[發明專利]一種特征點檢測方法、設備、介質及產品

在審

• 申請號: 202110994755.8
• 申請日: 2021-08-27
• 公開（公告）號: CN113850759A
• 公開（公告）日: 2021-12-28
• 發明（設計）人: 盛森;梁哲恒;魏汝蘭;龐亞菲;梁雄師;王洪飛;謝慧波;范鈾;韓陽
• 申請（專利權）人: 廣東南方數碼科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 謝有林

本發明提供一種特征點檢測方法，包括接收需要進行特征點檢測的待測影像數據；采用能夠檢測特定類型特征點的預設特征點檢測模型對待測影像數據進行識別，得到含有若干候選特征點的候選特征點集合；采用預設角點檢測算法對待測影像數據進行角點檢測，得到含有若干角點的角點集合；將與角點集合中存在對應角點的候選特征點作為最終特征點，得到含有若干最終特征點的最終特征點集合。本發明滿足了用戶對于特定類型特征點的識別需求，又提高了整體特征點檢測的精準度，整個特征點檢測方法適用性較廣。

技術領域

本發明涉及特征點檢測領域，尤其涉及一種特征點檢測方法、設備、介質及產品。

背景技術

在圖像處理中，特征點可以稱興趣點或者角點，三者經常相互使用，即圖像的極值點，線段的終點，曲線曲率最大的點或者水平或者豎直方向上屬性最大的點等等，這些特征點是圖像很重要的特征,對圖像圖形的理解和分析有很重要的作用；特征點在保留圖像圖形重要特征的同時,可以代替整幅圖像的處理，有效地減少信息的數據量,使其信息的含量很高,有效地提高了計算的速度,有利于圖像的可靠匹配,使得實時處理成為可能。因此現有的對于影像的檢測，通常是對影像中可以代替圖像的特征點進行檢測，即特征點檢測。目前特征點檢測有兩類，一類是基于傳統的機器視覺的算法，它們通過計算圖像中的點與其相鄰點之間的關系，滿足預先設置的設定條件的即為檢測的特征點；另一類算法是基于深度學習的算法，他們需要構建樣本庫訓練模型，主要代表算法有maskRCNN(是在Faster R-CNN的基礎上添加了一個預測分割mask的分支)。

對于上述兩種方式：基于傳統機器視覺的算法，檢測的是圖片幾何形狀或者顏色比較突出的點，它是一類泛化檢測的算法，不能根據用戶要求檢測特定類型的特征點；而單純基于深度學習的方法，目前主要用于人的姿態估計領域，對于檢測特征點的空間精度不高，誤差較大。因此，現有的目標特征點檢測方法無法滿足用戶對于特定類型檢測以及高精度的雙重需求。

發明內容

為了克服現有技術的不足，本發明的目的之一在于提供一種特征點檢測方法，其能解決現有技術中的目標特征點檢測方法無法滿足用戶對于特定類型檢測以及高精度的雙重需求的問題。

本發明的目的之二在于提供一種電子設備，其能解決現有技術中的目標特征點檢測方法無法滿足用戶對于特定類型檢測以及高精度的雙重需求的問題。

本發明的目的之三在于提供一種計算機可讀存儲介質，其能解決現有技術中的目標特征點檢測方法無法滿足用戶對于特定類型檢測以及高精度的雙重需求的問題。

本發明的目的之四在于提供一種計算機程序產品，其能解決現有技術中的目標特征點檢測方法無法滿足用戶對于特定類型檢測以及高精度的雙重需求的問題。

本發明的目的之一采用以下技術方案實現：

一種特征點檢測方法，包括以下步驟：

接收待測影像數據，接收需要進行特征點檢測的待測影像數據；

模型預測，采用能夠檢測特定類型特征點的預設特征點檢測模型對所述待測影像數據進行識別，得到含有若干候選特征點的候選特征點集合；

角點檢測，采用預設角點檢測算法對所述待測影像數據進行角點檢測，得到含有若干角點的角點集合；

特征點評估，將與角點集合中存在對應角點的候選特征點作為最終特征點，得到含有若干最終特征點的最終特征點集合。

進一步地，在所述接收待測影像數據之前還包括：模型訓練，根據預設標記規則對訓練數據集中的每個樣本影像數據進行特征點標記處理，得到含有若干標記特征點的特征點標簽集合，使用所述訓練數據集以及特征點標簽集合對初步特征點檢測模型進行訓練，將經過訓練的初步特征點檢測模型作為預設特征點檢測模型。