CN106355573A - 图片中目标物的定位方法及装置 - Google Patents

Abstract

本公开是关于一种图片中目标物的定位方法及装置。方法包括：根据已训练的第一全卷积神经网络的第一预设缩放比例对原始图片进行缩放处理，得到第一图片；将第一图片输入到第一全卷积神经网络中，通过第一全卷积神经网络进行卷积处理，输出第一热度图；基于第一热度图上的每一个坐标点对应的概率值，确定目标物在原始图片中的候选区域；将候选区域对应的图像内容输入到已训练的第二全卷积神经网络中，通过第二全卷积神经网络进行卷积处理后，输出第二热度图；基于第二热度图上的每一个坐标点对应的值，确定目标物在原始图片中的位置区域。本公开技术方案可以大大降低处理图像的数据量，提高目标物的识别效率。

Description

图片中目标物的定位方法及装置

技术领域

本公开涉及图像处理技术领域，尤其涉及一种图片中目标物的定位方法及装置。

背景技术

当通过已训练的全卷积神经网络(Full Convolutional Neural Networks，简称为FCN)模型对图片中的人脸进行检测时，通过该FCN模型得到一热度图(heat map)，通过在热度图中识别目标物(例如，人脸)所在区域的概率，然后在原始图片中进行全图扫描，由于需要在原始图片中搜索目标物的位置，导致数据处理量大，识别效率低下。

发明内容

为克服相关技术中存在的问题，本公开实施例提供一种图片中目标物的定位方法及装置，用以降低图片处理过程中的数据量，提高识别目标物的效率。

根据本公开实施例的第一方面，提供一种图片中目标物的定位方法，包括：

根据已训练的第一全卷积神经网络的第一预设缩放比例对原始图片进行缩放处理，得到第一图片；

将所述第一图片输入到所述第一全卷积神经网络中，通过所述第一全卷积神经网络进行卷积处理，输出第一热度图，所述第一热度图上每一个坐标点对应的值为所述第一全卷积神经网络对所述目标物在所述原始图片上计算出的概率值；

基于所述第一热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的候选区域；

将所述候选区域对应的图像内容输入到已训练的第二全卷积神经网络中，通过所述第二全卷积神经网络进行卷积处理后，输出第二热度图，所述第二热度图上的每一个坐标点对应的值为所述第二全卷积神经网络对所述目标物在所述原始图片上的概率值；

基于所述第二热度图上的每一个坐标点对应的值，确定所述目标物在所述原始图片中的位置区域。

在一实施例中，所述基于所述第一热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的候选区域，可包括：

在所述第一热度图上，确定是否存在概率值大于第一预设阈值的坐标点；

当存在所述概率值大于所述第一预设阈值的坐标点时，确定所述概率值大于第一预设阈值的坐标点在所述原始图片中各自对应的像素点；

基于在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的候选区域。

在一实施例中，所述方法还可包括：

当不存在所述概率值大于所述第一预设阈值的坐标点时，根据所述第一全卷积神经网络的第二预设缩放比例对所述原始图片进行缩放处理，所述第二预设缩放比例大于所述第一预设缩放比例，得到第二图片；

将所述第二图片输入到所述第一全卷积神经网络中，通过所述第一全卷积神经网络进行卷积处理，输出第三热度图，所述第三热度图上每一个坐标点对应的值为所述第一全卷积神经网络对所述目标物在所述原始图片上计算出的概率值；

当所述第三热度图上存在概率值大于所述第一预设阈值的坐标点时，通过所述第三热度图确定所述目标物在所述原始图片中的候选区域。

在一实施例中，所述通过所述第三热度图确定所述目标物在所述原始图片中的候选区域，可包括：

确定所述第三热度图上概率值大于第一预设阈值的坐标点；

确定所述概率值大于第一预设阈值的坐标点在所述原始图片中各自对应的像素点；

基于在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的候选区域。

在一实施例中，所述基于所述第二热度图上的每一个坐标点对应的值，确定所述目标物在所述原始图片中的位置区域，可包括：

在所述第二热度图上，确定概率值大于第二预设阈值的坐标点；

确定所述概率值大于第二预设阈值的坐标点在所述原始图片中各自对应的像素点；

基于在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的位置区域。

根据本公开实施例的第二方面，提供一种图片中目标物的定位装置，包括：

第一缩放模块，被配置为根据已训练的第一全卷积神经网络的第一预设缩放比例对原始图片进行缩放处理，得到第一图片；

第一处理模块，被配置为将所述第一缩放模块缩放处理后的所述第一图片输入到所述第一全卷积神经网络中，通过所述第一全卷积神经网络进行卷积处理，输出第一热度图，所述第一热度图上每一个坐标点对应的值为所述第一全卷积神经网络对所述目标物在所述原始图片上计算出的概率值；

第一确定模块，被配置为基于所述第一处理模块得到的所述第一热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的候选区域；

