[發明專利]圖像中目標物識別方法、裝置、電子設備及存儲介質

有效

• 申請號: 202110581184.5
• 申請日: 2021-05-27
• 公開（公告）號: CN113283446B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 王瑞;李君;陳凌智;薛淑月;呂傳峰
• 申請（專利權）人: 平安科技（深圳）有限公司;山東省眼科研究所
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/44;G06T7/40;G06T7/50
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種圖像中目標物識別方法，其特征在于，所述方法包括：

獲取包含目標物的樣本圖像，對所述樣本圖像進行圖像擴增，得到樣本圖像集；

利用與所述樣本圖像同類型的噪聲圖像，以及所述樣本圖像集構建第一訓練集與測試集，并利用所述第一訓練集對預構建的原始識別模型進行訓練，得到初始識別模型；

利用所述測試集對所述初始識別模型進行測試，并選取測試結果中預設類型的錯誤結果構建第二訓練集，利用所述樣本圖像構建第三訓練集；

提取所述第二訓練集中圖像的第一特征向量，提取所述第三訓練集中圖像的第二特征向量；

計算所述第一特征向量與所述第二特征向量之間的損失值，并根據所述損失值對所述初始識別模型進行參數更新，得到標準識別模型；

獲取待識別圖像，利用所述標準識別模型對所述待識別圖像進行目標物識別，得到圖像中目標物識別結果；

其中，所述對所述樣本圖像進行圖像擴增，得到樣本圖像集，包括：對所述樣本圖像進行紋理描繪，得到所述樣本圖像的圖像紋理；對所述圖像紋理進行隨機局部加深，得到紋理加深圖像；對所述圖像紋理進行隨機局部淡化，得到紋理淡化圖像；將所述紋理加深圖像與所述紋理淡化圖像匯集為所述樣本圖像集；

所述提取所述第二訓練集中圖像的第一特征向量，包括：利用預設的第一梯度算子對所述第二訓練集中的圖像進行水平卷積運算，得到水平梯度分量；利用預設的第二梯度算子對所述第二訓練集中的圖像進行垂直卷積運算，得到垂直梯度分量；根據所述水平梯度分量與所述垂直梯度分量計算所述第一特征向量；

所述利用預設的第一梯度算子對所述第二訓練集中的圖像進行水平卷積運算，得到水平梯度分量，包括：獲取卷積步長和卷積長度；根據所述卷積步長與所述卷積長度計算水平卷積次數；利用所述第一梯度算子將所述第二訓練集中每張圖像按照所述卷積步長進行所述卷積次數的卷積運算，得到水平梯度分量；

所述根據所述水平梯度分量與所述垂直梯度分量計算所述第一特征向量，包括：將所述水平梯度分量進行歸一化計算，得到水平歸一化分量；將所述垂直梯度分量進行歸一化計算，得到垂直歸一化分量；將所述水平歸一化分量與所述垂直歸一化分量進行平方求和，得到所述第一特征向量。

2.如權利要求1所述的圖像中目標物識別方法，其特征在于，所述對所述圖像紋理進行隨機局部加深，得到紋理加深圖像，包括：

統計所述圖像紋理的紋理數量；

根據所述紋理數量選取預設比例的圖像紋理為待處理紋理；

將所述待處理紋理上的像素進行像素值調整，得到紋理加深圖像。

3.如權利要求1所述的圖像中目標物識別方法，其特征在于，所述利用所述第一訓練集對預構建的原始識別模型進行訓練，得到初始識別模型，包括：

利用所述原始識別模型對所述第一訓練集進行圖像識別，得到識別結果；

計算所述識別結果與所述第一訓練集中每張圖像對應的真實標簽的損失值；

根據所述損失值對所述原始識別模型進行參數調整，得到初始識別模型。

4.一種圖像中目標物識別裝置，用于實現如權利要求1至3中任意一項所述的圖像中目標物識別方法，其特征在于，所述裝置包括：

圖像擴增模塊，用于獲取包含目標物的樣本圖像，對所述樣本圖像進行圖像擴增，得到樣本圖像集；

第一訓練模塊，用于利用與所述樣本圖像同類型的噪聲圖像，以及所述樣本圖像集構建第一訓練集與測試集，并利用所述第一訓練集對預構建的原始識別模型進行訓練，得到初始識別模型；

模型測試模塊，用于利用所述測試集對所述初始識別模型進行測試，并選取測試結果中預設類型的錯誤結果構建第二訓練集，利用所述樣本圖像構建第三訓練集；

特征提取模塊，用于提取所述第二訓練集中圖像的第一特征向量，提取所述第三訓練集中圖像的第二特征向量；

第二訓練模塊，用于計算所述第一特征向量與所述第二特征向量之間的損失值，并根據所述損失值對所述初始識別模型進行參數更新，得到標準識別模型；

圖像識別模塊，用于獲取待識別圖像，利用所述標準識別模型對所述待識別圖像進行目標物識別，得到圖像中目標物識別結果。