CN113191202B - 一种图像处理方法、装置及电子设备 - Google Patents
一种图像处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113191202B CN113191202B CN202110370907.7A CN202110370907A CN113191202B CN 113191202 B CN113191202 B CN 113191202B CN 202110370907 A CN202110370907 A CN 202110370907A CN 113191202 B CN113191202 B CN 113191202B
- Authority
- CN
- China
- Prior art keywords
- image
- historical
- preset
- detected
- feature point
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming
Abstract
本申请公开了一种图像处理方法、装置及电子设备,方法包括获取待检测图像并从所述待检测图像中提取特征点,所述待检测图像为可见光图像或红外图像;根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述,所述特征点描述根据所述特征点对应的滤波尺度及相位确定;根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象,解决了现有技术中目标检测及跟踪只能分别建立基于可见光和红外光的识别系统,无法同步运行的问题。
Description
技术领域
本发明涉及图像处理领域,尤其涉及一种图像处理方法、装置及电子设备。
背景技术
近年来,随着双光热成像仪的快速发展,其在电力巡检、消防快速救援、海上搜救和森林防火等领域发挥着不可替代的作用。综合可见光成像及红外成像二者优点而成的双光谱成像仪,采集的色彩信息和热信息互不干扰,成像效果相对传统设备大幅提升,可以更加精确、快速地定位目标,对财产生命安全提供保障。
可见光与红外光成像波段的不同导致其成像特征存在差异,例如微测辐射热计红外探测器,其可呈现出可见光无法探测的物体的热轮廓;而可见光探测器依赖白光在物体表面的反射成像,可呈现出红外光波段无法探测的可见光色彩信息。这样的差异使得在同一场景下在日间和夜间对同一目标的可见光与红外光成像检测与跟踪成为困难。且多源相机的机械装配不能使两个相机的光学结构完全达到光轴平行的理想状态,且多源相机的标定过程为多源相机的生产增加了大量时间成本,不利于大规模的生产制造。
因此,现有技术中如果需要对红外图像或可见光图像中包含的待识别对象进行检测及跟踪,通常是利用SIFT、SURF、ORB等基于特征点相似性度量的方法,通过识别图像中的特征点与特征点对应的特征向量来定位目标是否在图像中。而如果需要在视频流中根据待识别对象则一般采用对视频流中的图像逐帧使用基于特征点的目标定位方法或者使用KCF、MKCF、MCCT等方法跟踪目标,其中特征点的提取通常使用但不限于FAST、BRIEF、Harris等方案。
应用上述基于特征点相似性度量的方法,对同一目标分别采集的可见光及红外图像进行特征点及特征点描述提取,得到的提取结果大相径庭。如果基于得到的特征点及特征点描述进行匹配,则匹配存在随机性且难以得到准确的匹配结果,导致目标检测与跟踪的方法只能够单独应用到基于可见光或者红外图像的视频流系统中,且提取的特征点和特征点描述只能分别在各自的系统中使用,无法交叉使用,难以形成一个整体方案,使目标跟踪不能够全天候的运行。
发明内容
为了解决现有技术的不足,本发明的主要目的在于提供一种图像处理方法、装置及电子设备,以解决现有技术的上述技术问题。
为了达到上述目的,第一方面本发明提供了一种图像处理方法,所述方法包括:
获取待检测图像并从所述待检测图像中提取特征点,所述待检测图像为可见光图像或红外图像;
根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述,所述特征点描述根据所述特征点对应的滤波尺度及相位确定;
根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象。
在一些实施例中,所述根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象包括:
确定每一所述特征点与每一所述历史特征点的匹配度,确定匹配度满足第一预设条件的所述特征点及所述历史特征点为匹配特征点对;
当所述匹配特征点对的数量满足第二预设条件时,确定所述待检测图像包含所述待识别对象。
在一些实施例中,所述确定每一所述特征点与每一所述历史特征点的匹配度,确定匹配度满足第一预设条件的所述特征点及所述历史特征点为匹配特征点对包括:
