图像处理方法及其装置、设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种图像处理方法及其装置、设备和存储介质，其中，所述方法包括：根据位置检测请求获取待处理图像，所述位置检测请求用于请求对所述待处理图像中的目标对象进行检测；基于位置检测模型从所述待处理图像中提取候选区域，获取所述候选区域的图像特征；基于所述位置检测模型计算所述候选区域针对不同类型的对象的置信度，以及，计算所述候选区域针对不同类型的对象的修正值；基于所述位置检测模型确定目标类型的置信度满足置信度条件的目标区域；其中，所述目标类型对应的对象为所述目标对象；基于所述位置检测模型根据所述目标区域中目标类型对应的修正值对所述目标区域的边框位置进行调整得到目标位置。

Image Processing Method and Device, Equipment and Storage Media

【技术实现步骤摘要】
图像处理方法及其装置、设备和存储介质
本专利技术涉及计算机
，尤其涉及一种图像处理方法及其装置、设备和存储介质。
技术介绍
视频库中的视频由于各种原因存在一个或者多个例如标识(logo)等目标对象，影响用户的观看体验。相关技术中去水印的方法无非就是暴力的覆盖，或者是基于度不变特征变换匹配(ScaleInvariantFeatureTransform，SIFT)和方向梯度直方图(HistogramofOrientedGradient，HOG)这种特征匹配的算法。直接采取暴力覆盖的方式，如图1所示，当新标注标识13时，会看到原来的标识：标识11和标识12，产品体验不佳；基于SIFT算法特征匹配到的点，如图2所示，当目标对象为图2中所示的对象21，匹配到很多的特征点，但是很分散，不好确定准确位置，因此采用特征匹配再模糊的方案存在不能准确确定目标对象的位置的风险。
技术实现思路
有鉴于此，本专利技术实施例期望提供一种图像处理方法及其装置、设备和存储介质，解决了现有技术方案中存在不能准确确定目标对象的位置的风险，能够方便且精确的检测出图像中目标对象的位置。本专利技术实施例的技术方案是这样实现的：一方面，本专利技术实施例提供一种图像处理方法，所述方法包括：根据位置检测请求获取待处理图像，所述位置检测请求用于请求对所述待处理图像中的目标对象进行检测；基于位置检测模型从所述待处理图像中提取候选区域，获取所述候选区域的图像特征；基于所述位置检测模型计算所述候选区域针对不同类型的对象的置信度，以及，计算所述候选区域针对不同类型的对象的修正值；基于所述位置检测模型确定目标类型的置信度满足置信度条件的目标区域；其中，所述目标类型对应的对象为所述目标对象；基于所述位置检测模型根据所述目标区域中目标类型对应的修正值对所述目标区域的边框位置进行调整得到目标位置。另一方面，本专利技术实施例提供一种图像处理装置，所述装置包括：获取单元、提取单元、计算单元、目标区域单元和修正单元；其中，所述获取单元，用于根据位置检测请求获取待处理图像，所述位置检测请求用于请求对所述待处理图像中的目标对象进行检测；所述提取单元，用于基于位置检测模型从所述待处理图像中提取候选区域，获取所述候选区域的图像特征；所述计算单元，用于基于所述位置检测模型计算所述候选区域针对不同类型的对象的置信度，以及，计算所述候选区域针对不同类型的对象的修正值；所述目标区域单元，用于基于所述位置检测模型确定目标类型的置信度满足置信度条件的目标区域；其中，所述目标类型对应的对象为所述目标对象；所述修正单元，用于基于所述位置检测模型根据所述目标区域中目标类型对应的修正值对所述目标区域的边框位置进行调整得到目标位置。又一方面，本专利技术实施例提供一种图像处理设备，所述设备至少包括：存储器、通信总线和处理器，其中：所述存储器，用于存储图像处理程序；所述通信总线，用于实现处理器和存储器之间的连接通信；所述处理器，用于执行存储器中存储的图像处理程序，以实现以下步骤：根据位置检测请求获取待处理图像，所述位置检测请求用于请求对所述待处理图像中的目标对象进行检测；基于位置检测模型从所述待处理图像中提取候选区域，获取所述候选区域的图像特征；基于所述位置检测模型计算所述候选区域针对不同类型的对象的置信度，以及，计算所述候选区域针对不同类型的对象的修正值；基于所述位置检测模型确定目标类型的置信度满足置信度条件的目标区域；其中，所述目标类型对应的对象为所述目标对象；基于所述位置检测模型根据所述目标区域中目标类型对应的修正值对所述目标区域的边框位置进行调整得到目标位置。