CN110706262B - 图像处理方法、装置、设备及存储介质 - Google Patents

图像处理方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110706262B
CN110706262B CN201910953748.6A CN201910953748A CN110706262B CN 110706262 B CN110706262 B CN 110706262B CN 201910953748 A CN201910953748 A CN 201910953748A CN 110706262 B CN110706262 B CN 110706262B
Authority
CN
China
Prior art keywords
pixel points
gray
neighborhood
target feature
feature object
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.)
Active
Application number
CN201910953748.6A
Other languages
English (en)
Other versions
CN110706262A (zh
Inventor
程伟
白静
周孙春
古桐
陈士凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Silan Robot Yancheng Co ltd
Original Assignee
Shanghai Slamtec Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Slamtec Co Ltd filed Critical Shanghai Slamtec Co Ltd
Priority to CN201910953748.6A priority Critical patent/CN110706262B/zh
Publication of CN110706262A publication Critical patent/CN110706262A/zh
Application granted granted Critical
Publication of CN110706262B publication Critical patent/CN110706262B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种图像处理方法、装置、设备及存储介质。该方法包括：依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点；依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点；依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，用以确定所述目标特征对象的运动情况。以实现在相邻两帧图像亮度发生变化时也能够使用光流算法计算图像中目标特征对象的变化。

