CN113506321A

CN113506321A - 图像处理方法及装置、电子设备和存储介质

Info

Publication number: CN113506321A
Application number: CN202110799920.4A
Authority: CN
Inventors: 赵蓉; 施路平; 杨哲宇; 王韬毅
Original assignee: Tsinghua University
Current assignee: Tsinghua University
Priority date: 2021-07-15
Filing date: 2021-07-15
Publication date: 2021-10-15

Abstract

本公开涉及一种图像处理方法及装置、电子设备和存储介质，所述方法包括：确定第一时间段内获取的第一色彩图像中的目标对象的第一注意力信息；将第一注意力信息和第一色彩图像输入第一特征提取网络，获得第一特征信息；将第一时刻的动态视觉信息输入第二特征提取网络，获得的第二特征信息；根据第一特征信息和第二特征信息，获得目标对象在第一时刻的位置信息。根据本公开的实施例的图像处理方法，动态视觉信息的拍摄频率高于色彩图像的拍摄频率，可获取到色彩图像的拍摄间隔中的动态视觉信息，从而确定拍摄间隔中多个时刻的位置信息，使得位置信息的获取频率提高，有助于对运动对象的运动轨迹或动作进行追踪，提升追踪效果。

Description

图像处理方法及装置、电子设备和存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。

背景技术

在相关技术中，相机或摄像头采集图像或视频帧的帧频不高，在一定时间段内采集到的视频帧的数量有限，如果拍摄的目标对象速度较快，则在两个视频帧之间的时间间隔中，难以拍摄到目标对象，也难以确定目标对象的位姿，导致遗漏目标对象的动作或轨迹。

发明内容

本公开提出了一种图像处理方法及装置、电子设备和存储介质。

根据本公开的一方面，提供了一种图像处理方法，包括：确定第一时间段内获取的第一色彩图像中的目标对象的第一注意力信息；将所述第一色彩图像以及所述第一注意力信息输入第一特征提取网络，获得所述第一色彩图像的第一特征信息；将第一时间段内的第一时刻获取的所述目标对象的动态视觉信息输入第二特征提取网络，获得与所述动态视觉信息对应的第二特征信息，其中，动态视觉信息的获取频率高于色彩图像的获取频率；根据所述第一特征信息和所述第二特征信息，获得所述目标对象在所述第一时刻的位置信息。

在一种可能的实现方式中，根据所述第一特征信息和所述第二特征信息，获得所述目标对象在所述第一时刻的位置信息，包括：将所述第一特征信息和所述第二特征信息进行加权求和，获得第三特征信息；确定所述第三特征信息的第二注意力信息；根据所述第二注意力信息，确定所述目标对象在所述第一时刻的位置信息。

在一种可能的实现方式中，根据所述第一特征信息和所述第二特征信息，获得所述目标对象在所述第一时刻的位置信息，包括：将所述第一特征信息和所述第二特征信息进行加权求和，获得第四特征信息；对所述第四特征信息进行卡尔曼滤波处理，获得所述目标对象在所述第一时刻的位置信息。

在一种可能的实现方式中，确定第一时间段内获取的第一色彩图像中的目标对象的第一注意力信息，包括：对所述第一色彩图像进行注意力自编码处理，获得所述第一注意力信息。

在一种可能的实现方式中，确定第一时间段内获取的第一色彩图像中的目标对象的第一注意力信息，包括：对所述第一色彩图像和所述目标对象在第二时刻的位置信息进行注意力自编码处理，获得所述第一注意力信息，其中，所述第二时刻为获取到与所述第一色彩图像相邻的前一个动态视觉信息的时刻。

在一种可能的实现方式中，所述第一特征提取网络包括卷积神经网络，所述第二特征提取网络包括脉冲神经网络。

根据本公开的一方面，提供了一种图像处理装置，包括：注意力确定模块，用于确定第一时间段内获取的第一色彩图像中的目标对象的第一注意力信息；第一特征信息获取模块，用于将所述第一色彩图像以及所述第一注意力信息输入第一特征提取网络，获得所述第一色彩图像的第一特征信息；第二特征信息获取模块，用于将第一时间段内的第一时刻获取的所述目标对象的动态视觉信息输入第二特征提取网络，获得与所述动态视觉信息对应的第二特征信息，其中，动态视觉信息的获取频率高于色彩图像的获取频率；位置信息确定模块，用于根据所述第一特征信息和所述第二特征信息，获得所述目标对象在所述第一时刻的位置信息。