根据所述历史特征点及对应的所述历史特征点描述,利用预设算法确定每一所述特征点对应的相似历史特征点;
根据预设拼接规则,拼接所述待检测图像及包含所述历史特征点及历史特征点描述的历史图像生成拼接后图像;
根据所述拼接后图像中经过所述特征点及对应的所述相似历史特征点的线段,确定每一所述线段的斜率及长度;
确定斜率及长度满足第三预设条件的线段对应的特征点及相似历史特征点为匹配特征点对。
在一些实施例中,所述根据所述历史特征点及对应的所述历史特征点描述,利用预设算法确定每一所述特征点对应的相似历史特征点包括:
根据欧几里得距离方法,确定每一所述特征点与历史特征点的相似度;
确定与所述特征点的相似度满足第四预设条件的所述历史特征点为所述特征点对应的相似历史特征点。
在一些实施例中,所述根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述包括:
根据所述特征点,确定所述待检测图像中包含所述特征点的预设区域;
将所述预设区域划分为预设子区域,并确定所述预设子区域包含的目标区域;
根据所述预设滤波器生成的所述预设子区域的相位,确定所述目标区域的旋转规则;
根据所述旋转规则,旋转所述目标区域;
根据旋转后的所述目标区域及除所述目标区域外的所述预设子区域,利用预设滤波器生成所述特征点对应的特征点描述。
在一些实施例中,所述方法包括:
当确定所述待检测图像包含所述待识别对象时,根据所述特征点及所述特征点描述更新预设数据库中所述待识别对象对应的历史特征点及历史特征点描述;
当确定所述待检测图像不包含所述待识别对象时,生成包含所述特征点及所述特征点描述的对象记录并存储至所述预设数据库中。
在一些实施例中,所述根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述包括:
根据所述待检测图像,利用Log Gabor滤波器生成所述特征点对应的特征点描述。
在一些实施例中,所述历史特征点及所述历史特征点描述预先根据包含所述待识别对象的历史可见光图像或历史红外图像确定。
第二方面,本申请提供了一种图像处理装置,所述装置包括:
获取模块,用于获取待检测图像并从所述待检测图像中提取特征点,所述待检测图像为可见光图像或红外图像;
生成模块,用于根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述,所述特征点描述根据所述特征点对应的滤波尺度及相位确定;
判断模块,用于根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象。
第三方面,本申请提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
以及与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
获取待检测图像并从所述待检测图像中提取特征点,所述待检测图像为可见光图像或红外图像;
根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述,所述特征点描述根据所述特征点对应的滤波尺度及相位确定;
根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象。
本发明实现的有益效果为:
本申请提供了一种图像处理方法,所述方法包括:获取待检测图像并从所述待检测图像中提取特征点,所述待检测图像为可见光图像或红外图像;根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述;根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象,本申请将根据滤波尺度及相位确定特征点的特征点描述,减弱了特征点描述对光度的敏感性,提高了异源探测器成像特征点描述的一致性和代表性,实现了能够根据红外图像或可见光图像确定的待识别对象的特征点及特征点描述识别新的红外图像和可见光图像中包括的待识别图像,解决了现有技术中目标检测及跟踪只能分别建立基于可见光和红外光的识别系统,无法同步运行的问题;
进一步地,本申请还提出了利用LogGabor滤波器提取特征点描述,可以更好地根据哺乳动物视觉表层中简单细胞的感受场去描绘特征点及周围区域的滤波尺度、相位和振幅;
本申请还提出了根据所述特征点,确定所述待检测图像中包含所述特征点的预设区域;将所述预设区域划分为预设子区域,并确定所述预设子区域包含的目标区域;根据所述预设滤波器生成的所述预设子区域的相位,确定所述目标区域的旋转规则;根据所述旋转规则,旋转所述目标区域;根据旋转后的所述目标区域及除所述目标区域外的所述预设子区域,利用预设滤波器生成所述特征点对应的特征点描述,本申请通过将特征点附近的目标区域进行旋转,解决了特征提取的旋转不变性问题,进一步提升了识别效率及准确率;
