一种图像处理方法及装置制造方法及图纸

本发明专利技术公开了一种图像处理方法及装置，方法为，分别将获取到的第一目标物体对应的第一图像矩阵，以及第二目标物体对应的第二图像矩阵，进行卷积运算以及分块汇聚处理，获取第一图像底层特征矩阵，以及第二图像底层特征矩阵；将第一图像底层特征矩阵与第二图像底层特征矩阵进行对比，生成对比矩阵；将对比矩阵依次进行分组汇聚处理、卷积运算以及分块汇聚处理后，根据分块汇聚处理后的结果，比对第一目标物体与第二目标物体是否为同一个物体。采用本发明专利技术技术方案，将目标物体对应的图像矩阵输入深度学习的滤波器对神经网络，基于目标物体对应的图像特征，以及深度学习策略，获取比对结果，有效提高了比对结果的准确性。

【技术实现步骤摘要】

本专利技术涉及图像处理
，尤其涉及一种图像处理方法及装置。
技术介绍
随着科学技术的飞速发展，摄像头广泛应用于各个领域，用于对特定场景进行监 控、对目标人物进彳T检索等。 对多个摄像头所采集图像进行比对，可以获取目标物体在某个时间位于某个地点 的信息，该信息有助于对目标物体进行追踪。由于同一个物体在不同摄像头的成像会有很 大的差异，这些差异包括由于拍摄视角引起的不同、目标物体姿态引起的不同、光照强度引 起的不同以及背景物引起的不同等等，参阅图1所示，显示了一个目标物体在不同摄像头 下的成像差异。因此，如何利用机器实现对不同摄像头采集的图像中多个目标物体是否为 同一个目标物体的识别，受到了越来越多的关注。 目前，通常通过滤波器与分类器相结合的方法实现对不同摄像头所采集的图像进 行滤波处理，并将滤波处理后的生成的滤波响应值组成的向量作为对图像的描述，以及将 该图像的描述通过分类器（如支持向量机、线性判别分析器等）进行分类。由于滤波器仅能 识别变化较小的不同图像，因此，采用上述技术方案，当不同摄像头采集图像变化较大时， 比对结果将存在误差。 此外，参阅图2所示，还可以在本地生成显著特征库，检测不同图像中目标物体 是否包含显著特征库中的显著特征，若包含，则提取不同图像中目标物体包含的显著特征 (参阅图2虚线框所包围区域），并对提取的显著特征进行对比的方式来识别不同摄像头采 集的图像中多个目标物体是否为同一个目标物体。采用上述技术方案，当目标物体不包含 显著特征库中的显著特征时，将无法识别不同摄像头采集的图像中多个目标物体是否为同 一个目标物体，从而导致比对结果不准确。 综上所述，目前在跨摄像头目标图像处理过程中，存在比对结果不准确的问题。
技术实现思路
本专利技术实施例提供一种图像处理方法及装置，用以解决对比不同图像中物体时存 在的比对结果不准确的问题。 本专利技术实施例提供的具体技术方案如下： 第一方面，提供一种图像处理方法，包括： 分别获取第一目标物体对应的第一图像矩阵，以及第二目标物体对应的第二图像 矩阵；其中，所述第一图像矩阵或者第二图像矩阵由HXWXC的三维矩阵表示，所述H表示 图像的高度，所述W表示图像的宽度，所述C表示图像的通道数； 通过滤波器对对所述第一图像矩阵进行卷积运算以及分块汇聚处理，生成第一图 像底层特征矩阵，以及对所述第二图像矩阵进行卷积运算以及分块汇聚处理，生成第二图 像底层特征矩阵；其中，所述滤波器对包括第一组滤波器和第二组滤波器，通过所述第一组 滤波器对所述第一图像矩阵进行卷积运算，通过所述第二组滤波器对所述第二图像矩阵进 行卷积运算； 将所述第一图像底层特征矩阵与所述第二图像底层特征矩阵进行对比，生成对比 矩阵； 将所述对比矩阵进行分组汇聚处理后，获取分组汇聚矩阵； 根据第三组滤波器，对所述分组汇聚矩阵进行卷积运算以及分块汇聚处理； 根据分块汇聚处理后的结果，获取所述第一目标物体与所述第二目标物体是否为 同一个物体的比对结果。 结合第一方面，在第一种可能的实现方式中，通过第一预设数目个第一组滤波器， 对所述第一图像矩阵进行卷积运算，获取第一预设数目个第一图像卷积结果，以及通过第 一预设数目个第二组滤波器对所述第二图像矩阵进行卷积运算，获取第一预设数目个第二 图像卷积结果；分别对所述第一预设数目个第一图像卷积结果进行分块汇聚处理后，生成 第一预设数目个第一图像底层特征矩阵，以及分别对所述第一预设数目个第二图像卷积结 果进行分块汇聚处理后，生成第一预设数目个第二图像底层特征矩阵。 结合第一方面第一种可能的实现方式，在第二种可能的实现方式中，将图像卷积 结果划分为至少一个子块矩阵，根据划分后的所述至少一个子块矩阵，生成初始分块矩阵， 所述初始分块矩阵的行数和列数均为预设值；分别获取所述初始分块矩阵的每一个子块矩 阵对应的映射值，并使用获取的每个映射值作为所述子块矩阵对应位置的元素，根据获取 的各个元素，分别更新所述初始分块矩阵，生成对应所述图像卷积结果的图像底层特征矩 阵。 结合第一方面第一种可能的实现方式，或者第二种可能的实现方式，在第三种可 能的实现方式中，将所述第一图像底层特征矩阵在列向量方向上等间隔划分为第二预设数 目个行向量；将所述第二图像底层特征矩阵在列向量方向上等间隔划分为第二预设数目个 行向量；分别根据所述第一图像底层特征矩阵对应的样本标识，以及所述第二图像底层特 征矩阵的样本标识，将所述第一图像底层特征矩阵以及所述第二图像底层特征矩阵进行两 两组合，生成第一预设数目个初始对比矩阵对；根据行向量的划分结果，分别将每一个初始 对比矩阵对中对应同一行号的行向量进行外积运算，生成对比矩阵。 结合第一方面第一种可能的实现方式，第二种可能的实现方式，或者第三种可能 的实现方式，在第四种可能的实现方式中，在预设维度上对所述对比矩阵进行划分，生成所 述对比矩阵对应的第三预设数目组初始分组汇聚矩阵；分别获取每一组初始分组汇聚矩阵 对应的映射值；将所有组初始分组汇聚矩阵对应的映射值进行合并，生成分组汇聚矩阵。 结合第一方面第一种可能的实现方式，第二种可能的实现方式，或者第三种可能 的实现方式，在第五种可能的实现方式中，获取分块汇聚处理后的结果对应的比对结果参 数为第一预设值的第一概率；以及获取分块汇聚处理后的结果对应的比对结果参数为第二 预设值的第二概率；比较所述第一概率与所述第二概率，根据比较结果获取所述第一目标 物体与所述第二目标物体是否为同一个物体的比对结果；其中，当所述比对结果参数为第 一预设值时，表征所述第一目标物体与所述第二目标物体为同一个物体；当所述比对结果 参数为第二预设值时，表征所述第一目标物体与所述第二目标物体为不同物体。 结合第一方面的第五种可能的实现方式，在第六种可能的实现方式中，根据如下 公式获取所述第一概率或者所述第二概率： 其中，i为比对结果参数；P (.)为概率值；a。，B1, b。，Id1为比对参数；e为自然底数； X为与所述分块汇聚处理后的结果建立连接关系的神经元参数。 第二方面，提供一种图像处理装置，包括： 图像矩阵获取单元，用于分别获取第一目标物体对应的第一图像矩阵，以及第二 目标物体对应的第二图像矩阵，并将所述第一图像矩阵以及第二图像矩阵发送至图像底层 特征矩阵生成单元；其中，所述第一图像矩阵或者第二图像矩阵由HXWXC的三维矩阵表 示，所述H表示图像的高度，所述W表示图像的宽度，所述C表示图像的通道数； 图像底层特征矩阵生成单元，用于接收所述图像矩阵获取单元发送的所述第一图 像矩阵以及第二图像矩阵，通过滤波器对对所述第一图像矩阵进行卷积运算以及分块汇聚 处理，生成第一图像底层特征矩阵，以及对所述第二图像矩阵进行卷积运算以及分块汇聚 处理，生成第二图像底层特征矩阵，并将所述第一图像底层特征矩阵以及所述第二图像底 层特征矩阵发送至对比矩阵生成单元；其中，所述滤波器对包括第一组滤波器和第二组滤 波器，通过所述第一组滤波器对所述第一图像矩阵进行卷积运算，通过所述第二组滤波器 对所述第二图像矩阵进行卷积运算； 对比矩阵生成单元，用于接收所述图像底层特征矩阵生成单元发送的所述第一图 像底层特征矩阵以及所述第二图像底层特征矩阵，并本文档来自技高网...

