CN109376743A - 图像处理方法、装置、图像识别设备及储存介质 - Google Patents
图像处理方法、装置、图像识别设备及储存介质 Download PDFInfo
- Publication number
- CN109376743A CN109376743A CN201811145987.0A CN201811145987A CN109376743A CN 109376743 A CN109376743 A CN 109376743A CN 201811145987 A CN201811145987 A CN 201811145987A CN 109376743 A CN109376743 A CN 109376743A
- Authority
- CN
- China
- Prior art keywords
- image
- standard feature
- library
- feature
- fpga
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种图像处理方法、装置、图像识别设备及储存介质,涉及图像处理技术领域。方法包括:获得包含至少一个对象中每个对象的标准特征的标准特征库,其中,每个对象的标准特征为基于每个对象的底库图像获得,每个对象的标准特征的数据量小于每个对象的底库图像的数据量;获得包含待识别对象的图像,并基于所述图像获得待识别对象的特征;基于标准特征库和待识别对象的特征,判断待识别对象是否属于至少一个对象。在图像识别设备的存储空间有限的情况下,图像识别设备获得并存储包含更多对象的标准特征的标准特征库。这样,图像识别设备就可以利用更多对象的标准特征对待识别对象进行识别,进而有效的提高图像识别设备的识别机能。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种图像处理方法、装置、图像识别设备及储存介质。
背景技术
在目前的图像识别技术中,图像识别设备需要存储对象的底库图像。那么在识别的过程中,图像识别设备就可以通过将存储的底库图像和待识别对象的图像进行特征匹配,从而对该待识别对象进行识别。
但是,为保证对待识别对象识别的准确性,底库图像需要其图像质量比较好,故底库图像的数据量也比较大。这样,在图像识别设备的存储空间有限的情况下,图像识别设备就无法存储更多的底库图像,进而导致图像识别设备的识别机能受到极大的限制。
发明内容
本申请在于提供一种图像处理方法、装置、图像识别设备及储存介质,以有效的提高图像识别设备的识别机能。
为了实现上述目的,本申请的实施例通过如下方式实现:
第一方面,本申请实施例提供了一种图像处理方法,应用于图像识别设备,所述方法包括:获得包含至少一个对象中每个对象的标准特征的标准特征库,其中,每个对象的标准特征为基于每个对象的底库图像获得,每个对象的标准特征的数据量小于每个对象的底库图像的数据量;获得包含待识别对象的图像,并基于所述图像获得所述待识别对象的特征;基于所述标准特征库和所述待识别对象的特征,判断所述待识别对象是否属于所述至少一个对象。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,所述图像识别设备包括主芯片以及与所述主芯片通信的FPGA,所述获得包含至少一个对象中每个对象的标准特征的标准特征库,包括:
所述主芯片获得所述至少一个对象中每个对象的底库图像;
所述主芯片将每个对象的底库图像发送至所述FPGA;
所述FPGA根据每个对象的底库图像提取出每个对象的初始特征,对每个对象的初始特征加密获得每个对象的标准特征;
所述主芯片基于每个对象的标准特征,建立包含每个对象的标准特征的标准特征库。
结合第一方面,本申请实施例提供了第一方面的第二种可能的实施方式,所述FPGA根据每个对象的底库图像提取出每个对象的初始特征,对每个对象的初始特征加密获得每个对象的标准特征,包括:
所述FPGA获得所述主芯片发送的至少一个对象中每个对象的底库图像;
所述FPGA判断每个对象的底库图像的图像质量是否满足质量阈值,若是,根据每个对象的底库图像提取出每个对象的初始特征,对每个对象的初始特征加密获得每个对象的标准特征;
所述FPGA将每个对象的标准特征发送至所述主芯片。
结合第一方面,本申请实施例提供了第一方面的第三种可能的实施方式,
所述FPGA满足同时从N个对象的N张底库图像提取出所述N个对象的N个标准特征,N为大于1的整数。
结合第一方面或第一方面的第一种可能的实施方式,本申请实施例提供了第一方面的第四种可能的实施方式,其特征在于,所述图像识别设备包括主芯片以及与所述主芯片通信的FPGA,在所述获得包含至少一个对象中每个对象的标准特征的标准特征库之前,所述方法还包括:
所述主芯片获得新的对象的新的底库图像;
所述主芯片将所述新的底库图像发送至所述FPGA;