第二处理模块，被配置为将所述第一确定模块确定的所述候选区域对应的图像内容输入到已训练的第二全卷积神经网络中，通过所述第二全卷积神经网络进行卷积处理后，输出第二热度图，所述第二热度图上的每一个坐标点对应的值为所述第二全卷积神经网络对所述目标物在所述原始图片上的概率值；

第二确定模块，被配置为基于所述第二处理模块处理得到的所述第二热度图上的每一个坐标点对应的值，确定所述目标物在所述原始图片中的位置区域。

在一实施例中，所述第一确定模块可包括：

第一确定子模块，被配置为在所述第一热度图上，确定是否存在概率值大于第一预设阈值的坐标点；

第二确定子模块，被配置为当所述第一确定子模块确定存在所述概率值大于所述第一预设阈值的坐标点时，确定所述概率值大于第一预设阈值的坐标点在所述原始图片中各自对应的像素点；

第三确定子模块，被配置为基于所述第二确定子模块确定的在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的候选区域。

在一实施例中，所述装置还可包括：

第二缩放模块，被配置为当所述第一确定子模块确定不存在所述概率值大于所述第一预设阈值的坐标点时，根据所述第一全卷积神经网络的第二预设缩放比例对所述原始图片进行缩放处理，所述第二预设缩放比例大于所述第一预设缩放比例，得到第二图片；

第一处理模块，还被配置为将所述第二图片输入到所述第一全卷积神经网络中，通过所述第一全卷积神经网络进行卷积处理，输出第三热度图，所述第三热度图上每一个坐标点对应的值为所述第一全卷积神经网络对所述目标物在所述原始图片上计算出的概率值；

第三确定模块，被配置为当所述第一处理模块处理得到的所述第三热度图上存在概率值大于所述第一预设阈值的坐标点时，通过所述第三热度图确定所述目标物在所述原始图片中的候选区域。

在一实施例中，所述第三确定模块可包括：

第四确定子模块，被配置为确定所述第一处理模块处理得到的所述第三热度图上概率值大于第一预设阈值的坐标点；

第五确定子模块，被配置为确定所述第四确定子模块确定的所述概率值大于第一预设阈值的坐标点在所述原始图片中各自对应的像素点；

第六确定子模块，被配置为基于所述第五确定子模块确定的在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的候选区域。

在一实施例中，所述第二确定模块可包括：

第七确定子模块，被配置为在所述第二热度图上，确定概率值大于第二预设阈值的坐标点；

第八确定子模块，被配置为确定所述第七确定子模块确定的所述概率值大于第二预设阈值的坐标点在所述原始图片中各自对应的像素点；

第九确定子模块，被配置为基于所述第八确定子模块确定的所述在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的位置区域。

根据本公开实施例的第三方面，提供一种图片中目标物的定位装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

根据已训练的第一全卷积神经网络的第一预设缩放比例对原始图片进行缩放处理，得到第一图片；

将所述第一图片输入到所述第一全卷积神经网络中，通过所述第一全卷积神经网络进行卷积处理，输出第一热度图，所述第一热度图上每一个坐标点对应的值为所述第一全卷积神经网络对所述目标物在所述原始图片上计算出的概率值；

基于所述第一热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的候选区域；

将所述候选区域对应的图像内容输入到已训练的第二全卷积神经网络中，通过所述第二全卷积神经网络进行卷积处理后，输出第二热度图，所述第二热度图上的每一个坐标点对应的值为所述第二全卷积神经网络对所述目标物在所述原始图片上的概率值；

基于所述第二热度图上的每一个坐标点对应的值，确定所述目标物在所述原始图片中的位置区域。

本公开的实施例提供的技术方案可以包括以下有益效果：

通过第一FCN对应的第一热度图确定目标物在原始图片中的候选区域，再将候选区域对应的图像内容输入到第二FCN中，得到第二热度图，通过第二热度图识别目标物在原始图片中的位置区域，从而实现了通过第一FCN粗定位和第二FCN精细定位，由于第一FCN只需要在原始图片中找到目标物所在的候选区域，因此能够快速确定目标物在原始图片中的大致范围，通过第二FCN对候选区域中的图像内容进行识别扫描，大大降低了第二FCN处理图像的数据量，提高了目标物的识别效率，实现了在小区域内精准定位目标物在原始图片中的位置。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1A是根据一示例性实施例示出的图片中目标物的定位方法的流程图。

图1B是根据一示例性实施例示出的图片中目标物的定位方法的场景图。

图2是根据一示例性实施例一示出的图片中目标物的定位方法的流程图。

图3是根据一示例性实施例二示出的图片中目标物的定位方法的流程图。

图4是根据一示例性实施例三示出的训练第一全卷积神经网络的流程图。

图5是根据一示例性实施例示出的一种图片中目标物的定位装置的框图。

图6是根据一示例性实施例示出的另一种图片中目标物的定位装置的框图。

图7是根据一示例性实施例示出的一种适用于图片中目标物的定位装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1A是根据一示例性实施例示出的图片中目标物的定位方法的流程图，图1B是根据一示例性实施例示出的图片中目标物的定位方法的场景图；该图片中目标物的定位方法可以应用在电子设备(例如：智能手机、平板电脑)上，可以通过在电子设备上安装应用的方式实现，如图1A所示，该图片中目标物的定位方法包括以下步骤101-105：

