【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。