所述FPGA根据所述新的底库图像提取出所述新的对象的新的初始特征,对所述新的对象的新的初始特征加密获得所述新的对象的新的标准特征;
所述主芯片将所述FPGA返回的所述新的标准特征更新到已获得的所述标准特征库中。
结合第一方面,本申请实施例提供了第一方面的第五种可能的实施方式,所述获得包含至少一个对象中每个对象的标准特征的标准特征库,包括:
获得外部的图像处理装置发送的至少一个对象中每个对象的标准特征,其中,所述图像处理装置基于处理每个对象的底库图像而得到每个对象的标准特征,所述图像处理装置为云端处理设备或运行SDK的终端设备;
根据每个对象的标准特征,建立包含所述至少一个对象中每个对象的标准特征的标准特征库。
结合第一方面,本申请实施例提供了第一方面的第六种可能的实施方式,在所述获得包含至少一个对象中每个对象的标准特征的标准特征库之后,所述方法还包括:
将所述标准特征库通过网络发送至其它的图像识别设备。
第二方面,本申请实施例提供了一种图像处理装置,应用于图像识别设备,所述装置包括:
特征获得模块,用于获得包含至少一个对象中每个对象的标准特征的标准特征库,其中,每个对象的标准特征为基于每个对象的底库图像获得,每个对象的标准特征的数据量小于每个对象的底库图像的数据量。
特征提取模块,用于获得包含待识别对象的图像,并基于所述图像获得所述待识别对象的特征。
特征识别模块,用于基于所述标准特征库和所述待识别对象的特征,判断所述待识别对象是否属于所述至少一个对象。
第三方面,本申请实施例提供了一种图像识别设备,所述图像识别设备包括:主芯片、以及与所述主芯片通信的FPGA。
所述主芯片,用于获得包含至少一个对象中每个对象的标准特征的标准特征库,其中,每个对象的标准特征为基于每个对象的底库图像获得,每个对象的标准特征的数据量小于每个对象的底库图像的数据量。
所述主芯片,还用于获得包含待识别对象的图像,将所述图像发送至所述FPGA。
所述FPGA,用于提取出所述图像中所述待识别对象的特征,基于所述标准特征库和所述待识别对象的特征,判断所述待识别对象是否属于所述至少一个对象。
结合第三方面,本申请实施例提供了第三方面的第一种可能的实施方式,
所述主芯片与所述FPGA通过网络或USB建立通信连接。
第四方面,本申请实施例提供了一种具有计算机可执行的非易失程序代码的计算机可读储存介质,所述程序代码使所述计算机执行第一方面,以及第一方面任一实施方式所述的图像处理方法。
本申请实施例的有益效果是:
基于每个对象的标准特征为基于每个对象的底库图像获得,且每个对象的标准特征的数据量小于每个对象的底库图像的数据量下,那么在图像识别设备的存储空间有限的情况下,图像识别设备获得并存储包含更多对象的标准特征的标准特征库。这样,图像识别设备就可以利用更多对象的标准特征对待识别对象进行识别,进而有效的提高图像识别设备的识别机能。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请第一实施例提供的一种图像识别设备的第一结构框图;
图2示出了本申请第一实施例提供的一种图像识别设备的第二结构框图;
图3示出了本申请第二实施例提供的一种图像处理方法的流程图;
图4示出了本申请第三实施例提供的一种图像处理装置的结构框图。
具体实施方式
下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有进行出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
第一实施例
请参阅图1,本申请实施例提供了一种图像识别设备10,该图像识别设备10包括:摄像头11、内存12、闪存13、通信接口14、主芯片15和FPGA16(Field-Programmable GateArray,现场可编程门阵列)。其中,主芯片15分别与摄像头11、闪存13、通信接口14和FPGA16连接,FPGA16则分别与内存12和闪存13连接。当然,图1所示的图像识别设备10的组件和结构只是示例性的,而非限制性的,根据需要,图像识别设备10也可以具有其他组件和结构。
摄像头11可以为常规的高清摄像头。在图像识别设备10处于上电工作状态时,摄像头11可以在主芯片15的控制下拍摄待识别对象,并获得包含待识别对象的图像。摄像头11可以将该包含待识别对象的图像发送给主芯片15,以便主芯片15对该包含待识别对象的图像进行处理。
内存12可以为常规的内存芯片,例如可以为DDR32bit的内存芯片。内存12可以存储用于FPGA16运行的程序,例如,内存12可以存储CCN算法程序,以便FPGA16调用存储的CCN算法(Convolutional Neural Network,卷积神经网络)程序来实现对象识别。