在步骤101中，根据已训练的第一FCN的第一预设缩放比例对原始图片进行缩放处理，得到第一图片。

在一实施例中，可以为第一FCN设置一系列的预设缩放比例(Scale)，例如，Scale＝[0.3，0.5，0.7，1]，第一预设缩放比例可以为该一系列的预设缩放比例中的最小值，例如第一预设缩放比例为0.3，如图1B所示，原始图片111的分辨率为1000*1200时，预处理模块11可以将原始图片按照0.3的比例进行缩放，得到的第一图片的分辨率为300*360，第一图片例如为图1B中所示的输入到第一FCN11的图片。

在步骤102中，将第一图片输入到第一FCN中，通过第一FCN进行卷积处理，输出第一热度图，第一热度图上每一个坐标点对应的值为第一FCN对目标物在原始图片上计算出的概率值。

在一实施例中，第一热度图的大小可以由第一FCN最后一个卷基层的输出维度确定，例如，第一FCN最后一个卷基层的输出维度为10*12，第一热度图的大小为为10*12。在一实施例中，第一热度图对应的同一颜色的不同深度或者不同的颜色可以表示对应位置是否为目标物的概率值，如图1B，第一热度图112上，颜色越深，表示该点对应的区域为目标物的概率值越大。在一实施例中，目标物可以为任何具有设定特征的物体，例如，人脸、车牌号、动物头像等等，图1B以目标物为人脸为例进行示例性说明。

在步骤103中，基于第一热度图上的每一个坐标点对应的概率值，确定目标物在原始图片中的候选区域。

在一实施例中，当第一热度图上存在坐标点对应的概率值符合目标物的识别条件时，可以将该坐标点映射到原始图片上，例如，第一热度图上的【5，6】、【5，5】、【6，5】等坐标点符合目标物的识别条件，则可以将【5，6】、【5，5】、【6，5】在第一热度图上的区域映射到原始图片上，得到候选区域，候选区域例如图1B中所示的原始图片111中标号10所示的区域，该区域的大小在缩放处理后的第一图片上为30*40，对30*40除以第一预设缩放比例0.3，可得到该候选区域在原始图片111的大小为100*133。

在步骤104中，将候选区域对应的图像内容输入到已训练的第二FCN中，通过第二FCN进行卷积处理后，输出第二热度图，第二热度图上的每一个坐标点对应的值为第二FCN对目标物在原始图片上的概率值。

在一实施例中，将标号10对应的大小为100*133的图像内容输入到第二FCN12，得到第二热度图113。在一实施例中，第二热度图113的大小可以由第二FCN13最后一个卷基层的输出维度确定，例如，第二FCN13最后一个卷基层的输出维度为3*4，第二热度图113的大小为3*4。在一实施例中，第二热度图对应的同一颜色的不同深度或者不同的颜色可以表示对应位置是否为目标物的概率值，如图1B，第二热度图113上，颜色越深，表示该点对应的区域为目标物的概率值越大。

在步骤105中，基于第二热度图上的每一个坐标点对应的值，确定目标物在原始图片中的位置区域。

在一实施例中，当第二热度图上存在坐标点对应的概率值符合目标物的识别条件时，可以将该坐标点映射到原始图片上，例如，第二热度图上的【3，2】、【2，2】、【2，3】等坐标点符合目标物的识别条件，则可以将【3，2】、【2，2】、【2，3】在第二热度图上的区域映射到原始图片上，得到目标物在原始图片111的位置区域，例如，标号13对应的位置区域，对应一个人脸，类似的方式，可以得到标号14对应的位置区域，对应另一个人脸。

本实施例中，通过第一FCN对应的第一热度图确定目标物在原始图片中的候选区域，再将候选区域对应的图像内容输入到第二FCN中，得到第二热度图，通过第二热度图识别目标物在原始图片中的位置区域，从而实现了通过第一FCN粗定位和第二FCN精细定位，由于第一FCN只需要在原始图片中找到目标物所在的候选区域，因此能够快速确定目标物在原始图片中的大致范围，通过第二FCN对候选区域中的图像内容进行识别扫描，大大降低了第二FCN处理图像的数据量，提高了目标物的识别效率，实现了在小区域内精准定位目标物在原始图片中的位置。