在一种可能的实现方式中，所述位置信息确定模块进一步用于：将所述第一特征信息和所述第二特征信息进行加权求和，获得第三特征信息；确定所述第三特征信息的第二注意力信息；根据所述第二注意力信息，确定所述目标对象在所述第一时刻的位置信息。

在一种可能的实现方式中，所述位置信息确定模块进一步用于：将所述第一特征信息和所述第二特征信息进行加权求和，获得第四特征信息；对所述第四特征信息进行卡尔曼滤波处理，获得所述目标对象在所述第一时刻的位置信息。

在一种可能的实现方式中，所述注意力确定模块进一步用于：对所述第一色彩图像进行注意力自编码处理，获得所述第一注意力信息。

在一种可能的实现方式中，所述注意力确定模块进一步用于：对所述第一色彩图像和所述目标对象在第二时刻的位置信息进行注意力自编码处理，获得所述第一注意力信息，其中，所述第二时刻为获取到与所述第一色彩图像相邻的前一个动态视觉信息的时刻。

根据本公开的一方面，提供了一种电子设备，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调用所述存储器存储的指令，以执行上述方法。

根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。

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，而非限制本公开。根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

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，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。

图1示出根据本公开实施例的图像处理方法的流程图；

图2示出根据本公开的实施例的图像处理方法应用示意图；

图3示出根据本公开的实施例的图像处理方法应用示意图；

图4示出根据本公开的实施例的图像处理装置的框图；

图5示出根据本公开的实施例的电子装置的框图；

图6示出根据本公开的实施例的电子装置的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开实施例的图像处理方法的流程图，如图1所示，所述图像处理方法包括：

在步骤S11中，确定第一时间段内获取的第一色彩图像中的目标对象的第一注意力信息；

在步骤S12中，将所述第一色彩图像以及所述第一注意力信息输入第一特征提取网络，获得所述第一色彩图像的第一特征信息；

在步骤S13中，将第一时间段内的第一时刻获取的所述目标对象的动态视觉信息输入第二特征提取网络，获得与所述动态视觉信息对应的第二特征信息，其中，动态视觉信息的获取频率高于色彩图像的获取频率；

在步骤S14中，根据所述第一特征信息和所述第二特征信息，获得所述目标对象在所述第一时刻的位置信息。

根据本公开的实施例的图像处理方法，可通过注意力信息对色彩图像进行特征提取，获取将注意力机制集中于目标对象的第一特征信息，还可获得第一时刻的动态视觉信息的第二特征信息，从而可基于第一特征信息和第二特征信息确定目标对象在第一时刻的位置信息。由于动态视觉信息的拍摄频率高于色彩图像的拍摄频率，可获取到色彩图像的拍摄间隔中的动态视觉信息，从而确定拍摄间隔中的获取到任一动态视觉信息的时刻的位置信息。可使得位置信息的获取频率提高，有助于对运动对象的运动轨迹或动作进行追踪，提升追踪效果。

在一种可能的实现方式中，所述图像处理方法可以由终端设备或服务器等电子设备执行，终端设备可以为用户设备(User Equipment，UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant，PDA)、手持设备、计算设备、车载设备、可穿戴设备等，所述方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者，可通过服务器执行所述方法。

在一种可能的实现方式中，动态视觉感受器(Dynamic visual receptors，DVS)与对光强变化率敏感，并且每个像素可记录该像素位置处光强的变化量，当变化量超过阈值后产生一个正向或负向脉冲，即，动态视觉信息。

例如，事件相机(Event Camera)是一种动态视觉感受器，可用于获取预设场景的光强变化率。在预设场景中的目标出现异动或进行某些动作时，该目标呈现在事件相机中的光强可发生一定程度的变化，事件相机可敏锐地捕捉这种变化，获得动态视觉信息。

在一种可能的实现方式中，相比于普通相机或摄像头，动态视觉感受器的帧频更高，例如，相机或传统摄像头的帧频约为100fps，而动态视觉感受器的帧频约为1,000,000fps。因此，在普通相机或摄像头拍摄到两帧图像之间的时间间隔中，可拍摄到多帧动态视觉信息。