由于图像相对位置固定的时候,特征点的对应不是随机的,而是在一定的范围内存在对应点对连接线斜率的一致性和对应点对连接线段的长度相似性,因此本申请利用该原则提出了根据预设拼接规则,拼接所述待检测图像及包含所述历史特征点及历史特征点描述的历史图像生成拼接后图像;根据所述拼接后图像中经过所述特征点及对应的所述相似历史特征点的线段,确定每一所述线段的斜率及长度;确定斜率及长度满足第三预设条件的线段对应的特征点及相似历史特征点为匹配特征点对,实现了筛选匹配特征点对,为后续的匹配提供了保障,提高了匹配的准确性。
本发明所有产品并不需要具备上述所有效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是本申请实施例提供的目标检测及跟踪流程图;
图2是本申请实施例提供的算法流程图;
图3是本申请实施例提供的方法流程图;
图4是本申请实施例提供的装置结构图;
图5是本申请实施例提供的电子设备结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如背景技术所述,现有技术采用的技术方案无法实现应用基于历史红外图像或历史可见光图像确定的待识别对象的特征点及特征点描述同时对可见光和红外图像是否包括该待识别对象进行识别。
为解决上述技术问题,本申请提出了一种图像处理方法,解决了现有技术的上述问题,可根据红外图像或可见光图像确定的待识别对象的特征点及特征点描述识别新的红外图像和可见光图像中包括的待识别图像。
实施例一
如图1及图2所示,下面结合具体场景对应用本申请公开的图像处理方法进行对红外图像和可见光图像的目标检测及跟踪的过程包括:
步骤一、获取待检测图像并从待检测图像中提取特征点;
待检测图像可包括来自可见光与红外摄像头的实时视频流、来自由网络传输的外部数据、来自本地存储介质的本地数据等。在提取特征点前,可对待检测图像进行解析与预处理,其中图像解析方法包括使用解码、解压缩的方式提取图像数据,重构图像数据;预处理方法包括使用尺度变换、视觉效果提升等操作提高图像质量,并使用单一阈值或者自适应阈值等的方法输出轮廓图,并根据该轮廓图进行特征点检测。在提取特征点前,优选的可将待检测图像转换为灰度图,以提升特征点识别效果。
可以使用FAST、BRIEF、Harris等任意特征点检测方法进行特征点检测,本申请对此不加限定。优选的,用户可预先规定需要对待检测图像进行目标检测操作或目标跟踪操作。目标检测操作主要是识别待检测图像中是否包括待识别对象,目标跟踪操作主要是对待识别对象进行持续追踪。
当用户选择对图像进行目标跟踪操作时,为了保证跟踪效果,可对图像进行筛选。当待检测图像包含的特征点数量不小于预设值时,对该图像继续执行后续。当小于预设值时可认为该图像不包含待识别对象,不对该图像进行后续操作。具体的,所述预设值可以是25或任意指定值。
步骤二、根据特征点及待检测图像,利用LogGabor滤波器生成每一特征点对应的特征点描述;
具体的,所述生成过程包括:
S1、确定每一特征点周围预设大小的方形区域为预设区域;
具体的,该预设区域可以是以特征点为中心、m*m的方形像素区域,其中m代表方形像素区域的边长包含的像素数量。
S2、将预设区域划分为预设数量的子区域,并根据选取规则确定子区域中包含的目标区域;
当预设区域可以是以特征点为中心、m*m的方形像素区域时,每一子区域可以是相同大小的方形区域。可以按照任意选取规则从子区域中确定目标区域,例如可以间隔地从子区域中选取目标区域,即使子区域与目标区域在预设区域中的排列顺序为……子区域、目标区域、子区域、目标区域……的形式。
S3、根据根据预设区域及子区域,利用LogGabor滤波器确定特征点对应的特征点描述;
LogGabor滤波算子公式包括:
LogGabor滤波算子是一种可提取纹理特征的图像算法。具体的,可确定包含目标区域在内的每一子区域对应的频率和角度,然后利用LogGabor滤波算子公式,确定所有子区域分别对应的滤波尺度和相位。根据LogGabor滤波算子公式可以计算得到包含目标区域在内的所有子区域分别对应的滤波尺度和相位的响应输出。然后统计每个子区域对应的所有滤波输出即响应输出,并确定所有响应输出中的最大值对应的相位为该子区域的优势相位。根据子区域的优势相位可以确定目标区域的旋转角度及方向,然后根据确定的旋转角度及方向将预设区域内包含的目标区域进行旋转。根据LogGabor滤波算子公式可以计算得到旋转后的包含目标区域在内的所有子区域分别对应的滤波尺度、相位并根据滤波尺度及相位确定相应的响应输出值,根据所有响应输出值确定该预设区域即特征点对应的特征点描述。具体的,可以拼接所有响应输出值得到该特征点对应的特征点描述。
步骤三、获取预设数据库中待识别对象对应的历史图像、根据该历史图像获得的历史特征点及对应的历史特征点描述子;