闪存13可以为常规的闪存芯片,例如可以为SPI Flash for Zynq 256Mbit的闪存芯片。闪存13通过分别与主芯片15和FPGA16的连接,例如,闪存通过SPI总线(SerialPeripheral Interface,串行外设接口)分别与主芯片15和FPGA通信连接,闪存13可以存储主芯片15和FPGA16的配置程序,使得主芯片15和FPGA16通过从闪存13中调用自身需要的配置程序来保证自身的正常运行。
主芯片15可以为通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等,还可以是数字信号处理器(DSP)、专用集成电路(ASIC)等。主芯片15通过分别与FPGA16和闪存13的连接,主芯片15可以控制FPGA16和闪存13进行重置。
FGPA可以常规型号的芯片,例如可以为Zynq7020的芯片。FGPA通过网络或USB(Universal Serial Bus,通用串行总线)与主芯片15连接,以满足在对象识别过程中FGPA和主芯片15之间的大数据量交互。
本实施例中,主芯片15与FPGA16通过数据交互来实现对图像处理方法的执行。
如图2所示,在一些可能的情况下,图像识别设备10还可以与外部的图像处理装置通过数据交互来实现对图像处理方法的执行,以及图像识别设备10通过对图像处理方法的执行,图像识别设备10还可以通过网络与其它的图像识别设备10形成数据交互。
第二实施例
请参阅图3,本实施例提供了一种图像处理方法,该图像处理方法应用于图像识别设备,该图像处理方法包括:步骤S100、步骤S200和步骤S300。
步骤S100:获得包含至少一个对象中每个对象的标准特征的标准特征库,其中,每个对象的标准特征为基于每个对象的底库图像获得,每个对象的标准特征的数据量小于每个对象的底库图像的数据量。
步骤S200:获得包含待识别对象的图像,并基于所述图像获得所述待识别对象的特征。
步骤S300:基于所述标准特征库和所述待识别对象的特征,判断所述待识别对象是否属于所述至少一个对象。
下面将对本申请的方法流程进行详细地描述。
步骤S100:获得包含至少一个对象中每个对象的标准特征的标准特征库,其中,每个对象的标准特征为基于每个对象的底库图像获得,每个对象的标准特征的数据量小于每个对象的底库图像的数据量。
图像识别设备可以获得标准特征库,以便基于该标准特征库对待识别对象进行识别。
本实施例中,作为获得标准特征库的第一种实现方式,图像识别设备可以通过主芯片与FPGA的数据交互来实现获得该标准特征库。
详细地,主芯片可以获得建立标准特征库所需要的至少一个对象中每个对象的底库图像,其中,底库图像为在识别过程中作为比对的标准的图像。可选地,主芯片获得每个对象的底库图像的方式可以为图像识别设备上的通信接口通过网络或数据线与作为存储介质的其它设备连接,例如通过通信接口采用与移动硬盘、U盘或终端连接,那么主芯片便可以通过通信接口从作为存储介质的其它设备上获得每个对象的底库图像。每张底库图像上可以包含每个对象,每个对象可以为:人、物体或动物,本实施例可以以每个对象为人来进行说明,但并不作为对本实施例的限定。
可以理解到,主芯片获得的至少一个对象的底库图像数量可以根据主芯片中存储介质容量的大小来进行选择,即至少一个对象的底库图像所产生的数据量的大小需要小于主芯片中存储介质容量的大小。
主芯片获得每个对象的底库图像后,主芯片可以将每个对象的底库图像发送给FPGA,以便于FPGA能够对每个对象的底库图像进行处理。
FPGA在获得每个对象的底库图像后,为了缩小主芯片存储每个对象的相关数据所占用的空间,FPGA可以使用特征提取模型和质量判断模型从每个对象的底库图像中提取出每个对象的标准特征。
可选地,FPGA使用特征提取模型和质量判断模型从每个对象的底库图像中提取出每个对象的标准特征的详细方式可以为:
FPGA可以通过质量判断模型对每个对象的底库图像进行分析,以确定每个对象的底库图像的质量是否满足要求。
例如,FPGA中预先了质量分析规则,基于该质量分析规则FPGA可以对每个对象的底库图像的质量进行分析,从而确定出每个对象的底库图像在图像模糊度上的第一分数、在三维姿势上的第二分数、以及在对象在底库图像中所占比例大小的第三分数。其中,对象在底库图像中越清晰其图像模糊度的第一分数则越高;三维姿势表示对象在底库图像中的俯视、仰视和侧视的情况,以对象为人脸为例,若底库图像中的人脸为正视,那么三维姿势的第二分数则比较高,反之,底库图像中的人脸存在俯视、仰视和侧视等情况导致人脸不为正视,那么三维姿势的第二分数则比较低;再者,若对象在底库图像中所占比例大小越接近预设比例大小,那么第三分数则越高,反之,所占比例太大即对象过近或所占比例太小即对象过远,则会导致第三分数较低。FPGA将第一分数乘以预设的第一权重得到第一类质量得分、将第二分数乘以预设的第二权重得到第二类质量得分、以及将第三分数乘以预设的第三权重得到第三类质量得分;从而FPGA再将第一类质量得分、第二类质量得分和第三类质量得分相加则获得了每个对象的底库图像的质量分得。