Description

图像处理方法、装置、设备及存储介质
技术领域
本发明实施例涉及图像处理技术，尤其涉及一种图像处理方法、装置、设备及存储介质。
背景技术
在空间中，运动可以用运动场描述，而在一个图像平面上，物体的运动往往是通过图像序列中不同图像灰度分布的不同体现的，从而，空间中的运动场转移到图像上就表示为光流场。
一般而言，光流是由于场景中前景目标本身的移动、相机的运动，或者两者的共同运动所产生的。
当人的眼睛观察运动物体时，物体的景象在人眼的视网膜上形成一系列连续变化的图像，这一系列连续变化的信息不断“流过”视网膜(即图像平面)，好像一种光的“流”，故称之为光流。光流表达了图像的变化，由于它包含了目标运动的信息，因此可被观察者用来确定目标的运动情况。
目前所使用的光流算法需要满足两个条件：一是亮度恒定不变，即同一目标在不同帧间运动时，其亮度不会发生改变；二是运动是小运动，即相邻帧之间位移比较小。然而实际中，相邻两帧图像的亮度恒定不变是比较难满足的条件，因此，这种情况下，光流算法无法应用，因此，需要一种能够不限定于相邻两帧图像亮度恒定不变这个条件的方法。
发明内容
本发明提供了一种图像处理方法、装置、设备及存储介质，以实现在相邻两帧图像亮度发生变化时也能够使用光流算法计算图像的变化。
第一方面，本发明实施例提供了一种图像处理方法，包括：
依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点；
依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点；
依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，用以确定所述目标特征对象的运动情况。
第二方面，本发明实施例还提供了一种图像处理装置，包括：
第一配对像素点确定模块，用于依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点；
第二配对像素点确定模块，用于依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点；
目标特征对象确定模块，用于依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，用以确定所述目标特征对象的运动情况。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明任一实施例中任一所述的图像处理方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任一实施例中任一所述的图像处理方法。
本发明通过依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点；依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点；依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，用以确定所述目标特征对象的运动情况，以实现在相邻两帧图像亮度发生变化时也能够使用光流算法计算图像中目标特征对象的变化。
附图说明
图1是本发明实施例一中提供的一种图像处理方法的流程示意图；
图2是本发明实施例一中提供的一种第一邻域内第一配对像素点配对模式的示意图；
图3是本发明实施例一中提供的第一邻域和第二邻域内像素点配对方式的示意图；
图4是本发明实施例二中提供的一种目标特征对象移动距离方法的流程示意图；
图5是本发明实施例三中提供的一种图像处理装置的结构示意图；
图6是本发明实施例四提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1为本发明实施例一提供的一种图像处理方法的流程示意图，本实施例可适用于机器人视觉定位与建图过程中的前端特征跟踪的情况，该方法可以由本发明实施例提供的图像处理装置来执行，该装置可采用软件和/或硬件的方式实现，该装置可集成于计算设备中，也可独立作为一个设备。参见图1，具体包括如下步骤：
步骤110、依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点。
本发明实施例中，当前帧图像可以是由机器人通过搭载在机器人上的摄像机获得的，当前帧图像中包含有目标特征对象，示例性的，如机器人在行进的过程中拍摄椅子，则椅子为当前帧图像中的目标特征对象。上述目标特征对象的第一邻域是指在当前帧图像中目标特征对象周围的区域选定一个范围，示例性的，在当前帧图像椅子周围的区域选定一个范围为椅子的第一邻域。进一步地，依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点，包括：确定当前帧图像中所述目标特征对象的所述第一邻域内各个像素点的第一灰度值；依据所述第一邻域内各个像素点的所述第一灰度值，将所述第一邻域内像素点间灰度差值满足预设第一灰度差异阈值的像素点进行配对，得到多个第一配对像素点。
通过当前帧的图像数据信息，确定第一领域内各个像素点的第一灰度值，将上述第一灰度值差值满足预设第一灰度差异阈值的像素点进行配对，得到第一配对像素点，将上述执行过程重复多次，得到多个第一配对像素点。
示例性的，如图2示出的是一种第一邻域内第一配对像素点配对模式的示意图，其中，标号为A的两个像素点为一个第一配对像素点、标号为B的两个像素点为另一个第一配对像素点。
步骤120、依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点。
本发明实施例中，下一帧图像的获取过程与当前帧图像的获取过程相同，下一帧图像中目标特征对象即为当前帧图像中的目标特征对象，示例性的，当前帧图像中的目标特征对象为椅子，则下一帧图像中目标特征对象为椅子。进一步地，第二配对像素点的确定过程如下：
依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点，包括：
确定下一帧图像中所述目标特征对象的所述第二邻域内各个像素点的第二灰度值；
依据所述第二邻域内各个像素点的所述第二灰度值，将所述第二邻域内像素点间灰度差值满足预设第二灰度差异阈值的像素点进行配对，得到多个第二配对像素点。
在确定第二邻域内的第二配对像素点时，配对的方式与第一邻域配对的方式相同，如图3示出的是第一邻域和第二邻域内像素点配对方式的示意图，当第一邻域内像素点的配对方式确定后，第二邻域内像素点的配对方式也相应的确定。
步骤130、依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，用以确定所述目标特征对象的运动情况。
本发明实施例中，目标特征对象的移动距离也是第一邻域与第二邻域之间的移动距离。通过光流算法，依据第一配对像素点和第二配对像素点进行计算，得到目标特征对象的在不同帧图像中的运动情况。