根据待检测图像及历史图像可以确定待检测图像是否包含该待识别图像,所述确定过程包括:
A1、利用欧几里得距离算法确定特征点与每一历史特征点的相似度,确定与特征点的相似度满足第四预设条件的历史特征点为该特征点对应的相似历史特征点;
即计算每一特征点与每一历史特征点的相似度,并确定与某一特征点的相似度满足第四预设条件的历史特征点为该特征点对应的相似历史特征点;
A2、水平拼接待检测图像及历史图像,生成每一特征点与相似历史特征点的连线线段并计算每一连线线段的长度及斜率;
A3、根据长度及斜率的离散状态,确定匹配特征点对;
具体的,可以根据每一连线线段的长度及斜率,可以生成所有连线线段的长度和斜率分别的公差值,然后确定长度和斜率均不超过对应的公差的连线线段对应的特征点及相似历史特征点为匹配特征点对。
步骤四、当匹配特征点数量满足第二预设条件时,确定待检测图像包含待识别对象。
当不满足时,确定待检测图像不包含待识别对象。
当用户需要对待识别对象进行目标检测操作时,若确定待检测图像包含该待识别对象则可根据特征点及特征点描述更新预设数据库中该待识别对象对应的记录;若确定不包含时可根据特征点及特征点描述生成新对象对应的记录。
当用户需要对待识别对象进行目标跟踪操作时,若确定待检测图像包含该待识别对象则可输出预设数据库中该待识别对象对应的记录,以便用户查看;当确定不包含时则放弃该待识别图像。
实施例二
对应上述实施例,本申请提供了一种图像处理方法,如图3所示,所述方法包括:
310、获取待检测图像并从所述待检测图像中提取特征点,所述待检测图像为可见光图像或红外图像;
320、根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述,所述特征点描述根据所述特征点对应的滤波尺度及相位确定;
优选的,所述根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述包括:
321、根据所述待检测图像,利用Log Gabor滤波器生成所述特征点对应的特征点描述。
优选的,所述根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述包括:
322、根据所述特征点,确定所述待检测图像中包含所述特征点的预设区域;
323、将所述预设区域划分为预设子区域,并确定所述预设子区域包含的目标区域;
324、根据所述预设滤波器生成的所述预设子区域的相位,确定所述目标区域的旋转规则;
325、根据所述旋转规则,旋转所述目标区域;
326、根据旋转后的所述目标区域及除所述目标区域外的所述预设子区域,利用预设滤波器生成所述特征点对应的特征点描述。
330、根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象。
优选的,所述根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象包括:
331、确定每一所述特征点与每一所述历史特征点的匹配度,确定匹配度满足第一预设条件的所述特征点及所述历史特征点为匹配特征点对;
332、当所述匹配特征点对的数量满足第二预设条件时,确定所述待检测图像包含所述待识别对象。
优选的,所述确定每一所述特征点与每一所述历史特征点的匹配度,确定匹配度满足第一预设条件的所述特征点及所述历史特征点为匹配特征点对包括:
333、根据所述历史特征点及对应的所述历史特征点描述,利用预设算法确定每一所述特征点对应的相似历史特征点;
334、根据预设拼接规则,拼接所述待检测图像及包含所述历史特征点及历史特征点描述的历史图像生成拼接后图像;
335、根据所述拼接后图像中经过所述特征点及对应的所述相似历史特征点的线段,确定每一所述线段的斜率及长度;
336、确定斜率及长度满足第三预设条件的线段对应的特征点及相似历史特征点为匹配特征点对。
优选的,所述根据所述历史特征点及对应的所述历史特征点描述,利用预设算法确定每一所述特征点对应的相似历史特征点包括:
337、根据欧几里得距离方法,确定每一所述特征点与历史特征点的相似度;
338、确定与所述特征点的相似度满足第四预设条件的所述历史特征点为所述特征点对应的相似历史特征点。
优选的,所述方法包括:
340、当确定所述待检测图像包含所述待识别对象时,根据所述特征点及所述特征点描述更新预设数据库中所述待识别对象对应的历史特征点及历史特征点描述;
341、当确定所述待检测图像不包含所述待识别对象时,生成包含所述特征点及所述特征点描述的对象记录并存储至所述预设数据库中。
优选的,所述方法包括:
350、当确定所述待检测图像包含所述待识别对象时,获取预设数据库中所述待识别对象对应的记录并可视化显示。
优选的,所述历史特征点及所述历史特征点描述预先根据包含所述待识别对象的历史可见光图像或历史红外图像确定。
实施例三