在一实施例中，基于第一热度图上的每一个坐标点对应的概率值，确定目标物在原始图片中的候选区域，可包括：

在第一热度图上，确定是否存在概率值大于第一预设阈值的坐标点；

当存在概率值大于第一预设阈值的坐标点时，确定概率值大于第一预设阈值的坐标点在原始图片中各自对应的像素点；

基于在原始图片中各自对应的像素点，确定目标物在原始图片中的候选区域。

在一实施例中，图片中目标物的定位方法进一步还包括：

当不存在概率值大于第一预设阈值的坐标点时，根据第一全卷积神经网络的第二预设缩放比例对原始图片进行缩放处理，第二预设缩放比例大于第一预设缩放比例，得到第二图片；

将第二图片输入到第一全卷积神经网络中，通过第一全卷积神经网络进行卷积处理，输出第三热度图，第三热度图上每一个坐标点对应的值为第一全卷积神经网络对目标物在原始图片上计算出的概率值；

当第三热度图上存在概率值大于第一预设阈值的坐标点时，通过第三热度图确定目标物在原始图片中的候选区域。

在一实施例中，通过第三热度图确定目标物在原始图片中的候选区域，可包括：

确定第三热度图上概率值大于第一预设阈值的坐标点；

确定概率值大于第一预设阈值的坐标点在原始图片中各自对应的像素点；

基于在原始图片中各自对应的像素点，确定目标物在原始图片中的候选区域。

在一实施例中，基于第二热度图上的每一个坐标点对应的值，确定目标物在原始图片中的位置区域，可包括：

在第二热度图上，确定概率值大于第二预设阈值的坐标点；

确定概率值大于第二预设阈值的坐标点在原始图片中各自对应的像素点；

基于在原始图片中各自对应的像素点，确定目标物在原始图片中的位置区域。

在一实施例中，图片中目标物的定位方法进一步还包括：

在得到已训练的第一全卷积神经网络之前，确定需要对未训练的第一卷积神经网络进行训练的第一设定数量的第一样本图片，第一设定数量的第一样本图片中的每一个样本图片中均包含目标物，目标物位于相应第一样本图片的中心位置，目标物在第一样本图片中的比例位于第一设定范围内；

将第一设定数量的第一样本图片缩放到第一设定分辨率后，通过缩放到设定分辨率的样本图片对未训练的第一卷积神经网络进行训练，得到已训练的第一卷积神经网络；

修改已训练的第一卷积神经网络的全连接层，得到已训练的第一全卷积神经网络。

在一实施例中，图片中目标物的定位方法进一步还包括：

在得到已训练的第二全卷积神经网络之前，确定需要对未训练的第二卷积神经网络进行训练的第二设定数量的第二样本图片，第二设定数量的第二样本图片中的每一个样本图片中均包含目标物，目标物位于相应第二样本图片的中心位置，目标物在第二样本图片中的比例位于第二设定范围内；

将第二设定数量的第二样本图片缩放到第二设定分辨率后，通过缩放到第二设定分辨率的样本图片对未训练的第二卷积神经网络进行训练，得到已训练的第二卷积神经网络；

修改已训练的第二卷积神经网络的全连接层，得到已训练的第二全卷积神经网络。

如何定位图片中目标物的，请参考后续实施例。

至此，本公开实施例提供的上述方法，可以快速确定目标物在原始图片中的大致范围，大大降低处理图像的数据量，提高目标物的识别效率，实现在小区域内精准定位目标物在原始图片中的位置。

下面以具体实施例来说明本公开实施例提供的技术方案。

图2是根据一示例性实施例一示出的图片中目标物的定位方法的流程图；本实施例利用本公开实施例提供的上述方法，以如何基于第一热度图上的每一个坐标点对应的概率值确定出目标物在原始图片中的候选区域为例并结合图1B进行示例性说明，如图2所示，包括如下步骤：

在步骤201中，在第一热度图上，确定是否存在概率值大于第一预设阈值的坐标点，当存在概率值大于第一预设阈值的坐标点时，执行步骤202，当不存在概率值大于第一预设阈值的坐标点时，执行步骤204。

在一实施例中，概率值越大，表示概率值所在的坐标点为目标物的概率越大，可以通过不同的颜色来表示不同的概率值。如图1B所示，在第一热度图112的大小为10*12，对应120个概率值，可以将该120个概率值顺次与第一预设阈值进行比较，确定第一热度图上是否存在大于该第一预设阈值的概率值。

在步骤202中，当存在概率值大于第一预设阈值的坐标点时，确定概率值大于第一预设阈值的坐标点在原始图片中各自对应的像素点。

在一实施例中，可以根据第一热度图与缩放处理后的第一图片的映射关系，确定概率值大于第一预设阈值的坐标点在原始图片中各自对应的像素点，该映射关系可以通过相关技术中的映射公式来表示，本公开不再详述。

在步骤203中，基于在原始图片中各自对应的像素点，确定目标物在原始图片中的候选区域，流程结束。

如图1B所示，由于在第一热度图桑的每一个点对应原始图片中的一片区域，对于第一热度图中的坐标点【5，6】、【5，5】、【6，5】，可在原始图片11上对应三个区域，基于三个区域的交集或者并集可以确定出目标物所在的候选区域，例如，候选区域的中心坐标为【500，400】，候选区域的宽度为100，长度为133，即：候选区域的大小为100*133。

