This application is applicable to the field of image recognition technology, and provides an image feature point detection terminal device and a computer readable storage medium. The method includes acquiring the initial images of multiple categories of natural scenes, lifting the initial feature points from the initial images for each category of natural scenes, and matching the initial feature points in the initial images of the current natural scenes according to the initial feature points. According to the relationship, the initial feature points that meet the preset conditions are regarded as the target feature points of the current category, and the initial image containing the target feature points is regarded as the training image of the current category. Through the training image of the training sample set, the constructed depth neural network is trained, and the trained depth neural network is obtained. Based on the trained depth neural network, the detection map is treated. The image is detected to obtain the feature points of the image to be detected, and the detection accuracy in scene detection can be improved by this application.
【技术实现步骤摘要】
一种图像特征点检测方法、终端设备及存储介质
本申请属于图像识别
,尤其涉及一种图像特征点检测方法、终端设备及计算机可读存储介质。
技术介绍
随着计算机视觉的不断发展,以及用户需求的不断提高,出现了很多图像处理技术。在对图像进行各种处理时,为了获得较好的处理效果,有时需要识别图像的场景,目前,对图像场景的检测识别大多是在图像尺度空间逐个计算图像像素的某种响应值,并基于像素位置和尺度获得局部极值以得到特征点检测结果。然而,这种图像特征点检测的方式检测精度较低。
技术实现思路
有鉴于此,本申请实施例提供了一种图像特征点检测方法、终端设备及计算机可读存储介质,以解决目前场景的特征点检测方式检测精度较低的问题。本申请实施例的第一方面提供了一种图像特征点检测方法,包括:获取多个类别的自然场景的初始图像,其中,每个类别的自然场景包括多个初始图像;对于每个类别自然场景,从当前类别的初始图像中分别提取初始特征点;获取所述初始特征点在当前类别的每个初始图像中的对应关系;基于所述对应关系,从当前类别的初始图像的初始特征点中获取符合预设条件的初始特征点作为当前类别的目标特征点;将每个类别的初始图像中包含当前类别的目标特征点的初始图像作为训练图像,获得多个类别的自然场景的训练样本集;通过所述训练样本集中的训练图像,训练构建的深度神经网络,获得训练后的深度神经网络;基于所述训练后的深度神经网络,对待检测图像进行检测,获得所述待检测图像中的特征点。本申请实施例的第二方面提供了一种终端设备,包括:初始图像获取模块,用于获取多个类别的自然场景的初始图像,其中,每个类别的自然场景包括多个初 ...
【技术保护点】
1.一种图像特征点检测方法,其特征在于,包括:获取多个类别的自然场景的初始图像,其中,每个类别的自然场景包括多个初始图像;对于每个类别自然场景,从当前类别的初始图像中分别提取初始特征点;获取所述初始特征点在当前类别的每个初始图像中的对应关系;基于所述对应关系,从当前类别的初始图像的初始特征点中获取符合预设条件的初始特征点作为当前类别的目标特征点;将每个类别的初始图像中包含当前类别的目标特征点的初始图像作为训练图像,获得多个类别的自然场景的训练样本集;通过所述训练样本集中的训练图像,训练构建的深度神经网络,获得训练后的深度神经网络;基于所述训练后的深度神经网络,对待检测图像进行检测,获得所述待检测图像中的特征点。
【技术特征摘要】
1.一种图像特征点检测方法,其特征在于,包括:获取多个类别的自然场景的初始图像,其中,每个类别的自然场景包括多个初始图像;对于每个类别自然场景,从当前类别的初始图像中分别提取初始特征点;获取所述初始特征点在当前类别的每个初始图像中的对应关系;基于所述对应关系,从当前类别的初始图像的初始特征点中获取符合预设条件的初始特征点作为当前类别的目标特征点;将每个类别的初始图像中包含当前类别的目标特征点的初始图像作为训练图像,获得多个类别的自然场景的训练样本集;通过所述训练样本集中的训练图像,训练构建的深度神经网络,获得训练后的深度神经网络;基于所述训练后的深度神经网络,对待检测图像进行检测,获得所述待检测图像中的特征点。2.如权利要求1所述的图像特征点检测方法,其特征在于,所述获取所述初始特征点在当前类别的每个初始图像中的对应关系包括:获取当前类别的自然场景的三维模型;基于当前类别的初始图像在所述三维模型中的投影矩阵,获得所述初始特征点在当前类别的每个初始图像中的对应关系。3.如权利要求2所述的图像特征点检测方法,其特征在于,所述获取当前类别的自然场景的三维模型包括:基于图像重建算法,根据当前类别的初始图像建立当前类别的自然场景的三维模型。4.如权利要求2所述的图像特征点检测方法,其特征在于,所述基于当前类别的初始图像在所述三维模型中的投影矩阵,获得所述初始特征点在当前类别的每个初始图像中的对应关系包括:基于当前类别的初始图像在所述三维模型中的投影矩阵,获得每个初始特征点在所述三维模型中的位置;基于每个初始特征点在所述三维模型中的位置,获得所述初始特征点在当前类别的每个初始图像中的对应关系。5.如权利要求1所述的图像特征点检测方法,其特征在于,所述基于所述对应关系,从当前类别的初始图像的初始特征点中获取符合预设条件的初始特征点作为当前类别的目标特征点包括:基于所述对应关系,获取每个初始特征点在当前类别的初始图像中出现的频次;将所述频次符合预设...
【专利技术属性】
技术研发人员:张弓,
申请(专利权)人:OPPO广东移动通信有限公司,
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。