对应上述实施例,本申请提供了一种图像处理装置,如图4所示,所述装置包括:
获取模块410,用于获取待检测图像并从所述待检测图像中提取特征点,所述待检测图像为可见光图像或红外图像;
生成模块420,用于根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述,所述特征点描述根据所述特征点对应的滤波尺度及相位确定;
判断模块430,用于根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象。
优选的,所述判断模块430还可用于确定每一所述特征点与每一所述历史特征点的匹配度,确定匹配度满足第一预设条件的所述特征点及所述历史特征点为匹配特征点对;
当所述匹配特征点对的数量满足第二预设条件时,确定所述待检测图像包含所述待识别对象。
优选的,所述判断模块430还可用于根据所述历史特征点及对应的所述历史特征点描述,利用预设算法确定每一所述特征点对应的相似历史特征点;根据预设拼接规则,拼接所述待检测图像及包含所述历史特征点及历史特征点描述的历史图像生成拼接后图像;根据所述拼接后图像中经过所述特征点及对应的所述相似历史特征点的线段,确定每一所述线段的斜率及长度;确定斜率及长度满足第三预设条件的线段对应的特征点及相似历史特征点为匹配特征点对。
优选的,所述判断模块430还可用于根据欧几里得距离方法,确定每一所述特征点与历史特征点的相似度;确定与所述特征点的相似度满足第四预设条件的所述历史特征点为所述特征点对应的相似历史特征点。
优选的,所述装置还包括处理模块,用于根据所述特征点,确定所述待检测图像中包含所述特征点的预设区域;将所述预设区域划分为预设子区域,并确定所述预设子区域包含的目标区域;根据所述预设滤波器生成的所述预设子区域的相位,确定所述目标区域的旋转规则;根据所述旋转规则,旋转所述目标区域;根据旋转后的所述目标区域及除所述目标区域外的所述预设子区域,利用预设滤波器生成所述特征点对应的特征点描述。
优选的,所述判断模块430还可用于当确定所述待检测图像包含所述待识别对象时,根据所述特征点及所述特征点描述更新预设数据库中所述待识别对象对应的历史特征点及历史特征点描述;当确定所述待检测图像不包含所述待识别对象时,生成包含所述特征点及所述特征点描述的对象记录并存储至所述预设数据库中。
优选的,所述生成模块420还可用于根据所述待检测图像,利用Log Gabor滤波器生成所述特征点对应的特征点描述。
优选的,所述历史特征点及所述历史特征点描述预先根据包含所述待识别对象的历史可见光图像或历史红外图像确定。
实施例四
对应上述方法、设备及系统,本申请实施例提供一种电子设备,包括:一个或多个处理器;以及与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
获取待检测图像并从所述待检测图像中提取特征点,所述待检测图像为可见光图像或红外图像;
根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述,所述特征点描述根据所述特征点对应的滤波尺度及相位确定;
根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象。
其中,图5示例性的展示出了电子设备的架构,具体可以包括处理器1510,视频显示适配器1511,磁盘驱动器1512,输入/输出接口1513,网络接口1514,以及存储器1520。上述处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514,与存储器1520之间可以通过通信总线1530进行通信连接。
其中,处理器1510可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请所提供的技术方案。
存储器1520可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1520可以存储用于控制电子设备1500运行的操作系统1521,用于控制电子设备1500的低级别操作的基本输入输出系统(BIOS)1522。另外,还可以存储网页浏览器1523,数据存储管理1524,以及图标字体处理系统1525等等。上述图标字体处理系统1525就可以是本申请实施例中具体实现前述各步骤操作的应用程序。总之,在通过软件或者固件来实现本申请所提供的技术方案时,相关的程序代码保存在存储器1520中,并由处理器1510来调用执行。输入/输出接口1513用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
网络接口1514用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1530包括一通路,在设备的各个组件(例如处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514,与存储器1520)之间传输信息。