在步骤204中，当不存在概率值大于第一预设阈值的坐标点时，根据第一全卷积神经网络的第二预设缩放比例对原始图片进行缩放处理，第二预设缩放比例大于第一预设缩放比例，得到第二图片。

在一实施例中，第一FCN可以对应一系列的预设缩放比例，当原始图像通过第一预设缩放比例缩放后，通过第一FCN得到的第一热度图上找不到大于第一预设阈值的概率值时，表示原始图片111由于被过度缩小导致目标物不能被识别出来，因此可以通过比第一预设缩放比例更大的第二预设缩放比例对原始图片进行缩放处理。

在步骤205中，将第二图片输入到第一全卷积神经网络中，通过第一全卷积神经网络进行卷积处理，输出第三热度图，第三热度图上每一个坐标点对应的值为第一全卷积神经网络对目标物在原始图片上计算出的概率值。

本步骤中的描述可以参考上述对第一FCN12对第一图片的处理，在此不再详述。

在步骤206中，当第三热度图上存在概率值大于第一预设阈值的坐标点时，通过第三热度图确定目标物在原始图片中的候选区域，流程结束。

在一实施例中，可以确定第三热度图上概率值大于第一预设阈值的坐标点，确定概率值大于第一预设阈值的坐标点在原始图片中各自对应的像素点，基于在原始图片中各自对应的像素点，确定目标物在原始图片中的候选区域，其中，具体的举例，可以参见上述关于如何通过第二热度图确定原始图片中的候选区域的描述。

本领域技术人员可以理解的是，当通过第三热度图仍识别不出人脸时，则可以通过类似上述的过程，通过比第二预设缩放比例更大的预设缩放比例对原始图片进行缩放处理，直至能够通过对应的热度图识别出原始图片上的目标物即可。

本实施例中，通过从小到大的预设缩放比例对原始图像进行缩放处理，可以确保第一FCN能够在识别到目标物的基础上，对原始图片的较低分辨率对应的图片进行处理，从而大大降低了第一FCN处理的数据量并快速在原始图片上定位到目标物的大致范围。

图3是根据一示例性实施例二示出的图片中目标物的定位方法的流程图；本实施例利用本公开实施例提供的上述方法，以如何基于第二热度图上的每一个坐标点对应的值，确定目标物在原始图片中的位置区域为例进行示例性说明，如图3所示，包括如下步骤：

在步骤301中，在第二热度图上，确定概率值大于第二预设阈值的坐标点。

在步骤302中，确定概率值大于第二预设阈值的坐标点在原始图片中各自对应的像素点。

在步骤303中，基于在原始图片中各自对应的像素点，确定目标物在所述原始图片中的位置区域。

在一实施例中，当第二热度图上存在坐标点对应的概率值符合目标物的识别条件时，可以将该坐标点映射到原始图片上，例如，第二热度图上的【3，2】、【2，2】、【2，3】等坐标点符合目标物的识别条件，则可以将【3，2】、【2，2】、【2，3】在第二热度图上的区域映射到原始图片上，得到目标物在原始图片111的位置区域，例如，标号13对应的位置区域，对应一个人脸，类似的方式，可以得到标号14对应的位置区域，对应另一个人脸。具体映射方法可以参考相关技术中的描述，在此不再详述。

本实施例中，通过从小到大的预设缩放比例对原始图像进行缩放处理，可以确保第一FCN能够在识别到目标物的基础上，对原始图片的较低分辨率对应的图片进行处理，从而大大降低了第一FCN处理的数据量并快速在原始图片上定位到目标物的大致范围。

图4是根据一示例性实施例三示出的训练第一全卷积神经网络的流程图；本实施例利用本公开实施例提供的上述方法，以如何训练得到第一FCN为例进行示例性说明，如图4所示，包括如下步骤：

在步骤401中，在得到已训练的第一全卷积神经网络之前，确定需要对未训练的第一卷积神经网络进行训练的第一设定数量的第一样本图片，第一设定数量的第一样本图片中的每一个样本图片中均包含目标物，目标物位于相应第一样本图片的中心位置，目标物在第一样本图片中的比例位于第一设定范围内。

在步骤402中，将第一设定数量的第一样本图片缩放到第一设定分辨率后，通过缩放到第一设定分辨率的样本图片对未训练的第一卷积神经网络进行训练，得到已训练的第一卷积神经网络。

在步骤403中，修改已训练的第一卷积神经网络的全连接层，得到已训练的第一全卷积神经网络。

在一示例性场景中，以目标物为人脸进行示例性说明，采集的样本图片中，人脸区域放置在样本图片的中心，人脸大小占整个样本图片的比例在0.15-1之间，0.15-1为本公开所述的第一设定范围，从而可以确保训练出的第一FCN模型，在输入图片的维度为227*227时，可以检测到的人脸大概在34-227之间，从而实现多个尺度的人脸检测。