再一方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有图像处理程序，所述图像处理程序被处理器执行时实现上述的图像处理方法的步骤。本专利技术实施例提供一种图像处理方法及其装置、设备和计算机可读存储介质，首先将根据位置检测请求获取的包括目标对象的待处理图像输入位置检测模型，基于位置检测模型对输入的待处理图像对提取的候选区域进行图像特征的提取，基于提取的图像特征确定各候选区域中针对各类型的对象的置信度以及各类型对应的修正值，根据各类型的对象的置信度确定目标类型对应的目标区域，根据目标区域中目标类型对应的修正值得到目标对象在待处理图像中的目标位置。如此，不需要对目标对象的先验特征的匹配，解决了现有技术方案中存在不能准确确定目标对象的位置的风险，准确的检测出目标对象的目标位置，进而提高了位置检测的准确率。附图说明图1是本专利技术实施例相关技术中去水印方法的实现方式示意图一；图2是本专利技术实施例相关技术中去水印方法的实现方式示意图二；图3是本专利技术实施例网络架构的示意图；图4是本专利技术实施例图像处理方法的实现流程示意图一；图5是本专利技术实施例图像处理方法的实现流程示意图二；图6是本专利技术实施例图像处理方法的实现流程示意图三；图7是本专利技术实施例训练样本示意图；图8是本专利技术实施例位置检测模型采用的多种算法的性能效果示意图；图9是本专利技术实施例FastR-CNN的实现架构示意图；图10是本专利技术实施例SSD的实现架构示意图；图11是本专利技术实施例图像处理装置的组成结构示意图；图12是本专利技术实施例图像处理设备的组成结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对专利技术的技术方案做详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。本专利技术实施例可提供为图像处理方法以及装置，实际应用中，图像处理装置中的各功能模块可以由设备(如终端设备、服务器或服务器集群)的硬件资源，如处理器等计算资源、通信资源(如用于支持实现光缆、蜂窝等各种方式通信)协同实现。当然，本专利技术实施例不局限于提供为方法和硬件，还可有多种实现方式，例如提供为存储介质(存储有用于执行本专利技术实施例提供的强变量提取方法的指令)，以下再对不同的实现方式举例说明。一、移动端应用程序及模块本专利技术实施例可提供为使用C/C++、Java等编程语言设计的软件模块，嵌入到基于Android或iOS等系统的各种移动端Apps中(例如微信等)(以可执行指令的存储在移动端的存储介质中，由移动端的处理器执行)，从而直接使用移动端自身的计算资源完成相关的数据挖掘任务，并且定期或不定期地通过各种网络通信方式将数据、中间结果或最终结果传送给远程的服务器，或者在移动端本地保存。二、服务器应用程序及平台本专利技术实施例可提供使用C/C++、Java等编程语言设计的应用软件或大型软件系统中的专用软件模块，运行于服务器端(以可执行指令的方式在服务器端的存储介质中存储，并由服务器端的处理器运行)，将接收到的来自其它设备的各种原始数据、各级中间数据和最终结果中的至少一种，与服务器上已有的某些数据或结果综合起来计算得到更新的结果，然后实时或非实时地输出给其他应用程序或模块使用，也可以写入服务器端数据库或文件进行存储。本专利技术实施例还可以提供为在多台服务器构成的分布式、并行计算平台上，搭载定制的、易于交互的网络(Web)界面或其他各用户界面(UI，UserInterface)，形成供个人、群体或企业使用的图像处理平台等。