本发明通过依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点；依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点；依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，用以确定所述目标特征对象的运动情况，以实现在相邻两帧图像亮度发生变化时也能够使用光流算法计算图像中目标特征对象的变化。
实施例二
图4为本发明实施例二提供的一种目标特征对象移动距离方法的流程示意图，本实施例是在上述实施例一的基础上，进一步对确定目标特征对象进行详细解释说明。参见图4，该方法具体可以包括：
步骤410、针对所述第一邻域内的每一所述第一配对像素点，将所述第一配对像素点中的两个像素点的灰度值进行作差，得到多个第一像素间灰度差值；其中所述第一邻域由所述目标特征对象在当前帧图像中的当前位置得到。
本实施例中，用公式Pattern(n,I,x,y)表示，其中，Pattern算子描述的是第n个配对像素点的灰度值的差值，I代表当前帧图像第一邻域，x和y代表的是当前像素点的位置。
步骤420、针对所述第二邻域内的每一第二配对像素点，将所述第二配对像素点中的两个像素点的灰度值进行作差，得到多个第二像素间灰度差值；其中所述第二邻域由所述目标特征对象在下一帧图像中的下一位置得到，且所述下一位置由所述当前位置与所述目标特征对象的位移变量得到。
本实施例中，用公式pattern(n,J,x+dx,y+dy)表示，其中，Pattern算子描述的是第n个配对像素点的灰度值的差值，J代表下一帧图像的第二邻域，(x+dx,y+dy)代表的是下一帧图像中的下一位置。
步骤430、依据所述多个第一像素间灰度差值和所述多个第二像素间灰度差值，确定所述目标特征对象的位移变量的取值，并依据所述位移变量的取值确定所述目标特征对象的移动距离。
依据所述多个第一像素间灰度差值和所述多个第二像素间灰度差值，确定所述目标特征对象的位移变量的取值，包括：将任一所述第一像素间灰度差值与对应的所述第二像素间灰度差值进行作差，得到灰度结果；依据多个所述灰度结果，确定所述目标特征对象的位移变量的取值。
本发明实施例中，通过如下公式计算目标特征对象的移动距离：
Figure BDA0002226591320000081
其中，Pattern(n,I,x,y)-Pattern(n,J,x+dx,x+dy)为灰度结果，k为目标区域内配对像素点的个数。Pattern算子描述的是第n个配对像素点的灰度值的差值，I代表当前帧图像，J代表当前帧图像的下一帧图像，ε(d)表示的是目标特征对象的移动距离。
本发明实施例通过将第一邻域内每一个第一像素间灰度差值与对应的第二邻域内每一个第二像素点间灰度差值进行作差，将多个差值求和后，再通过平方计算得到目标特征对象的移动距离。通过在每一帧图像中的邻域内进行像素点作差，求取目标特征的移动距离，能够解决不同帧图像亮度发生变化导致计算目标特征对象移动距离不准确，提升了在机器人使用场景中光流算法的鲁棒性。
实施例三
图5为本发明实施例三提供的一种图像处理装置的结构示意图，该装置可执行本发明任意实施例所提供的图像处理方法，具备执行方法相应的功能模块和有益效果。如图5所示，该装置可以包括：
第一配对像素点确定模块501，用于依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点；
第二配对像素点确定模块502，用于依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点；
目标特征对象确定模块503，用于依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，用以确定所述目标特征对象的运动情况。
所述第一配对像素点确定模块501，具体用于：
确定当前帧图像中所述目标特征对象的所述第一邻域内各个像素点的第一灰度值；
依据所述第一邻域内各个像素点的所述第一灰度值，将所述第一邻域内像素点间灰度差值满足预设第一灰度差异阈值的像素点进行配对，得到多个第一配对像素点。
所述第二配对像素点确定模块502，具体用于：
确定下一帧图像中所述目标特征对象的所述第二邻域内各个像素点的第二灰度值；
依据所述第二邻域内各个像素点的所述第二灰度值，将所述第二邻域内像素点间灰度差值满足预设第二灰度差异阈值的像素点进行配对，得到多个第二配对像素点。
所述目标特征对象确定模块503，具体用于：
针对所述第一邻域内的每一所述第一配对像素点，将所述第一配对像素点中的两个像素点的灰度值进行作差，得到多个第一像素间灰度差值；其中所述第一邻域由所述目标特征对象在当前帧图像中的当前位置得到；
针对所述第二邻域内的每一第二配对像素点，将所述第二配对像素点中的两个像素点的灰度值进行作差，得到多个第二像素间灰度差值；其中所述第二邻域由所述目标特征对象在下一帧图像中的下一位置得到，且所述下一位置由所述当前位置与所述目标特征对象的位移变量得到；
依据所述多个第一像素间灰度差值和所述多个第二像素间灰度差值，确定所述目标特征对象的位移变量的取值，并依据所述位移变量的取值确定所述目标特征对象的移动距离。
所述目标特征对象确定模块503，具体用于：
将任一所述第一像素间灰度差值与对应的所述第二像素间灰度差值进行作差，得到灰度结果；
依据多个所述灰度结果，确定所述目标特征对象的位移变量的取值。
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，上述描述装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
实施例四
图6为本发明实施例四提供的一种设备的结构示意图，图6示出了适于用来实现本发明实施例实施方式的示例性设备的结构示意图。图6显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如系统存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图6所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的图像处理方法，包括：
依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点；
依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点；
依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，用以确定所述目标特征对象的运动情况。
实施例五
本发明实施例五还提供一种计算机可读存储介质，其上存储有计算机程序(或称为计算机可执行指令)，该程序被处理器执行时可实现上述任意实施例所述的图像处理方法，包括：
依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点；
依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点；
依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，用以确定所述目标特征对象的运动情况。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (9)