将不同分辨率大小的样本图片缩放处理到256X256，256X256为本公开中所述的第一设定分辨率，对缩放到第一设定分辨率的样本图片对未训练的第一CNN进行训练。

以第一CNN为alexNet网络进行示例性说明，将第一CNN的第一个全连接(fc6)修改为卷积层，在修改时，fc6的卷积核大小需要和第五卷积层(conv5)的输出的特征映射层(featuremap)的大小一致。修改后的第一个全连接对应的卷积层fc6_conv的卷积大小为kernel_size＝6，修改后的fc6的后续的全连接层fc7、fc8等的卷积核的大小为1，即：kernel_size＝1，最终得到已训练的第一FCN。

本实施例中，由于第一FCN是通过对目标物的大致范围进行训练后得到的，因此通过第一FCN可以快速地确定出目标物在图片中的大概范围，从而可以通过已训练的第一FCN对目标物在原始图片上进行粗定位。

对于第二FCN的训练过程，可以参考上述图4所示实施例中对第一FCN的训练过程的描述，与上述第一FCN不同的是，第二FCN中的第二样本图片中的每一个样本图片中均包含目标物，目标物位于相应第二样本图片的中心位置，目标物在第二样本图片中的比例位于第二设定范围内。

在一示例性场景中，以目标物为人脸进行示例性说明，采集的样本图片中，人脸区域放置在样本图片的中心，人脸大小占整个样本图片比例在0.5-1之间，0.5-1为本公开所述的第二设定范围，从而可以确保训练出的第二FCN模型，在输入图片的维度为227*227时，可以检测到的人脸大概在128-227之间，从而实现人脸的精确检测。

由于第二FCN是通过对目标物的精确范围进行训练后得到的，因此通过第二FCN可以定位目标物在原始图片中的精确范围，从而可以通过已训练的第二FCN对目标物在原始图片上进行精确定位。

图5是根据一示例性实施例示出的一种图片中目标物的定位装置的框图，如图5所示，图片中目标物的定位装置包括：

第一缩放模块51，被配置为根据已训练的第一全卷积神经网络的第一预设缩放比例对原始图片进行缩放处理，得到第一图片；

第一处理模块52，被配置为将第一缩放模块51缩放处理后的第一图片输入到第一全卷积神经网络中，通过第一全卷积神经网络进行卷积处理，输出第一热度图，第一热度图上每一个坐标点对应的值为第一全卷积神经网络对目标物在原始图片上计算出的概率值；

第一确定模块53，被配置为基于第一处理模块52得到的第一热度图上的每一个坐标点对应的概率值，确定目标物在原始图片中的候选区域；

第二处理模块54，被配置为将第一确定模块53确定的候选区域对应的图像内容输入到已训练的第二全卷积神经网络中，通过第二全卷积神经网络进行卷积处理后，输出第二热度图，第二热度图上的每一个坐标点对应的值为第二全卷积神经网络对目标物在原始图片上的概率值；

第二确定模块55，被配置为基于第二处理模块54处理得到的第二热度图上的每一个坐标点对应的值，确定目标物在原始图片中的位置区域。

图6是根据一示例性实施例示出的另一种图片中目标物的定位装置的框图，如图6所示，在上述图5所示实施例的基础上，在一实施例中，第一确定模块53可包括：

第一确定子模块531，被配置为在第一热度图上，确定是否存在概率值大于第一预设阈值的坐标点；

第二确定子模块532，被配置为当第一确定子模块531确定存在概率值大于第一预设阈值的坐标点时，确定概率值大于第一预设阈值的坐标点在原始图片中各自对应的像素点；

第三确定子模块533，被配置为基于第二确定子模块532确定的在原始图片中各自对应的像素点，确定目标物在原始图片中的候选区域。

在一实施例中，图片中目标物的定位装置还可包括：

第二缩放模块56，被配置为当第一确定子模块531确定不存在概率值大于第一预设阈值的坐标点时，根据第一全卷积神经网络的第二预设缩放比例对原始图片进行缩放处理，第二预设缩放比例大于第一预设缩放比例，得到第二图片；

第一处理模块57，还被配置为将第二缩放模块56缩放得到的第二图片输入到第一全卷积神经网络中，通过第一全卷积神经网络进行卷积处理，输出第三热度图，第三热度图上每一个坐标点对应的值为第一全卷积神经网络对目标物在原始图片上计算出的概率值；

第三确定模块58，被配置为当第一处理模块57处理得到的第三热度图上存在概率值大于第一预设阈值的坐标点时，通过第三热度图确定目标物在原始图片中的候选区域。

在一实施例中，第三确定模块58可包括：

第四确定子模块581，被配置为确定第一处理模块处理得到的第三热度图上概率值大于第一预设阈值的坐标点；

第五确定子模块582，被配置为确定第四确定子模块581确定的概率值大于第一预设阈值的坐标点在原始图片中各自对应的像素点；

第六确定子模块583，被配置为基于第五确定子模块582确定的在原始图片中各自对应的像素点，确定目标物在原始图片中的候选区域。

在一实施例中，第二确定模块55可包括：

第七确定子模块551，被配置为在第二热度图上，确定概率值大于第二预设阈值的坐标点；

第八确定子模块552，被配置为确定第七确定子模块551确定的概率值大于第二预设阈值的坐标点在原始图片中各自对应的像素点；

第九确定子模块553，被配置为基于第八确定子模块552确定的在原始图片中各自对应的像素点，确定目标物在原始图片中的位置区域。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图7是根据一示例性实施例示出的一种适用于图片中目标物的定位装置的框图。例如，装置700可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图7，装置700可以包括以下一个或多个组件：处理组件702，存储器704，电源组件706，多媒体组件708，音频组件710，输入/输出(I/O)的接口712，传感器组件714，以及通信组件716。