【技术保护点】
一种图像处理方法，其特征在于，包括：分别获取第一目标物体对应的第一图像矩阵，以及第二目标物体对应的第二图像矩阵；其中，所述第一图像矩阵或者第二图像矩阵由H×W×C的三维矩阵表示，所述H表示图像的高度，所述W表示图像的宽度，所述C表示图像的通道数；通过滤波器对对所述第一图像矩阵进行卷积运算以及分块汇聚处理，生成第一图像底层特征矩阵，以及对所述第二图像矩阵进行卷积运算以及分块汇聚处理，生成第二图像底层特征矩阵；其中，所述滤波器对包括第一组滤波器和第二组滤波器，通过所述第一组滤波器对所述第一图像矩阵进行卷积运算，通过所述第二组滤波器对所述第二图像矩阵进行卷积运算；将所述第一图像底层特征矩阵与所述第二图像底层特征矩阵进行对比，生成对比矩阵；将所述对比矩阵进行分组汇聚处理后，获取分组汇聚矩阵；根据第三组滤波器，对所述分组汇聚矩阵进行卷积运算以及分块汇聚处理；根据分块汇聚处理后的结果，获取所述第一目标物体与所述第二目标物体是否为同一个物体的比对结果。

【技术特征摘要】

【专利技术属性】
技术研发人员：王晓刚，赵瑞，肖桐，黎伟，许春景，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44