1.一种图像处理方法，其特征在于，包括：
依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点；
依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点；
依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，用以确定所述目标特征对象的运动情况；
其中，依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，包括：
针对所述第一邻域内的每一所述第一配对像素点，将所述第一配对像素点中的两个像素点的灰度值进行作差，得到多个第一像素间灰度差值；其中所述第一邻域由所述目标特征对象在当前帧图像中的当前位置得到；
针对所述第二邻域内的每一第二配对像素点，将所述第二配对像素点中的两个像素点的灰度值进行作差，得到多个第二像素间灰度差值；其中所述第二邻域由所述目标特征对象在下一帧图像中的下一位置得到，且所述下一位置由所述当前位置与所述目标特征对象的位移变量得到；
依据所述多个第一像素间灰度差值和所述多个第二像素间灰度差值，确定所述目标特征对象的位移变量的取值，并依据所述位移变量的取值确定所述目标特征对象的移动距离。
2.根据权利要求1所述的方法，其特征在于，依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点，包括：
确定当前帧图像中所述目标特征对象的所述第一邻域内各个像素点的第一灰度值；
依据所述第一邻域内各个像素点的所述第一灰度值，将所述第一邻域内像素点间灰度差值满足预设第一灰度差异阈值的像素点进行配对，得到多个第一配对像素点。
3.根据权利要求1所述的方法，其特征在于，依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点，包括：
确定下一帧图像中所述目标特征对象的所述第二邻域内各个像素点的第二灰度值；
依据所述第二邻域内各个像素点的所述第二灰度值，将所述第二邻域内像素点间灰度差值满足预设第二灰度差异阈值的像素点进行配对，得到多个第二配对像素点。
4.根据权利要求1所述的方法，其特征在于，依据所述多个第一像素间灰度差值和所述多个第二像素间灰度差值，确定所述目标特征对象的位移变量的取值，包括：
将任一所述第一像素间灰度差值与对应的所述第二像素间灰度差值进行作差，得到灰度结果；
依据多个所述灰度结果，确定所述目标特征对象的位移变量的取值。
5.一种图像处理装置，其特征在于，包括：
第一配对像素点确定模块，用于依据当前帧图像中目标特征对象的第一邻域内像素点间的灰度差异，确定多个第一配对像素点；
第二配对像素点确定模块，用于依据下一帧图像中所述目标特征对象的第二邻域内像素点间的灰度差异，确定多个第二配对像素点；
目标特征对象确定模块，用于依据所述第一配对像素点和所述第二配对像素点之间的灰度差异，得到所述目标特征对象的移动距离，用以确定所述目标特征对象的运动情况；
目标特征对象确定模块，具体用于针对所述第一邻域内的每一所述第一配对像素点，将所述第一配对像素点中的两个像素点的灰度值进行作差，得到多个第一像素间灰度差值；其中所述第一邻域由所述目标特征对象在当前帧图像中的当前位置得到；
针对所述第二邻域内的每一第二配对像素点，将所述第二配对像素点中的两个像素点的灰度值进行作差，得到多个第二像素间灰度差值；其中所述第二邻域由所述目标特征对象在下一帧图像中的下一位置得到，且所述下一位置由所述当前位置与所述目标特征对象的位移变量得到；
依据所述多个第一像素间灰度差值和所述多个第二像素间灰度差值，确定所述目标特征对象的位移变量的取值，并依据所述位移变量的取值确定所述目标特征对象的移动距离。
6.根据权利要求5所述的装置，其特征在于，所述第一配对像素点确定模块，具体用于：
确定当前帧图像中所述目标特征对象的所述第一邻域内各个像素点的第一灰度值；
依据所述第一邻域内各个像素点的所述第一灰度值，将所述第一邻域内像素点间灰度差值满足预设第一灰度差异阈值的像素点进行配对，得到多个第一配对像素点。
7.根据权利要求5所述的装置，其特征在于，所述第二配对像素点确定模块，具体用于：
确定下一帧图像中所述目标特征对象的所述第二邻域内各个像素点的第二灰度值；
依据所述第二邻域内各个像素点的所述第二灰度值，将所述第二邻域内像素点间灰度差值满足预设第二灰度差异阈值的像素点进行配对，得到多个第二配对像素点。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4中任一所述的图像处理方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的图像处理方法。
CN201910953748.6A 2019-10-09 2019-10-09 图像处理方法、装置、设备及存储介质 Active CN110706262B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910953748.6A CN110706262B (zh) 2019-10-09 2019-10-09 图像处理方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910953748.6A CN110706262B (zh) 2019-10-09 2019-10-09 图像处理方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110706262A CN110706262A (zh) 2020-01-17
CN110706262B true CN110706262B (zh) 2023-06-02