另外,该电子设备1500还可以从虚拟资源对象领取条件信息数据库1541中获得具体领取条件的信息,以用于进行条件判断,等等。
需要说明的是,尽管上述设备仅示出了处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514,存储器1520,总线1530等,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本申请方案所必需的组件,而不必包含图中所示的全部组件。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,云服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种图像处理方法,其特征在于,所述方法包括:
获取待检测图像并从所述待检测图像中提取特征点,所述待检测图像为可见光图像或红外图像;
根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述,所述特征点描述根据所述特征点对应的滤波尺度及相位确定;
根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象;
其中,所述根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述包括:
根据所述特征点,确定所述待检测图像中包含所述特征点的预设区域;
将所述预设区域划分为预设子区域,并根据任意选取规则从预设子区域中确定目标区域;
根据所述预设滤波器生成的所述预设子区域的相位,确定所述目标区域的旋转规则;
根据所述旋转规则,旋转所述目标区域;
根据旋转后的所述目标区域及除所述目标区域外的所述预设子区域,利用预设滤波器生成所述特征点对应的特征点描述。
2.根据权利要求1所述的处理方法,其特征在于,所述根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象包括:
确定每一所述特征点与每一所述历史特征点的匹配度,确定匹配度满足第一预设条件的所述特征点及所述历史特征点为匹配特征点对;
当所述匹配特征点对的数量满足第二预设条件时,确定所述待检测图像包含所述待识别对象。
3.根据权利要求2所述的处理方法,其特征在于,所述确定每一所述特征点与每一所述历史特征点的匹配度,确定匹配度满足第一预设条件的所述特征点及所述历史特征点为匹配特征点对包括:
根据所述历史特征点及对应的所述历史特征点描述,利用预设算法确定每一所述特征点对应的相似历史特征点;
根据预设拼接规则,拼接所述待检测图像及包含所述历史特征点及历史特征点描述的历史图像生成拼接后图像;
根据所述拼接后图像中经过所述特征点及对应的所述相似历史特征点的线段,确定每一所述线段的斜率及长度;
确定斜率及长度满足第三预设条件的线段对应的特征点及相似历史特征点为匹配特征点对。
4.根据权利要求3所述的处理方法,其特征在于,所述根据所述历史特征点及对应的所述历史特征点描述,利用预设算法确定每一所述特征点对应的相似历史特征点包括:
根据欧几里得距离方法,确定每一所述特征点与历史特征点的相似度;
确定与所述特征点的相似度满足第四预设条件的所述历史特征点为所述特征点对应的相似历史特征点。
5.根据权利要求1-4任一所述的处理方法,其特征在于,所述方法包括:
当确定所述待检测图像包含所述待识别对象时,根据所述特征点及所述特征点描述更新预设数据库中所述待识别对象对应的历史特征点及历史特征点描述;
当确定所述待检测图像不包含所述待识别对象时,生成包含所述特征点及所述特征点描述的对象记录并存储至所述预设数据库中。
6.根据权利要求1-4任一所述的处理方法,其特征在于,所述根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述包括:
根据所述待检测图像,利用Log Gabor滤波器生成所述特征点对应的特征点描述。
7.根据权利要求1-4任一所述的处理方法,其特征在于,所述历史特征点及所述历史特征点描述预先根据包含所述待识别对象的历史可见光图像或历史红外图像确定。
8.一种图像处理装置,其特征在于,所述装置包括:
获取模块,用于获取待检测图像并从所述待检测图像中提取特征点,所述待检测图像为可见光图像或红外图像;
生成模块,用于根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述,所述特征点描述根据所述特征点对应的滤波尺度及相位确定;
判断模块,用于根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象;