在一种可能的实现方式中，由于色彩图像的获取频率较低，因此在获取到两帧色彩图像之间的时间间隔中难以拍摄到目标对象的色彩图像，也难以通过色彩图像对目标对象进行跟踪。而动态视觉信息的获取频率较高，在获取到两帧色彩图像之间的时间间隔中可获取到多个动态视觉信息，因此，可基于动态视觉信息来确定目标对象在色彩图像的拍摄间隔中多个时刻的位置信息，即，基于动态视觉信息在所述时间间隔中追踪目标对象。

在一种可能的实现方式中，基于色彩图像和动态视觉信息共同对目标对象进行追踪的方式类似于视网膜中的视锥细胞和视杆细胞对目标对象进行追踪的过程。在人眼视网膜追踪目标对象的过程中，视锥细胞可分辨目标对象的颜色、形状等特征，视杆细胞则对光线敏感，目标对象运动时，大脑可通过视锥细胞确定目标对象的颜色和形状，并通过视杆细胞来确定光线的变化，进一步地，可综合两种细胞获得的信息，以确定目标对象的位置。

在一种可能的实现方式中，类似于视网膜中视锥细胞和视杆细胞追踪目标对象的过程，可基于第一特征提取网络和第二特征提取网络来追踪目标对象。第一特征提取网络可以是适用于处理色彩图像的神经网络，第二特征提取网络可以是适用于处理动态视觉信息，通过综合色彩图像和动态视觉信息两种输入信息来追踪目标对象。在示例中，所述第一特征提取网络包括卷积神经网络，所述第二特征提取网络包括脉冲神经网络。本公开对第一特征提取网络和第二特征提取网络的类型不做限制。

在一种可能的实现方式中，在一种可能的实现方式中，第一时间段的长度可以等于相机或摄像头采集到两帧所述预设场景的色彩图像(例如，图像或视频帧)之间的时间间隔，也可以是采集到预设场景的多帧色彩图像之间的时间间隔。即，第一时间段的起止时刻可以是采集到色彩图像的时刻。在另一示例中，第一时间段的起止时刻也可不是采集到色彩图像的时刻，只需在第一时间段中至少采集到一帧色彩图像即可。

在一种可能的实现方式中，可通过第一光流网络和第二光流网络分别提取第一色彩图像和动态视觉信息之间的光流信息。第一光流网络可以是适用于处理图像的神经网络，第二光流网络可以是适用于处理脉冲信号的神经网络。在示例中，所述第一光流网络包括卷积神经网络，所述第二光流网络包括递归神经网络。本公开对第一光流网络和第二光流网络的类型不做限制。

在一种可能的实现方式中，在步骤S11中，可首先处理第一时间段内的第一色彩图像。第一色彩图像中可包括待追踪的目标对象。为提高第一特征提取网络获取第一特征信息的效率和准确度，可首先确定第一色彩图像中目标对象的第一注意力信息，例如，第一注意力信息可包括权值信息，通过该权值信息，可对第一特征提取网络获取的特征图进行加权处理，使得第一特征提取网络的注意力机制集中于目标对象所在区域，以获得第一特征信息。

在一种可能的实现方式中，可首先确定第一色彩图像中目标对象的第一注意力信息。步骤S11可包括：对所述第一色彩图像进行注意力自编码处理，获得所述第一注意力信息。在示例中，可通过神经网络来获得第一色彩图像中目标对象的注意力信息。在示例中，所述神经网络可包括卷积神经网络，可对第一色彩图像进行自编码处理，以获得第一色彩图像中目标对象的第一注意力信息。例如，通过自编码处理，可确定目标对象的位置，并可基于目标对象的位置确定第一注意力信息。例如，可令神经网络的输出信息中，目标对象所在位置的权值大于其他位置的权值，以获得第一注意力信息。

在一种可能的实现方式中，在步骤S12中，可基于上述第一注意力信息，对第一色彩图像进行特征提取处理。可将第一色彩图像和第一注意力信息输入第一特征提取网络，第一特征提取网络可基于第一注意力信息来提取第一色彩图像的特征信息，例如，可提取权值较高的位置(即，目标对象所在位置)的特征信息，获得第一特征信息。在示例中，所述第一特征信息可以是特征图，该特征图中可包括目标对象所在位置的特征信息(例如，位置、轮廓、色彩等特征信息)，在该特征图中的其他位置，像素值可为0。本公开对第一特征信息的类型不做限制。