FPGA确定出每个对象的底库图像的图像质量后,FPGA则可以判断每个对象的底库图像的图像质量是否满足FPGA预设的质量阈值,即FPGA可以判断每个对象的底库图像的质量得分是否大于预设的质量阈值分数。
若FPGA基于对象的底库图像的质量得分不大于预设的质量阈值分数,确定对象的底库图像的图像质量不满足质量阈值时,FPGA则可以将该对象的底库图像删除而不再处理。
若FPGA基于对象的底库图像的质量得分大于预设的质量阈值分数,确定对象的底库图像的图像质量满足质量阈值时,那么FPGA则可以对该对象的底库图像进行特征提取。这样,FPGA就可以确定出满足质量阈值的每个对象的底库图像。
FPGA使用特征提取模型中预设的CNN算法可以对满足质量阈值的每个对象的底库图像进行卷积,从而提取并得到每个对象的初始特征。为了保证后续建立的标准特征库的安全性,FPGA还可以利用特征提取模型中预设加密算法对每个对象的初始特征进行加密从而获得每个对象的标准特征。
需要说明的是,每个对象的底库图像的数据量的大小可以为几十KB,但每个对象的底库图像提取出的每个对象的标准特征的数据量的大小则可以为512字节左右。故每个对象的标准特征的数据量较于每个对象的底库图像的数据量缩小了几十倍。因此,相较于主芯片存储对象的底库图像,主芯片采用存储对象的标准特征的方式,可以实现在不改变主芯片存储性能的情况下多存储几十倍对象数量。
本实施例中,为保证处理的效率,FPGA可以同时对多个对象的多张底库图像进行卷积,以同时提取得到多个对象的多个标准特征。例如,FPGA可以满足同时从N个对象的N张底库图像提取出N个对象的N个标准特征。其中,N可以为大于1的整数,例如,N可以为2、8、16、32或64等,本实施例可以选择N为16来进行处理。当然,N为16时,同时处理16个对象的16张底库图像并不作为本实施例的限定,实际可基于所选择FPGA的性能来决定同时处理多个对象的多张底库图像的数量。
FPGA得到每个对象的标准特征后,FPGA可以将每个对象的标准特征发送给主芯片,这样,主芯片基于得到的每个对象的标准特征,主芯片就可以在自身的存储介质中建立包含每个对象的标准特征的标准特征库,从而实现将每个对象的标准特征存储到自身存储介质的指定存储区域中。
可以理解到,上述的流程可以为标准特征库的建立过程,在实际应用中,主芯片可能已经建立了标准特征库。那么,在主芯片已经建立了标准特征库的情况下,主芯片还可以对标准特征库进行更新。
本实施例中,主芯片更新标准特征库可以为:主芯片还可以获得新的对象的新的底库图像,以及主芯片再将该新的底库图像发送至FPGA。相应的,FPGA根据新的底库图像提取出该新的对象的新的初始特征,并对该新的对象的新的初始特征加密获得该新的对象的新的标准特征,并再传输回主芯片,从而主芯片再将FPGA返回的该新的标准特征存储到自身存储介质中,进而实现了将该新的标准特征更新到已获得的该标准特征库中,实现了对标准特征库的更新。其中,更新标准特征库的过程中对新的底库图像的处理方式与前述流程相近,在此就不再累述。
本实施例中,作为获得标准特征库的第二种实现方式,图像识别设备可以通过与外部的图像处理装置的数据交互来实现获得该标准特征库。
外部的图像处理装置可以为云服务器或者运行有windowsSDK的终端设备。
在外部的图像处理装置为云服务器的情况下,云服务器可以对至少一个对象中每个对象的底库图像进行提取并获得每个对象的标准特征。在外部的图像处理装置为终端设备的情况下,终端设备上的windowsSDK软件可以对至少一个对象中每个对象的底库图像进行提取并获得每个对象的标准特征。
这样,外部的图像处理装置批量的处理完成并获得批量的对象中每个对象的标准特征后,外部的图像处理装置就可以通过网络或者数据线与图像识别设备的连接,将每个对象的标准特征均发送给图像处理装置。相对应的,图像处理装置的主芯片便能够获得每个的标准特征,主芯片也在自身的存储介质中建立包含每个对象的标准特征的标准特征库,从而也实现将每个对象的标准特征存储到自身存储介质的指定存储区域中。
当然,外部的图像处理装置也可以再次处理新的对象的新的底库图像,从而将得到新的对象的新的标准特征发送给图像处理装置,也使得图像处理装置中的主芯片将新的对象的新的标准特征更新到标准特征库中,实现对标准特征库的更新。
可以理解到,第二种实现方式中对对象的底库图像或对新的对象的新的底库图像处理方式第一种实现方式中的处理方式相近,详细地的处理过程可以参考第一种实现方式中描述进行理解,在此就不再累述。
本实施例中,为便于图像识别设备识别待识别对象,当图像识别设备每一次上电使得主芯片也相应的实现上电运行时,这样主芯片就可以从自身的存储区域中获得该标准特征库,并将标准特征库传输给FPGA,使得FPGA可以利用获得的该标准特征库来进行待识别对象的识别。
图像识别设备获得标准特征库后,图像识别设备可以继续执行步骤S200。