Family

ID=69199391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910953748.6A Active CN110706262B (zh) 2019-10-09 2019-10-09 图像处理方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110706262B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516739B (zh) * 2020-04-09 2023-05-16 上海米哈游天命科技有限公司 一种动画处理方法、装置、存储介质及电子设备
CN111598085B (zh) * 2020-05-14 2024-01-09 苏州精濑光电有限公司 玻璃面板定位方法、装置、设备和存储介质
CN112001949B (zh) * 2020-08-13 2023-12-05 地平线(上海)人工智能技术有限公司 确定目标点移动速度的方法、装置、可读存储介质及设备
CN112734654B (zh) * 2020-12-23 2024-02-02 中国科学院苏州纳米技术与纳米仿生研究所 一种图像处理方法、装置、设备和存储介质
CN114119675B (zh) * 2021-11-10 2023-07-18 爱芯元智半导体(上海)有限公司 像素点的偏移获取方法、装置、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101859378A (zh) * 2010-06-11 2010-10-13 湖南大学 高速医药生产线上的药液质量视觉检测方法
CN104123554A (zh) * 2013-04-23 2014-10-29 南京邮电大学 基于mmtd的sift图像特征提取方法
CN104392431A (zh) * 2014-10-27 2015-03-04 华东师范大学 一种基于图像可变长编码的图像匹配方法
CN105138979A (zh) * 2015-08-19 2015-12-09 南京理工大学 基于立体视觉的运动人体头部检测方法
CN108074250A (zh) * 2016-11-10 2018-05-25 株式会社理光 匹配代价计算方法和装置
CN109658511A (zh) * 2018-12-11 2019-04-19 香港理工大学 一种基于影像的相邻帧间姿态信息的计算方法及相关装置
CN110211370A (zh) * 2019-06-10 2019-09-06 吉林大学 一种基于lk光流法人行道智能警示装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794733B (zh) * 2014-01-20 2018-05-08 株式会社理光 对象跟踪方法和装置
CN105517671B (zh) * 2015-05-25 2020-08-14 北京大学深圳研究生院 一种基于光流法的视频插帧方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101859378A (zh) * 2010-06-11 2010-10-13 湖南大学 高速医药生产线上的药液质量视觉检测方法
CN104123554A (zh) * 2013-04-23 2014-10-29 南京邮电大学 基于mmtd的sift图像特征提取方法
CN104392431A (zh) * 2014-10-27 2015-03-04 华东师范大学 一种基于图像可变长编码的图像匹配方法
CN105138979A (zh) * 2015-08-19 2015-12-09 南京理工大学 基于立体视觉的运动人体头部检测方法
CN108074250A (zh) * 2016-11-10 2018-05-25 株式会社理光 匹配代价计算方法和装置
CN109658511A (zh) * 2018-12-11 2019-04-19 香港理工大学 一种基于影像的相邻帧间姿态信息的计算方法及相关装置
CN110211370A (zh) * 2019-06-10 2019-09-06 吉林大学 一种基于lk光流法人行道智能警示装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A spatiotemporal motion variation features extraction approach for human tracking and pose-based action recognition;Ahmad Jalal等;《2015 International Conference on Informatics, Electronics & Vision》;20151123;全文 *
基于鲁棒特征的光流研究;李伟等;《红外与激光工程》;20070930;全文 *