在一种可能的实现方式中，在步骤S13中，可通过第二特征提取网络对第一时间段内第一时刻获取的动态视觉信息进行处理，动态视觉信息对光线的变化敏感，可捕捉到运动中的目标对象。通过第二特征提取网络对动态视觉信息进行特征提取，可获得第二特征信息，第二特征信息可包括目标对象的位置信息。

在一种可能的实现方式中，在步骤S14中，可基于第一特征信息和第二特征信息来确定目标对象在第一时刻的位置信息。在示例中，可将第一特征信息和第二特征信息进行结合，来获得目标对象在第一时刻的位置信息。在示例中，动态视觉信息的像素信息比较稀疏，其第二特征信息的像素信息也比较稀疏(例如，仅能反映目标对象的部分像素点的位置信息)，可通过第一特征信息的轮廓信息，以及第二特征信息的稀疏的像素信息，来确定目标对象的完整的位置信息(例如，目标对象的全部像素点的位置信息)。

在一种可能的实现方式中，步骤S14可包括：将所述第一特征信息和所述第二特征信息进行加权求和，获得第三特征信息；确定所述第三特征信息的第二注意力信息；根据所述第二注意力信息，确定所述目标对象在所述第一时刻的位置信息。

在一种可能的实现方式中，第一特征信息和第二特征信息为分辨率相同的特征图，可将第一特征信息和第二特征信息进行加权求和，以将上述两种特征信息进行融合(例如，将第一特征信息中目标对象的轮廓信息和第二特征信息中目标对象稀疏的位置信息进行融合)，获得第三特征信息。

在一种可能的实现方式中，在加权求和处理后，可确定第三特征信息的第二注意力信息，即，确定第三特征信息中注意力机制所集中的位置。例如，第三特征信息可以是特征图，可确定第三特征信息中权值较高的位置，即为所述注意力机制集中的位置。在示例中，第一特征信息中的目标对象所在位置可包含目标对象的特征信息(像素值不为0)，其他位置像素值为0，第二特征信息中像素信息稀疏，仅包括目标对象部分像素点的位置信息，其他位置像素值为0，因此，在第二特征信息和第一特征信息加权求和获得的第三特征信息中，仅目标对象所在位置的像素值较高，其他位置的像素值为0。因此，可将第三特征信息中像素值较高(例如，高于预设阈值的区域)确定为注意力机制集中的位置，以确定所述第二注意力信息。例如，第二注意力信息为权值信息，在目标对象所在的位置，可将权值设置为1，其他位置的权值可设置为0，本公开对第二注意力信息的形式不做限制。

在一种可能的实现方式中，可根据第二注意力信息，确定所述目标对象在第一时刻的位置信息。在示例中，第二注意力信息可将注意力机制集中于目标对象所在的位置，可基于第二注意力信息对第三特征信息进行解码，例如，可基于第二注意力信息对第三特征信息进行加权，可使得目标对象所在位置的像素值较高，其他位置的像素值较低或为0。进一步地，可将加权后获得的特征图进行解码，可获得目标对象在第一时刻的位置信息。

通过这种方式，可将第一特征信息和第二特征信息进行融合，并基于融合后获得的第三特征信息的第二注意力信息确定目标对象在第一时刻的完整的位置信息。可使目标对象在第一时刻的位置信息准确且完整。此外，动态视觉信息的获取频率高于色彩图像，可基于上述方式获得更多时刻的位置信息，提高对目标对象的追踪效果。

在一种可能的实现方式中，可基于上述方式确定目标对象在第一时间段内多个时刻的位置信息。

图2示出根据本公开的实施例的图像处理方法应用示意图。如图2所示，摄像头或相机可拍摄预设场景的第一色彩图像，例如，F₁、F₂…F_n-1、F_n…(n为正整数，且n＞1)事件相机可以以更高的帧率，获得动态视觉信息e_1t0、e_1t1…e_1tm、e_2t0、e_2t1…e_2tm…e_n-1t0、e_n-1t1…e_n-1tm…(m为正整数，且m＞1)即，在第一色彩图像的拍摄间隔中，可拍摄到多个动态视觉信息。