步骤S200:获得包含待识别对象的图像,并基于所述图像获得所述待识别对象的特征。
在图像识别设备上电后,图像识别设备中的摄像头也相应的上电运行。这样,摄像头就可以对待识别对象进行抓拍,从而获得包含该待识别对象的图像,即也是图像识别设备获得该包含待识别对象的图像。
摄像头可以将该包含待识别对象的图像的发送给主芯片,以及主芯片根据包含待识别对象的图像可以确定需要识别该待识别对象的图像。因此,主芯片就可以将该包含待识别对象的图像再发送给FPGA,以使FPGA能够基于标准特征库对该待识别对象进行识别。
FPGA在识别的过程中,FPGA也可以利用前述的质量分析规则判断该待识别对象的图像的图像质量是否满足质量阈值。
若FPGA判定该待识别对象的图像的图像质量不满足质量阈值,那么FPGA可以将该待识别对象的图像删除而不再进行下一步处理。
若FPGA判定该待识别对象的图像的图像质量不满足质量阈值,故FPGA确定可以对该待识别对象的图像进行特征提取。从而FPGA也可以利用CNN算法从该待识别对象的图像中提取出该待识别对象的特征。
图像识别设备的FPGA提取出该待识别对象的特征后,图像识别设备可以继续执行步骤S300。
步骤S300:基于所述标准特征库和所述待识别对象的特征,判断所述待识别对象是否属于所述至少一个对象。
FPGA基于获得的标准特征库和提取得到的待识别对象的特征,FPGA可以将待识别对象的特征和标准特征库中每个对象的标准特征进行匹配得到每个匹配度。这样,FPGA就可以从所有的匹配度选择出最高的匹配度,并再将该最高的匹配度与FPGA中预先设置的匹配度阈值比较。
若通过比较FPGA确定该最高的匹配度小于匹配度阈值,那么说明该待识别对象不在该至少一个对象中,即无法识别该待识别对象。FPGA可以将返回一个无法识别该待识别对象所对应的第一返回值给主芯片,使得主芯片基于该第一返回值而确定无法识别该待识别对象。
若通过比较FPGA确定该最高的匹配度不小于匹配度阈值,那么说明该待识别对象在该至少一个对象中。那么FPGA可以将该最高的匹配度所对应的对象确定为该待识别对象,进而实现了对该待识别对象的识别。这样,FPGA可以将返回一个识别该待识别对象为某一对象所对应的第二返回值给主芯片,使得主芯片基于该第二返回值而确定识别该待识别对象为某一对象。
可以理解到,在本实施例中,主芯片建立并存储标准特征库后,主芯片还可以将标准特征库通过通信接口所连接的网络发送到其它的图像识别设备,使得其它的图像识别设备也可以获得该标准特征库,无需其它的图像识别设备再重新建立标准特征库,从而实现了标准特征库可以高效率的大面积应用。
第三实施例
请参阅图4,本申请实施例提供了一种图像处理装置100,应用于图像识别设备,图像处理装置100包括:
特征获得模块110,用于获得包含至少一个对象中每个对象的标准特征的标准特征库,其中,每个对象的标准特征为基于每个对象的底库图像获得,每个对象的标准特征的数据量小于每个对象的底库图像的数据量;
特征提取模块120,用于获得包含待识别对象的图像,并基于所述图像获得所述待识别对象的特征;
特征识别模块130,用于基于所述标准特征库和所述待识别对象的特征,判断所述待识别对象是否属于所述至少一个对象。
需要说明的是,由于所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域内的技术人员应明白,本申请实施例可提供为方法、系统、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
综上所述,本申请实施例提供了一种图像处理方法、装置、图像识别设备及储存介质。方法包括:获得包含至少一个对象中每个对象的标准特征的标准特征库,其中,每个对象的标准特征为基于每个对象的底库图像获得,每个对象的标准特征的数据量小于每个对象的底库图像的数据量;获得包含待识别对象的图像,并基于所述图像获得待识别对象的特征;基于标准特征库和待识别对象的特征,判断待识别对象是否在至少一个对象中。
基于每个对象的标准特征为基于每个对象的底库图像获得,且每个对象的标准特征的数据量小于每个对象的底库图像的数据量下,那么在图像识别设备的存储空间有限的情况下,图像识别设备获得并存储包含更多对象的标准特征的标准特征库。这样,图像识别设备就可以利用更多对象的标准特征对待识别对象进行识别,进而有效的提高图像识别设备的识别机能。
以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (11)
1.一种图像处理方法,其特征在于,应用于图像识别设备,所述方法包括:
获得包含至少一个对象中每个对象的标准特征的标准特征库,其中,每个对象的标准特征为基于每个对象的底库图像获得,每个对象的标准特征的数据量小于每个对象的底库图像的数据量;
获得包含待识别对象的图像,并基于所述图像获得所述待识别对象的特征;