Also Published As

Publication number Publication date
CN110706262A (zh) 2020-01-17

Similar Documents

Publication Publication Date Title
CN110706262B (zh) 图像处理方法、装置、设备及存储介质
KR102502651B1 (ko) 지도를 구축하기 위한 방법 및 장치
US9406137B2 (en) Robust tracking using point and line features
CN109344755B (zh) 视频动作的识别方法、装置、设备及存储介质
WO2021175180A1 (zh) 视线确定方法、装置、电子设备和计算机可读存储介质
US20190347824A1 (en) Method and apparatus for positioning pupil, storage medium, electronic device
US11915439B2 (en) Method and apparatus of training depth estimation network, and method and apparatus of estimating depth of image
CN110874853B (zh) 目标运动的确定方法、装置、设备及存储介质
WO2022257487A1 (zh) 深度估计模型的训练方法, 装置, 电子设备及存储介质
US11132772B2 (en) Asymmetric normalized correlation layer for deep neural network feature matching
US11503266B2 (en) Super-resolution depth map generation for multi-camera or other environments
WO2020092276A1 (en) Video recognition using multiple modalities
KR102710803B1 (ko) 깊이 카메라를 이용한 동적 멀티 카메라 조정을 위한 장치 및 방법
US12192673B2 (en) Accurate optical flow interpolation optimizing bi-directional consistency and temporal smoothness
WO2022146023A1 (en) System and method for synthetic depth-of-field effect rendering for videos
CN116246026B (zh) 三维重建模型的训练方法、三维场景渲染方法及装置
US11823353B2 (en) System and method for generating bokeh image for DSLR quality depth-of-field rendering and refinement and training method for the same
US20240378820A1 (en) Efficient depth-based viewpoint matching and head pose change compensation for video see-through (vst) extended reality (xr)
US11816855B2 (en) Array-based depth estimation
KR20210059612A (ko) 심층 신경망 특징 매칭을 위한 비대칭 정규화 상관 계층
CN112085842B (zh) 深度值确定方法及装置、电子设备和存储介质
US12079971B2 (en) Hand motion pattern modeling and motion blur synthesizing techniques
CN116912467A (zh) 图像拼接方法、装置、设备及存储介质
WO2023146329A1 (en) Method and electronic device of facial un-distortion in digital images using multiple imaging sensors
US20210342998A1 (en) Systems and methods for quantitative evaluation of optical map quality and for data augmentation automation

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20241202

Address after: Building 03, No. 88 Xinyuan Road, Xinhe Street, Yannan High tech Zone, Tinghu District, Yancheng City, Jiangsu Province, China 224007

Patentee after: Silan Robot (Yancheng) Co.,Ltd.

Country or region after: China

Address before: 201210 unit 01 and 02, 5 / F, building 4, No. 666 shengxia road and No. 122 Yindong Road, Pudong New Area (Shanghai) pilot Free Trade Zone, Shanghai

Patentee before: SHANGHAI SLAMTEC Co.,Ltd.

Country or region before: China

TR01 Transfer of patent right