在一种可能的实现方式中，基于动态视觉信息，可确定预设场景中的目标对象在第一色彩图像的拍摄间隔中的位置信息，提高对目标对象的跟踪效果。

在一种可能的实现方式中，以任意第一色彩图像F_n-1和F_n为例，第一色彩图像F_n-1和F_n之间采集到多个动态视觉信息e_n-1t0、e_n-1t1…e_n-1tm。可基于这些动态视觉信息确定目标对象在第一色彩图像F_n-1和F_n的采集间隔中的位置信息。

在一种可能的实现方式中，可将可获取第一色彩图像F_n-1的第一注意力信息，例如，通过自编码处理，获得所述第一注意力信息，所述第一注意力信息可使第一特征提取网络将注意力机制集中于目标对象所在区域。进一步地，可将第一注意力信息和色彩图像F_n-1输入第一特征提取网络，可获得第一特征信息。

在一种可能的实现方式中，如需确定目标对象F_n-1和F_n的采集间隔中任意时刻的位置信息，可将该时刻的动态视觉信息输入第二特征提取网络，第二特征提取网络可获得该时刻的动态视觉信息的第二特征信息，并将第二特征信息与第一特征信息进行融合，获得第三特征信息，并基于第三特征信息来确定目标对象在该时刻的位置信息。

在一种可能的实现方式中，如需对目标对象进行跟踪，即，确定目标对象F_n-1和F_n的采集间隔中所有时刻的位置信息，可将所有时刻的动态视觉信息e_n-1t0、e_n-1t1…e_n-1tm分别输入第二特征提取网络，分别获取各时刻的第二特征信息。

在一种可能的实现方式中，可将各时刻的第二特征信息分别与第一特征信息进行融合。在示例中，可将各第二特征信息分别与第一特征信息进行加权求和。例如，将动态视觉信息e_n-1t0的第二特征信息与第一特征信息进行加权求和，其中，动态视觉信息e_n-1t0的第二特征信息的权值为ω₀，第一特征信息的权值为1-ω₀；将动态视觉信息e_n-1t1的第二特征信息与第一特征信息进行加权求和，动态视觉信息e_n-1t1的第二特征信息的权值为ω₁，第一特征信息的权值为1-ω₁…将动态视觉信息e_n-1tm的第二特征信息与第一特征信息进行加权求和，动态视觉信息e_n-1tm的第二特征信息的权值为ω_m，第一特征信息的权值为1-ω_m。

在一种可能的实现方式中，在经过上述加权求和处理后，可获得各时刻的第三特征信息，基于第三特征信息，可确定第三特征信息的第二注意力信息，进而确定各时刻的位置信息。例如，可以以选择框的形式在各时刻的动态视觉信息中标明目标对象的位置信息。本公开对位置信息的表示方式不做限制。

在一种可能的实现方式中，在确定第一色彩图像的注意力信息时，还可参考目标对象在获取到与第一色彩图像相邻的前一个动态视觉信息的时刻的位置信息。例如，在确定第一色彩图像F_n的注意力信息时，还可参考F_n-1和F_n的采集间隔中获取的动态视觉信息e_n-1t0、e_n-1t1…e_n-1tm中的最后一个动态视觉信息e_n-1tm的获取时刻的位置信息。步骤S11可包括：对所述第一色彩图像和所述目标对象在第二时刻的位置信息进行注意力自编码处理，获得所述第一注意力信息，其中，所述第二时刻为获取到与所述第一色彩图像相邻的前一个动态视觉信息的时刻。在示例中，可将第一色彩图像F_n与动态视觉信息e_n-1tm中标明的目标对象的位置信息输入用于自编码处理的卷积神经网络，以获取到e_n-1tm的第二时刻的位置信息来预测第一色彩图像F_n的第一注意力信息。本公开对第一注意力信息的获取方式不做限制。

在一种可能的实现方式中，以上确定各时刻的位置信息的处理不限于通过确定各第三特征信息的第二注意力信息，也可通过其他方式来确定各时刻的位置信息。例如，可通过卡尔曼滤波的方式来确定个时刻的位置信息。步骤S14可包括：将所述第一特征信息和所述第二特征信息进行加权求和，获得第四特征信息；对所述第四特征信息进行卡尔曼滤波处理，获得所述目标对象在所述第一时刻的位置信息。