其中,所述生成模块还用于根据所述特征点,确定所述待检测图像中包含所述特征点的预设区域;
所述生成模块还用于将所述预设区域划分为预设子区域,并根据任意选取规则从预设子区域中确定目标区域;
所述生成模块还用于根据所述预设滤波器生成的所述预设子区域的相位,确定所述目标区域的旋转规则;
所述生成模块还用于根据所述旋转规则,旋转所述目标区域;
所述生成模块还用于根据旋转后的所述目标区域及除所述目标区域外的所述预设子区域,利用预设滤波器生成所述特征点对应的特征点描述。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
以及与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
获取待检测图像并从所述待检测图像中提取特征点,所述待检测图像为可见光图像或红外图像;
根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述,所述特征点描述根据所述特征点对应的滤波尺度及相位确定;
根据所述特征点及所述对应的特征点描述与待识别对象对应的历史特征点及历史特征点描述,确定所述待检测图像是否包含所述待识别对象;
其中,所述根据所述待检测图像,利用预设滤波器生成所述特征点对应的特征点描述包括:
根据所述特征点,确定所述待检测图像中包含所述特征点的预设区域;
将所述预设区域划分为预设子区域,并根据任意选取规则从预设子区域中确定目标区域;
根据所述预设滤波器生成的所述预设子区域的相位,确定所述目标区域的旋转规则;
根据所述旋转规则,旋转所述目标区域;
根据旋转后的所述目标区域及除所述目标区域外的所述预设子区域,利用预设滤波器生成所述特征点对应的特征点描述。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110370907.7A CN113191202B (zh) | 2021-04-07 | 2021-04-07 | 一种图像处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110370907.7A CN113191202B (zh) | 2021-04-07 | 2021-04-07 | 一种图像处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113191202A CN113191202A (zh) | 2021-07-30 |
CN113191202B true CN113191202B (zh) | 2022-07-12 |
Family
ID=76974816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110370907.7A Active CN113191202B (zh) | 2021-04-07 | 2021-04-07 | 一种图像处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191202B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117292413A (zh) * | 2023-11-27 | 2023-12-26 | 江苏圣点世纪科技有限公司 | 一种静脉图像旋转识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105261014A (zh) * | 2015-09-30 | 2016-01-20 | 西南交通大学 | 一种多传感器遥感影像匹配方法 |
CN105518709A (zh) * | 2015-03-26 | 2016-04-20 | 北京旷视科技有限公司 | 用于识别人脸的方法、系统和计算机程序产品 |
CN108764249A (zh) * | 2018-04-23 | 2018-11-06 | 云南民族大学 | 一种旋转不变多源影像局部特征描述方法、系统和装置 |
CN109308463A (zh) * | 2018-09-12 | 2019-02-05 | 北京奇艺世纪科技有限公司 | 一种视频目标识别方法、装置及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110956186A (zh) * | 2019-11-21 | 2020-04-03 | 山东浪潮通软信息科技有限公司 | 一种图像识别的方法、设备及介质 |
CN111241938A (zh) * | 2019-12-31 | 2020-06-05 | 深圳奇迹智慧网络有限公司 | 基于图像校验的人脸识别方法、装置和计算机设备 |
-
2021