使用者可以将已有的数据包批量上传给此平台以获得各种计算结果，也可以将实时的数据流传本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：根据位置检测请求获取待处理图像，所述位置检测请求用于请求对所述待处理图像中的目标对象进行检测；基于位置检测模型从所述待处理图像中提取候选区域，获取所述候选区域的图像特征；基于所述位置检测模型计算所述候选区域针对不同类型的对象的置信度，以及，计算所述候选区域针对不同类型的对象的修正值；基于所述位置检测模型确定目标类型的置信度满足置信度条件的目标区域；其中，所述目标类型对应的对象为所述目标对象；基于所述位置检测模型根据所述目标区域中目标类型对应的修正值对所述目标区域的边框位置进行调整得到目标位置。

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：根据位置检测请求获取待处理图像，所述位置检测请求用于请求对所述待处理图像中的目标对象进行检测；基于位置检测模型从所述待处理图像中提取候选区域，获取所述候选区域的图像特征；基于所述位置检测模型计算所述候选区域针对不同类型的对象的置信度，以及，计算所述候选区域针对不同类型的对象的修正值；基于所述位置检测模型确定目标类型的置信度满足置信度条件的目标区域；其中，所述目标类型对应的对象为所述目标对象；基于所述位置检测模型根据所述目标区域中目标类型对应的修正值对所述目标区域的边框位置进行调整得到目标位置。2.根据权利要求1所述的方法，其特征在于，所述位置检测模型包括候选区域模型、卷积神经网络模型和分类器模型，其中：基于所述候选区域模型从所述待处理图像中提取候选区域；将所提取的候选区域输入所述卷积神经网络模型，基于所述卷积神经网络模型获取所述候选区域的图像特征；将所提取的图像特征输入所述分类器模型，基于所述分类器模型计算所述候选区域针对不同类型的对象的置信度，以及，基于所述分类器模型计算所述候选区域针对不同类型的对象的修正值；基于所述分类器模型确定目标类型的置信度满足置信度条件的目标区域；其中，所述目标类型对应的对象为所述目标对象；基于所述分类器模型根据所述目标区域中目标类型对应的修正值对所述目标区域的边框位置进行调整得到目标位置，输出所述目标位置。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取训练样本集；获取所述目标对象在所述训练样本集的各训练样本的训练位置；以所述训练样本集中的训练样本作为所述位置检测模型的输入，以各训练样本的训练位置作为所述位置检测模型的输出，对所述位置检测模型进行训练。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取样本图像集中的样本图像；其中，所述样本图像中不包括所述目标对象；确定所述样本对象对应的训练位置，根据所述训练位置将所述目标对象标注在所述样本图像上，得到所述训练样本；将所述训练样本并入所述训练样本集。5.根据权利要求4所述的方法，其特征在于，所述根据所述训练位置将所述目标对象标注在所述样本图像上，得到所述训练样本包括：获取携带所述目标对象的特征图像；将所述特征图像进行泛化处理，得到标注图像；其中，所述泛化处理至少包括以下之一：格式转换、尺寸缩放和模糊处理；根据所述训练位置将所述标注图像标注在所述样本图像上，得到所述训练样本。6.根据权利要求2述的方法，其特征在于，所述方法还包括：获取所述目标对象对应的图像区域的大小；根据所述目标对象对应的图像区域的大小设置所述分类器模型的模型参数；其中，所述模型参数至少包括以下之一：卷积核的大小、卷积核移动步长和以及卷积核的个数。7.根据权利要求1至6任一项所述的方法，其特征在于，所述根据位置检测请求获取待处理图像包括：根据所述位置检测请求获取源视频；对所述源视频的帧图像进行采样，得到预设数量的待处理图像。8.根据权利要求1至6任一项所述...

【专利技术属性】
技术研发人员：余志伟，孙子荀，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44