在一种可能的实现方式中，可通过上述方式分别将各第二特征信息分别与第一特征信息进行加权求和。例如，将动态视觉信息e_n-1t0的第二特征信息与第一特征信息进行加权求和，动态视觉信息e_n-1t0的第二特征信息的权值为ω₀，第一特征信息的权值为1-ω₀；将动态视觉信息e_n-1t1的第二特征信息与第一特征信息进行加权求和，动态视觉信息e_n-1t1的第二特征信息的权值为ω₁，第一特征信息的权值为1-ω₁…将动态视觉信息e_n-1tm的第二特征信息与第一特征信息进行加权求和，动态视觉信息e_n-1tm的第二特征信息的权值为ω_m，第一特征信息的权值为1-ω_m。加权求和后可获得各时刻的第四特征信息。将第四特征信息进行卡尔曼滤波处理，可获得目标对象在各时刻的位置信息。进一步地，可以以选择框的形式在各时刻的动态视觉信息中标明目标对象的位置信息。

在一种可能的实现方式中，可基于上述方式，获得目标对象在第一色彩图像F_n和F_n+1的采样间隔中的多个时刻的位置信息，还可继续获得后续色彩图像的采样间隔中多个时刻的位置信息。

根据本公开的实施例的图像处理方法，可通过注意力信息对色彩图像进行特征提取，获取将注意力机制集中于目标对象的第一特征信息，还可获得第一时刻的动态视觉信息的第二特征信息，从而可基于第一特征信息和第二特征信息进行融合，并基于融合后获得的第三特征信息的第二注意力信息确定目标对象在第一时刻的完整的位置信息，可使目标对象在第一时刻的位置信息准确且完整。由于动态视觉信息的拍摄频率高于色彩图像的拍摄频率，可获取到色彩图像的拍摄间隔中的动态视觉信息，从而确定拍摄间隔中的获取到任一动态视觉信息的时刻的位置信息。可使得位置信息的获取频率提高，有助于对运动对象的运动轨迹或动作进行追踪，提升追踪效果。

图3示出根据本公开的实施例的图像处理方法应用示意图。如图3所示，相机或摄像头可拍摄色彩图像F_n-1和F_n，色彩图像F_n-1和F_n之间存在时间间隔，难以通过色彩图像对时间间隔中目标对象的运动轨迹进行跟踪，因此，可通过拍摄频率更高的动态视觉信息来追踪所述时间间隔中目标对象的运动轨迹。在示例中，在上述时间间隔中，拍摄到了多个动态视觉信息e_n-1t0、e_n-1t1…e_n-1tm。

在一种可能的实现方式中，可首先获取色彩图像F_n-1的注意力信息，以使得第一特征提取网络将注意力机制集中于目标对象所在位置。并可将注意力信息以及色彩图像F_n-1输入第一特征提取网络，获得第一特征信息。并可将多个动态视觉信息e_n-1t0、e_n-1t1…e_n-1tm分别输入第二特征提取网络，分别获得各时刻的第二特征信息。

在一种可能的实现方式中，可将各时刻的第二特征信息分别与第一特征信息进行融合，例如，可将第二特征信息与第一特征信息进行加权求和处理，获得各时刻的第三特征信息。进一步地，可通过确定各时刻的第三特征信息的注意力信息来确定目标对象在各时刻的位置信息，或者，可对各时刻的第三特征信息进行卡尔曼滤波，来确定目标对象在各时刻的位置信息。

在一种可能的实现方式中，所述图像处理方法可用于对高速运动的目标进行跟踪，在色彩图像的获取间隔较大，运动目标的速度较快的情况下，在间隔的时间段中难以追踪到目标的轨迹，通过上述图像处理方法可在间隔的时间段中的多个时刻确定目标的位置，提高追踪效果。本公开对图像处理方法的应用领域不做限制。

图4示出根据本公开的实施例的图像处理装置的框图，如图4所示，所述装置包括：注意力确定模块11，用于确定第一时间段内获取的第一色彩图像中的目标对象的第一注意力信息；第一特征信息获取模块12，用于将所述第一色彩图像以及所述第一注意力信息输入第一特征提取网络，获得所述第一色彩图像的第一特征信息；第二特征信息获取模块13，用于将第一时间段内的第一时刻获取的所述目标对象的动态视觉信息输入第二特征提取网络，获得与所述动态视觉信息对应的第二特征信息，其中，动态视觉信息的获取频率高于色彩图像的获取频率；位置信息确定模块14，用于根据所述第一特征信息和所述第二特征信息，获得所述目标对象在所述第一时刻的位置信息。