处理组件702通常控制装置700的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件702可以包括一个或多个处理器720来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件702可以包括一个或多个模块，便于处理组件702和其他组件之间的交互。例如，处理部件702可以包括多媒体模块，以方便多媒体组件708和处理组件702之间的交互。

存储器704被配置为存储各种类型的数据以支持在设备700的操作。这些数据的示例包括用于在装置700上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器704可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件706为装置700的各种组件提供电力。电力组件706可以包括电源管理系统，一个或多个电源，及其他与为装置700生成、管理和分配电力相关联的组件。

多媒体组件708包括在所述装置700和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件708包括一个前置摄像头和/或后置摄像头。当设备700处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件710被配置为输出和/或输入音频信号。例如，音频组件710包括一个麦克风(MIC)，当装置700处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器704或经由通信组件716发送。在一些实施例中，音频组件710还包括一个扬声器，用于输出音频信号。

I/O接口712为处理组件702和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件714包括一个或多个传感器，用于为装置700提供各个方面的状态评估。例如，传感器组件714可以检测到设备700的打开/关闭状态，组件的相对定位，例如所述组件为装置700的显示器和小键盘，传感器组件714还可以检测装置700或装置700一个组件的位置改变，用户与装置700接触的存在或不存在，装置700方位或加速/减速和装置700的温度变化。传感器组件714可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件714还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件714还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件716被配置为便于装置700和其他设备之间有线或无线方式的通信。装置700可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件716经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件716还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置700可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器704，上述指令可由装置700的处理器720执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

处理器720被配置为：

根据已训练的第一全卷积神经网络的第一预设缩放比例对原始图片进行缩放处理，得到第一图片；

将第一图片输入到第一全卷积神经网络中，通过第一全卷积神经网络进行卷积处理，输出第一热度图，第一热度图上每一个坐标点对应的值为第一全卷积神经网络对目标物在原始图片上计算出的概率值；

基于第一热度图上的每一个坐标点对应的概率值，确定目标物在原始图片中的候选区域；

将候选区域对应的图像内容输入到已训练的第二全卷积神经网络中，通过第二全卷积神经网络进行卷积处理后，输出第二热度图，第二热度图上的每一个坐标点对应的值为第二全卷积神经网络对目标物在原始图片上的概率值；

基于第二热度图上的每一个坐标点对应的值，确定目标物在原始图片中的位置区域。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (11)

1.一种图片中目标物的定位方法，其特征在于，所述方法包括：

根据已训练的第一全卷积神经网络的第一预设缩放比例对原始图片进行缩放处理，得到第一图片；

将所述第一图片输入到所述第一全卷积神经网络中，通过所述第一全卷积神经网络进行卷积处理，输出第一热度图，所述第一热度图上每一个坐标点对应的值为所述第一全卷积神经网络对所述目标物在所述原始图片上计算出的概率值；

基于所述第一热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的候选区域；

将所述候选区域对应的图像内容输入到已训练的第二全卷积神经网络中，通过所述第二全卷积神经网络进行卷积处理后，输出第二热度图，所述第二热度图上的每一个坐标点对应的值为所述第二全卷积神经网络对所述目标物在所述原始图片上的概率值；

基于所述第二热度图上的每一个坐标点对应的值，确定所述目标物在所述原始图片中的位置区域。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的候选区域，包括：

在所述第一热度图上，确定是否存在概率值大于第一预设阈值的坐标点；

当存在所述概率值大于所述第一预设阈值的坐标点时，确定所述概率值大于第一预设阈值的坐标点在所述原始图片中各自对应的像素点；

基于在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的候选区域。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

当不存在所述概率值大于所述第一预设阈值的坐标点时，根据所述第一全卷积神经网络的第二预设缩放比例对所述原始图片进行缩放处理，所述第二预设缩放比例大于所述第一预设缩放比例，得到第二图片；

将所述第二图片输入到所述第一全卷积神经网络中，通过所述第一全卷积神经网络进行卷积处理，输出第三热度图，所述第三热度图上每一个坐标点对应的值为所述第一全卷积神经网络对所述目标物在所述原始图片上计算出的概率值；