基于所述标准特征库和所述待识别对象的特征,判断所述待识别对象是否属于所述至少一个对象。
2.根据权利要求1所述的图像处理方法,其特征在于,所述图像识别设备包括主芯片以及与所述主芯片通信的FPGA,所述获得包含至少一个对象中每个对象的标准特征的标准特征库,包括:
所述主芯片获得所述至少一个对象中每个对象的底库图像;
所述主芯片将每个对象的底库图像发送至所述FPGA;
所述FPGA根据每个对象的底库图像提取出每个对象的初始特征,对每个对象的初始特征加密获得每个对象的标准特征;
所述主芯片基于每个对象的标准特征,建立包含每个对象的标准特征的标准特征库。
3.根据权利要求2所述的图像处理方法,其特征在于,所述FPGA根据每个对象的底库图像提取出每个对象的初始特征,对每个对象的初始特征加密获得每个对象的标准特征,包括:
所述FPGA获得所述主芯片发送的至少一个对象中每个对象的底库图像;
所述FPGA判断每个对象的底库图像的图像质量是否满足质量阈值,若是,根据每个对象的底库图像提取出每个对象初始特征,对每个对象的初始特征加密获得每个对象的的标准特征;
所述FPGA将每个对象的标准特征发送至所述主芯片。
4.根据权利要求3所述的图像处理方法,其特征在于,
所述FPGA满足同时从N个对象的N张底库图像提取出所述N个对象的N个标准特征,N为大于1的整数。
5.根据权利要求1或2所述的图像处理方法,其特征在于,所述图像识别设备包括主芯片以及与所述主芯片通信的FPGA,在所述获得包含至少一个对象中每个对象的标准特征的标准特征库之前,所述方法还包括:
所述主芯片获得新的对象的新的底库图像;
所述主芯片将所述新的底库图像发送至所述FPGA;
所述FPGA根据所述新的底库图像提取出所述新的对象的新的初始特征,对所述新的对象的新的初始特征加密获得所述新的对象的新的标准特征;
所述主芯片将所述FPGA返回的所述新的标准特征更新到已获得的所述标准特征库中。
6.根据权利要求1所述的图像处理方法,其特征在于,所述获得包含至少一个对象中每个对象的标准特征的标准特征库,包括:
获得外部的图像处理装置发送的至少一个对象中每个对象的标准特征,其中,所述图像处理装置基于处理每个对象的底库图像而得到每个对象的标准特征,所述图像处理装置为云端处理设备或运行SDK的终端设备;
根据每个对象的标准特征,建立包含所述至少一个对象中每个对象的标准特征的标准特征库。
7.根据权利要求1所述的图像处理方法,其特征在于,在所述获得包含至少一个对象中每个对象的标准特征的标准特征库之后,所述方法还包括:
将所述标准特征库通过网络发送至其它的图像识别设备。
8.一种图像处理装置,其特征在于,应用于图像识别设备,所述装置包括:
特征获得模块,用于获得包含至少一个对象中每个对象的标准特征的标准特征库,其中,每个对象的标准特征为基于每个对象的底库图像获得,每个对象的标准特征的数据量小于每个对象的底库图像的数据量;
特征提取模块,用于获得包含待识别对象的图像,并基于所述图像获得所述待识别对象的特征;
特征识别模块,用于基于所述标准特征库和所述待识别对象的特征,判断所述待识别对象是否属于所述至少一个对象。
9.一种图像识别设备,其特征在于,所述图像识别设备包括:主芯片、以及与所述主芯片通信的FPGA;
所述主芯片,用于获得包含至少一个对象中每个对象的标准特征的标准特征库,其中,每个对象的标准特征为基于每个对象的底库图像获得,每个对象的标准特征的数据量小于每个对象的底库图像的数据量;
所述主芯片,还用于获得包含待识别对象的图像,将所述图像发送至所述FPGA;
所述FPGA,用于提取出所述图像中所述待识别对象的特征,基于所述标准特征库和所述待识别对象的特征,判断所述待识别对象是否属于所述至少一个对象。
10.根据权利要求9所述的图像识别设备,其特征在于,
所述主芯片与所述FPGA通过网络或USB建立通信连接。
11.一种具有计算机可执行的非易失程序代码的计算机可读储存介质,其特征在于,所述程序代码使所述计算机执行如权利要求1-7任一权项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811145987.0A CN109376743A (zh) | 2018-09-28 | 2018-09-28 | 图像处理方法、装置、图像识别设备及储存介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811145987.0A CN109376743A (zh) | 2018-09-28 | 2018-09-28 | 图像处理方法、装置、图像识别设备及储存介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109376743A true CN109376743A (zh) | 2019-02-22 |
Family
