[發明專利]一種圖像處理方法、裝置、設備及計算機存儲介質

在審

• 申請號: 202110852248.0
• 申請日: 2021-07-27
• 公開（公告）號: CN113591967A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 杜森林;杜松;王邦軍;楊懷宇;李磊
• 申請（專利權）人: 南京旭銳軟件科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/20;G06K19/06;G06N3/04;G06N3/08
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 趙秀芹

1.一種圖像處理方法，其特征在于，所述方法包括：

獲取待檢測圖像；

將所述待檢測圖像輸入至預先訓練的關鍵點檢測模型中，確定所述待檢測圖像中的對象的參考置信度以及所述對象的多組參考角點坐標信息，其中，所述第一置信度表征所述對象為圖形碼的概率，所述關鍵點檢測模型根據訓練樣本集訓練得到，所述訓練樣本集中包括多個樣本圖形碼以及每一所述樣本圖形碼的標簽信息，所述標簽信息包括所述樣本圖形碼的多個角點坐標信息和中心點坐標信息；

在所述參考置信度大于預設置信度閾值的情況下，確定所述對象為待定位圖形碼；

對由所述多組參考角點坐標信息確定的多個參考邊框進行篩選，確定所述待定位圖形碼的邊框位置信息，所述邊框位置信息包括多個角點坐標信息。

2.根據權利要求1所述的方法，其特征在于，所述對由所述多組參考角點坐標信息確定的多個參考邊框進行篩選，確定待定位圖形碼的邊框位置信息，包括：

采用非極大值抑制算法，得到所述多個參考邊框的局部最大值；

根據所述局部最大值以及預設交并比閾值，對所述多個參考邊框進行篩選，直到不存在重疊邊框，確定所述待定位圖形碼的邊框位置信息。

3.根據權利要求1所述的方法，其特征在于，所述關鍵點檢測模型包括第一網絡和第二網絡，其中所述第一網絡包括卷積級聯組合，所述卷積級聯組合包括第一卷積層、歸一化層和激活層，所述第二網絡包括最大池化層和第二卷積層；

所述將所述待檢測圖像輸入至預先訓練的關鍵點檢測模型中，確定待檢測圖像中的對象的參考置信度以及所述對象的多組參考角點坐標信息，包括：

將所述待檢測圖像輸入至所述第一網絡，確定所述待檢測圖像的多個深度特征，所述多個深度特征的尺寸均不相同；

將所述多個深度特征輸入至所述第二網絡進行融合，確定所述待檢測圖像中的對象的參考置信度以及所述對象的多組參考角點坐標信息。

4.根據權利要求1所述的方法，其特征在于，在所述獲取待檢測圖像之前，所述方法還包括：

獲取訓練樣本集，所述訓練樣本集中包括多個所述樣本圖形碼以及每一所述樣本圖形碼對應的所述標簽信息，所述標簽信息中標注有所述樣本圖形碼的四個角點坐標信息以及中心點坐標信息；

利用所述訓練樣本集中的樣本圖形碼訓練預設關鍵點檢測模型，直至滿足訓練停止條件，得到訓練后的關鍵點檢測模型。

5.根據權利要求4所述的方法，其特征在于，在所述獲取訓練樣本集之前，所述方法還包括：

獲取多個原始圖形碼；

對每一所述原始圖形碼，分別執行以下步驟：

標注所述待處理圖形碼的版本信息以及四個角點坐標信息；

根據版本信息以及四個角點坐標信息，生成所述原始圖形碼的中心點坐標信息；

將標注有所述四個角點坐標信息及所述中心點坐標信息的原始圖形碼，確定為所述樣本圖形碼。

6.根據權利要求4所述的方法，其特征在于，所述利用所述訓練樣本集中的樣本圖形碼訓練所述預設關鍵點檢測模型，直至滿足訓練停止條件，得到訓練后的關鍵點檢測模型，包括：

將所述訓練樣本集輸入至所述預設關鍵點檢測模型中，確定每一所述樣本圖形碼的預測信息，所述預測信息包括所述樣本圖形碼的預測置信度與四個預測角點坐標信息；

根據每一所述樣本圖形碼的所述預測信息和所述標簽信息，確定所述預設關鍵點檢測模型的損失函數值；

在所述損失函數值不滿足訓練停止條件的情況下，調整所述關鍵點檢測模型的模型參數，并利用所述樣本圖形碼訓練參數調整后的關鍵點檢測模型，直至所述損失函數值滿足所述訓練停止條件，得到訓練后的關鍵點檢測模型。