当所述第三热度图上存在概率值大于所述第一预设阈值的坐标点时，通过所述第三热度图确定所述目标物在所述原始图片中的候选区域。

4.根据权利要求3所述的方法，其特征在于，所述通过所述第三热度图确定所述目标物在所述原始图片中的候选区域，包括：

确定所述第三热度图上概率值大于第一预设阈值的坐标点；

确定所述概率值大于第一预设阈值的坐标点在所述原始图片中各自对应的像素点；

基于在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的候选区域。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第二热度图上的每一个坐标点对应的值，确定所述目标物在所述原始图片中的位置区域，包括：

在所述第二热度图上，确定概率值大于第二预设阈值的坐标点；

确定所述概率值大于第二预设阈值的坐标点在所述原始图片中各自对应的像素点；

基于在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的位置区域。

6.一种图片中目标物的定位装置，其特征在于，所述装置包括：

第一缩放模块，被配置为根据已训练的第一全卷积神经网络的第一预设缩放比例对原始图片进行缩放处理，得到第一图片；

第一处理模块，被配置为将所述第一缩放模块缩放处理后的所述第一图片输入到所述第一全卷积神经网络中，通过所述第一全卷积神经网络进行卷积处理，输出第一热度图，所述第一热度图上每一个坐标点对应的值为所述第一全卷积神经网络对所述目标物在所述原始图片上计算出的概率值；

第一确定模块，被配置为基于所述第一处理模块得到的所述第一热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的候选区域；

第二处理模块，被配置为将所述第一确定模块确定的所述候选区域对应的图像内容输入到已训练的第二全卷积神经网络中，通过所述第二全卷积神经网络进行卷积处理后，输出第二热度图，所述第二热度图上的每一个坐标点对应的值为所述第二全卷积神经网络对所述目标物在所述原始图片上的概率值；

第二确定模块，被配置为基于所述第二处理模块处理得到的所述第二热度图上的每一个坐标点对应的值，确定所述目标物在所述原始图片中的位置区域。

7.根据权利要求6所述的装置，其特征在于，所述第一确定模块包括：

第一确定子模块，被配置为在所述第一热度图上，确定是否存在概率值大于第一预设阈值的坐标点；

第二确定子模块，被配置为当所述第一确定子模块确定存在所述概率值大于所述第一预设阈值的坐标点时，确定所述概率值大于第一预设阈值的坐标点在所述原始图片中各自对应的像素点；

第三确定子模块，被配置为基于所述第二确定子模块确定的在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的候选区域。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

第二缩放模块，被配置为当所述第一确定子模块确定不存在所述概率值大于所述第一预设阈值的坐标点时，根据所述第一全卷积神经网络的第二预设缩放比例对所述原始图片进行缩放处理，所述第二预设缩放比例大于所述第一预设缩放比例，得到第二图片；

第一处理模块，还被配置为将所述第二图片输入到所述第一全卷积神经网络中，通过所述第一全卷积神经网络进行卷积处理，输出第三热度图，所述第三热度图上每一个坐标点对应的值为所述第一全卷积神经网络对所述目标物在所述原始图片上计算出的概率值；

第三确定模块，被配置为当所述第一处理模块处理得到的所述第三热度图上存在概率值大于所述第一预设阈值的坐标点时，通过所述第三热度图确定所述目标物在所述原始图片中的候选区域。

9.根据权利要求8所述的装置，其特征在于，所述第三确定模块包括：

第四确定子模块，被配置为确定所述第一处理模块处理得到的所述第三热度图上概率值大于第一预设阈值的坐标点；

第五确定子模块，被配置为确定所述第四确定子模块确定的所述概率值大于第一预设阈值的坐标点在所述原始图片中各自对应的像素点；

第六确定子模块，被配置为基于所述第五确定子模块确定的在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的候选区域。

10.根据权利要求6所述的装置，其特征在于，所述第二确定模块包括：

第七确定子模块，被配置为在所述第二热度图上，确定概率值大于第二预设阈值的坐标点；

第八确定子模块，被配置为确定所述第七确定子模块确定的所述概率值大于第二预设阈值的坐标点在所述原始图片中各自对应的像素点；

第九确定子模块，被配置为基于所述第八确定子模块确定的所述在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的位置区域。

11.一种图片中目标物的定位装置，其特征在于，所述装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

根据已训练的第一全卷积神经网络的第一预设缩放比例对原始图片进行缩放处理，得到第一图片；

将所述第一图片输入到所述第一全卷积神经网络中，通过所述第一全卷积神经网络进行卷积处理，输出第一热度图，所述第一热度图上每一个坐标点对应的值为所述第一全卷积神经网络对所述目标物在所述原始图片上计算出的概率值；

基于所述第一热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的候选区域；

将所述候选区域对应的图像内容输入到已训练的第二全卷积神经网络中，通过所述第二全卷积神经网络进行卷积处理后，输出第二热度图，所述第二热度图上的每一个坐标点对应的值为所述第二全卷积神经网络对所述目标物在所述原始图片上的概率值；

基于所述第二热度图上的每一个坐标点对应的值，确定所述目标物在所述原始图片中的位置区域。