ID=65403190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811145987.0A Pending CN109376743A (zh) | 2018-09-28 | 2018-09-28 | 图像处理方法、装置、图像识别设备及储存介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376743A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110222789A (zh) * | 2019-06-14 | 2019-09-10 | 腾讯科技(深圳)有限公司 | 图像识别方法及存储介质 |
CN111046388A (zh) * | 2019-12-16 | 2020-04-21 | 北京智游网安科技有限公司 | 识别应用中第三方sdk的方法、智能终端及储存介质 |
CN111126147A (zh) * | 2019-11-22 | 2020-05-08 | 北京迈格威科技有限公司 | 图像处理方法、装置和电子系统 |
CN111178162A (zh) * | 2019-12-12 | 2020-05-19 | 北京迈格威科技有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
CN111191552A (zh) * | 2019-12-23 | 2020-05-22 | 合肥美的智能科技有限公司 | 基于视觉终端的图像识别方法以及视觉终端 |
CN112507833A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 人脸识别及模型训练的方法、装置、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867179A (zh) * | 2012-08-29 | 2013-01-09 | 广东铂亚信息技术股份有限公司 | 一种数字证件照片采集质量检测的方法 |
CN103824075A (zh) * | 2014-02-18 | 2014-05-28 | 深圳天源迪科信息技术股份有限公司 | 图像识别系统及方法 |
CN105631439A (zh) * | 2016-02-18 | 2016-06-01 | 北京旷视科技有限公司 | 人脸图像处理方法和装置 |
CN106372606A (zh) * | 2016-08-31 | 2017-02-01 | 北京旷视科技有限公司 | 目标对象信息生成方法和单元、识别方法和单元及系统 |
CN107346426A (zh) * | 2017-07-10 | 2017-11-14 | 深圳市海清视讯科技有限公司 | 一种基于摄像机人脸识别的人脸信息收集方法 |
CN107886079A (zh) * | 2017-11-22 | 2018-04-06 | 北京旷视科技有限公司 | 对象识别方法、装置及系统 |
-
2018
- 2018-09-28 CN CN201811145987.0A patent/CN109376743A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102867179A (zh) * | 2012-08-29 | 2013-01-09 | 广东铂亚信息技术股份有限公司 | 一种数字证件照片采集质量检测的方法 |
CN103824075A (zh) * | 2014-02-18 | 2014-05-28 | 深圳天源迪科信息技术股份有限公司 | 图像识别系统及方法 |
CN105631439A (zh) * | 2016-02-18 | 2016-06-01 | 北京旷视科技有限公司 | 人脸图像处理方法和装置 |
CN106372606A (zh) * | 2016-08-31 | 2017-02-01 | 北京旷视科技有限公司 | 目标对象信息生成方法和单元、识别方法和单元及系统 |
CN107346426A (zh) * | 2017-07-10 | 2017-11-14 | 深圳市海清视讯科技有限公司 | 一种基于摄像机人脸识别的人脸信息收集方法 |
CN107886079A (zh) * | 2017-11-22 | 2018-04-06 | 北京旷视科技有限公司 | 对象识别方法、装置及系统 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110222789A (zh) * | 2019-06-14 | 2019-09-10 | 腾讯科技(深圳)有限公司 | 图像识别方法及存储介质 |
CN110222789B (zh) * | 2019-06-14 | 2023-05-26 | 腾讯科技(深圳)有限公司 | 图像识别方法及存储介质 |