可以理解，本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

此外，本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种图像处理方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。

在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。

本公开实施例还提出一种电子设备，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调用所述存储器存储的指令，以执行上述方法。

本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的图像处理方法的指令。

本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的图像处理方法的操作。

电子设备可以被提供为终端、服务器或其它形态的设备。

图5示出根据本公开实施例的一种电子设备800的框图。例如，电子设备800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，个人数字助理等终端。

参照图5，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。

处理组件802通常控制电子设备800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。处理组件802可以包括一个或多个处理器820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802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。

存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800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804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。

电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。

多媒体组件808包括在所述电子设备800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缘，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808包括一个前置摄像头和/或后置摄像头。当电子设备800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810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800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804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。

I/O接口812为处理组件802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814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814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814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814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816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800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，通信组件816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，所述通信组件816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，电子设备800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，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。

图6示出根据本公开实施例的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图6，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows Server^TM，Mac OS X^TM，Unix^TM,Linux^TM，FreeBSD^TM或类似。

在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims

1.一种图像处理方法，其特征在于，包括：

确定第一时间段内获取的第一色彩图像中的目标对象的第一注意力信息；

将所述第一色彩图像以及所述第一注意力信息输入第一特征提取网络，获得所述第一色彩图像的第一特征信息；

将第一时间段内的第一时刻获取的所述目标对象的动态视觉信息输入第二特征提取网络，获得与所述动态视觉信息对应的第二特征信息，其中，动态视觉信息的获取频率高于色彩图像的获取频率；

根据所述第一特征信息和所述第二特征信息，获得所述目标对象在所述第一时刻的位置信息。

2.根据权利要求1所述的方法，其特征在于，根据所述第一特征信息和所述第二特征信息，获得所述目标对象在所述第一时刻的位置信息，包括：

将所述第一特征信息和所述第二特征信息进行加权求和，获得第三特征信息；

确定所述第三特征信息的第二注意力信息；

根据所述第二注意力信息，确定所述目标对象在所述第一时刻的位置信息。

3.根据权利要求1所述的方法，其特征在于，根据所述第一特征信息和所述第二特征信息，获得所述目标对象在所述第一时刻的位置信息，包括：

将所述第一特征信息和所述第二特征信息进行加权求和，获得第四特征信息；

对所述第四特征信息进行卡尔曼滤波处理，获得所述目标对象在所述第一时刻的位置信息。

4.根据权利要求1所述的方法，其特征在于，确定第一时间段内获取的第一色彩图像中的目标对象的第一注意力信息，包括：

对所述第一色彩图像进行注意力自编码处理，获得所述第一注意力信息。

5.根据权利要求1所述的方法，其特征在于，确定第一时间段内获取的第一色彩图像中的目标对象的第一注意力信息，包括：

对所述第一色彩图像和所述目标对象在第二时刻的位置信息进行注意力自编码处理，获得所述第一注意力信息，其中，所述第二时刻为获取到与所述第一色彩图像相邻的前一个动态视觉信息的时刻。

6.根据权利要求1所述的方法，其特征在于，所述第一特征提取网络包括卷积神经网络，所述第二特征提取网络包括脉冲神经网络。

7.一种图像处理装置，其特征在于，包括：

注意力确定模块，用于确定第一时间段内获取的第一色彩图像中的目标对象的第一注意力信息；

第一特征信息获取模块，用于根据所述第一色彩图像以及所述第一注意力信息输入第一特征提取网络，获得所述第一色彩图像的第一特征信息；

第二特征信息获取模块，用于将第一时间段内的第一时刻获取的所述目标对象的动态视觉信息输入第二特征提取网络，获得与所述动态视觉信息对应的第二特征信息，其中，动态视觉信息的获取频率高于色彩图像的获取频率；

位置信息确定模块，用于根据所述第一特征信息和所述第二特征信息，获得所述目标对象在所述第一时刻的位置信息。

8.根据权利要求7所述的装置，其特征在于，所述位置信息确定模块进一步用于：

确定所述第三特征信息的第二注意力信息；

9.一种电子设备，其特征在于，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调用所述存储器存储的指令，以执行权利要求1至6中任意一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至6中任意一项所述的方法。