一种图像中物体姿态的确定方法、客户端及服务器技术

本申请公开了一种图像中物体姿态的确定方法、客户端及服务器。该方法包括：从服务器获取针对目标物体的卷积神经网络训练模型参数；获取目标物体的实时图像，从实时图像中识别出至少一个第一图像块；针对每个第一图像块，根据训练模型参数确定与该第一图像块相匹配的标签图像块；及，根据各个第一图像块和各自匹配的标签图像块，确定目标物体的姿态，根据姿态在实时图像中增加虚拟内容。本发明专利技术的这种方法，能够提升图像处理的时间效率，消耗较少的内存资源，提高终端的资源利用率。

【技术实现步骤摘要】
一种图像中物体姿态的确定方法、客户端及服务器
本专利技术涉及图像处理
，特别涉及一种图像中物体姿态的确定方法、客户端及服务器。
技术介绍
随着计算机图形技术的飞速发展，增强现实技术将计算机产生的图形、文字等虚拟信息有机的融合到使用者所看到的真实场景中，对人的视觉系统进行景象的增强或扩张。实现增强现实技术的基础是能够获取真实场景的观测角度。例如，当通过摄像机获取真实场景的图像时，需要通过二维观测图像估计出三维物体的姿态。现有技术中，常用的方法是对人工设计的特征进行检测，然后在不同的图像之间进行比较。但是，这类方法需要准确的尺度选择、旋转纠正、密度归一化等附加步骤，计算复杂度很高，耗时较长。当将增强现实技术应用于移动设备或者可穿戴设备上时，由于此类设备资源受限、具备有限的信息输入和计算能力，上述方法将不再适用。
技术实现思路
有鉴于此，本专利技术实施例提供了一种图像中物体姿态的确定方法、客户端及服务器，能够提升图像处理的时间效率，消耗较少的内存资源，提高终端的资源利用率。具体地，本专利技术实施例的技术方案是这样实现的：本专利技术提供了一种图像中物体姿态的确定方法，包括：从服务器获取针对本文档来自技高网...

【技术保护点】
一种图像中物体姿态的确定方法，其特征在于，包括：从服务器获取针对目标物体的卷积神经网络训练模型参数；获取所述目标物体的实时图像，从所述实时图像中识别出至少一个第一图像块；针对每个第一图像块，根据所述训练模型参数确定与该第一图像块相匹配的标签图像块；及，根据各个第一图像块和各自匹配的标签图像块，确定所述目标物体的姿态，根据所述姿态在所述实时图像中增加虚拟内容。

【技术特征摘要】
1.一种图像中物体姿态的确定方法，其特征在于，包括：从服务器获取针对目标物体的卷积神经网络训练模型参数；获取所述目标物体的实时图像，从所述实时图像中识别出至少一个第一图像块；针对每个第一图像块，根据所述训练模型参数确定与该第一图像块相匹配的标签图像块；及，根据各个第一图像块和各自匹配的标签图像块，确定所述目标物体的姿态，根据所述姿态在所述实时图像中增加虚拟内容。2.根据权利要求1所述的方法，其中，所述从所述实时图像中识别出至少一个第一图像块包括：对所述实时图像进行特征检测，获取多个局部特征；针对每个局部特征，若该局部特征的图像对比度高于预设的对比度阈值并且该局部特征并非图像的边缘，则将该局部特征确定为所述第一图像块。3.根据权利要求1所述的方法，其中，所述训练模型参数包括权值和从所述标准图像中识别出来的第二图像块，所述根据所述训练模型参数确定与该第一图像块相匹配的标签图像块包括：将该第一图像块输入所述卷积神经网络，基于所述权值输出该第一图像块与每个第二图像块相匹配的概率；将最大概率值所对应的第二图像块确定为所述标签图像块。4.根据权利要求1所述的方法，其中，所述姿态由仿射变换来表示，每个标签图像块经由所述仿射变换与第一图像块相匹配；所述根据各个第一图像块和各自匹配的标签图像块，确定所述目标物体的姿态包括：根据最小二乘原则从仿射变换矩阵集合中确定出所述仿射变换的矩阵估计值。5.根据权利要求4所述的方法，其中，若第一图像块为qi，i＝1,…,N，N为所述第一图像块的总数，与qi匹配的标签图像块为pi，所述仿射变换由矩阵A来表示，所述根据最小二乘原则从仿射变换矩阵集合中确定出所述仿射变换的矩阵估计值包括：计算所述矩阵估计值为：其中，||·||表示取模值的平方，G为所述仿射变换矩阵集合。6.根据权利要求1至5中任一项所述的方法，其中，所述训练模型参数包括权值和从所述标准图像中识别出来的第二图像块，所述根据各个第一图像块和各自匹配的标签图像块，确定所述目标物体的姿态包括：对于每个第一图像块，将该第一图像块输入所述卷积神经网络，基于所述权值输出该第一图像块与每个第二图像块相匹配的概率；若所述概率大于预设概率阈值的第二图像块的总数大于预设个数阈值，则将该第一图像块和与其匹配的标签图像块用于确定所述目标物体的姿态。7.一种图像中物体姿态的确定方法，其特征在于，包括：获取针对目标物体的标准图像以及多张畸变图像；将所述标准图像和所述多张畸变图像输入到卷积神经网络进行训练，获得训练模型参数；将所述训练模型参数发送给客户端，以使所述客户端获取所述目标物体的实时图像，从所述实时图像中识别出至少一个第一图像块；针对每个第一图像块，根据所述训练模型参数确定与该第一图像块相匹配的标签图像块；及，根据各个第一图像块和各自匹配的标签图像块，确定所述目标物体的姿态，根据所述姿态在所述实时图像中增加虚拟内容。8.根据权利要求7所述的方法，其中，所述获取针对目标物体的标准...

【专利技术属性】
技术研发人员：李佳，
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