CN111126147A (zh) * | 2019-11-22 | 2020-05-08 | 北京迈格威科技有限公司 | 图像处理方法、装置和电子系统 |
CN111126147B (zh) * | 2019-11-22 | 2023-10-24 | 天津极豪科技有限公司 | 图像处理方法、装置和电子系统 |
CN111178162A (zh) * | 2019-12-12 | 2020-05-19 | 北京迈格威科技有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
CN111178162B (zh) * | 2019-12-12 | 2023-11-07 | 北京迈格威科技有限公司 | 图像识别方法、装置、计算机设备和存储介质 |
CN111046388A (zh) * | 2019-12-16 | 2020-04-21 | 北京智游网安科技有限公司 | 识别应用中第三方sdk的方法、智能终端及储存介质 |
CN111046388B (zh) * | 2019-12-16 | 2022-09-13 | 北京智游网安科技有限公司 | 识别应用中第三方sdk的方法、智能终端及储存介质 |
CN111191552A (zh) * | 2019-12-23 | 2020-05-22 | 合肥美的智能科技有限公司 | 基于视觉终端的图像识别方法以及视觉终端 |
CN112507833A (zh) * | 2020-11-30 | 2021-03-16 | 北京百度网讯科技有限公司 | 人脸识别及模型训练的方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376743A (zh) | 图像处理方法、装置、图像识别设备及储存介质 | |
CN114550177B (zh) | 图像处理的方法、文本识别方法及装置 | |
WO2021159609A1 (zh) | 一种视频卡顿识别方法、装置及终端设备 | |
CN110378235A (zh) | 一种模糊人脸图像识别方法、装置及终端设备 | |
CN111444826B (zh) | 视频检测方法、装置、存储介质及计算机设备 | |
CN112507786A (zh) | 人体多部位检测框关联方法、装置、电子装置和存储介质 | |
CN111985281B (zh) | 图像生成模型的生成方法、装置及图像生成方法、装置 | |
KR20220051162A (ko) | 시각적 포지셔닝 방법, 관련 모델의 훈련 방법 및 관련 장치, 기기 | |
CN111695517A (zh) | 图像的表格提取方法、装置、电子设备及存储介质 | |
CN111177469A (zh) | 人脸检索方法及人脸检索装置 | |
CN109325548A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN114638846A (zh) | 拾取位姿信息确定方法、装置、设备和计算机可读介质 | |
CN112802081A (zh) | 一种深度检测方法、装置、电子设备及存储介质 | |
CN115063656A (zh) | 图像检测方法、装置、计算机可读存储介质及电子设备 | |
CN113033373B (zh) | 用于训练人脸识别模型及识别人脸的方法及相关装置 | |
CN106202456B (zh) | 发送图片的方法及装置 | |
CN111783677A (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN110287943A (zh) | 图像的对象识别方法、装置、电子设备及存储介质 | |
CN115937950A (zh) | 一种多角度人脸数据采集方法、装置、设备及存储介质 | |
CN113783795B (zh) | 加密流量分类方法及相关设备 | |
CN113255512B (zh) | 用于活体识别的方法、装置、设备以及存储介质 | |
CN109379533A (zh) | 一种拍照方法、拍照装置及终端设备 | |
CN111898529B (zh) | 脸部检测方法、装置、电子设备和计算机可读介质 | |
CN111340085B (zh) | 数据处理方法及装置、处理器、电子设备、存储介质 | |
CN114745516A (zh) | 全景视频的生成方法、装置、存储介质及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190222 |
|
RJ01 | Rejection of invention patent application after publication |