- 2021-04-07 CN CN202110370907.7A patent/CN113191202B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105518709A (zh) * | 2015-03-26 | 2016-04-20 | 北京旷视科技有限公司 | 用于识别人脸的方法、系统和计算机程序产品 |
CN105261014A (zh) * | 2015-09-30 | 2016-01-20 | 西南交通大学 | 一种多传感器遥感影像匹配方法 |
CN108764249A (zh) * | 2018-04-23 | 2018-11-06 | 云南民族大学 | 一种旋转不变多源影像局部特征描述方法、系统和装置 |
CN109308463A (zh) * | 2018-09-12 | 2019-02-05 | 北京奇艺世纪科技有限公司 | 一种视频目标识别方法、装置及设备 |
Non-Patent Citations (1)
Title |
---|
基于斜率一致性的电气设备红外与可见光图像配准方法;许金鑫等;《光电子•激光》;20170731;第28卷(第7期);正文第2.4节 * |
Also Published As
Publication number | Publication date |
---|---|
CN113191202A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110322500B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
Gaidhane et al. | An efficient similarity measure approach for PCB surface defect detection | |
CN106650662B (zh) | 目标对象遮挡检测方法及装置 | |
CN110909712B (zh) | 运动目标检测方法、装置、电子设备及存储介质 | |
CN108229418B (zh) | 人体关键点检测方法和装置、电子设备、存储介质和程序 | |
CN110349212B (zh) | 即时定位与地图构建的优化方法及装置、介质和电子设备 | |
CN110660102B (zh) | 基于人工智能的说话人识别方法及装置、系统 | |
US20140270362A1 (en) | Fast edge-based object relocalization and detection using contextual filtering | |
CN112669344A (zh) | 一种运动物体的定位方法、装置、电子设备及存储介质 | |
CN110634137A (zh) | 一种基于视觉感知的桥梁变形的监测方法、装置及设备 | |
CN108229494B (zh) | 网络训练方法、处理方法、装置、存储介质和电子设备 | |
CN110738078A (zh) | 一种人脸识别方法及终端设备 | |
CN113191202B (zh) | 一种图像处理方法、装置及电子设备 | |
CN109816628B (zh) | 人脸评价方法及相关产品 | |
CN111191556A (zh) | 人脸识别方法、装置及电子设备 | |
CN116958145B (zh) | 图像处理方法、装置、视觉检测系统及电子设备 | |
CN116046790B (zh) | 缺陷检测方法、装置、系统、电子设备以及存储介质 | |
EP3044734B1 (en) | Isotropic feature matching | |
CN113052019A (zh) | 目标跟踪方法及装置、智能设备和计算机存储介质 | |
CN115908988B (zh) | 一种缺陷检测模型生成方法、装置、设备以及存储介质 | |
CN110689556A (zh) | 跟踪方法、装置及智能设备 | |
CN113108919B (zh) | 人体温度检测方法、装置和存储介质 | |
Madhekar et al. | Real time object detection and tracking using Raspberry Pi | |
CN113365027B (zh) | 视频处理方法及装置、电子设备和存储介质 | |
Wang et al. | The comparison of canny and structured forests edge detection application in precision identification of pointer instrument |
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 |