征輸入均方誤差損失函數(shù)進行計算；