图像处理方法、装置、计算机可读存储介质和电子设备制造方法及图纸

公开了一种图像处理方法、装置、计算机可读存储介质和电子设备，涉及图像处理技术领域。该方法包括：获取待检测图像；通过第一神经网络模型检测所述待检测图像，确定所述待检测图像所在场景的规模；根据所述场景的规模，通过与所述场景的规模对应的第二神经网络模型对所述待检测图像进行处理。本方案解决了相关技术中图像处理方法耗能较大或识别结果不准确的问题。

【技术实现步骤摘要】
图像处理方法、装置、计算机可读存储介质和电子设备
本专利技术涉及图像处理
，具体涉及一种图像处理方法、装置、计算机可读存储介质和电子设备。
技术介绍
计算机视觉一直以来都是一个热门的研究领域。传统的研究内容主要集中在根据图像特点人工设计不同的特征，如边缘特征、颜色特征、尺度不变特征等。利用这些特征完成特定的计算机视觉任务，如图像分类、图像聚类、图像分割、目标检测、目标追踪等。传统的图像特征依赖于人工设计，一般为比较直观的初级特征，抽象程度较低，表达能力较弱。神经网络方法利用大量的图像数据，完全自动地学习特征。在神经网络中，各层特征形成了边缘、线条、轮廓、形状、对象等的层次划分，抽象程度逐渐提高。虽然基于神经网络的图像处理技术在技术理论上已经比较成熟，但是如何有效地实现商业应用并合理利用，仍然是一个亟待解决的技术难题。
技术实现思路
本申请的实施例提供了一种图像处理方法、装置、计算机可读存储介质及电子设备，可用于解决相关技术中的问题。根据本申请的一个方面，提供了一种图像处理方法，包括：获取待检测图像；通过第一神经网络模型检测所述待检测图像，确定所述待检测图像所在场景的规模；根据所述场景的规模，通过与所述场景的规模对应的第二神经网络模型对所述待检测图像进行处理。根据本申请的第二方面，提供了一种图像处理装置，包括：获取模块，用于获取待检测图像；规模确定模块，用于通过第一神经网络模型检测所述待检测图像，确定所述待检测图像所在场景的规模；图像处理模块，用于根据所述场景的规模，通过与所述场景的规模对应的第二神经网络模型对所述待检测图像进行处理。根据本申请的第三方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一所述的图像处理方法。根据本申请的第四方面，提供了一种电子设备，所述电子设备包括：处理器和用于存储所述处理器可执行指令的存储器，所述处理器用于执行上述任一所述的图像处理方法。本申请实施例提供的技术方案至少可以带来如下有益效果：通过与待检测图像所在场景的规模对应的神经网络模型对所述待检测图像进行处理，实现待检测图像所在场景的规模与神经网络模型的计算复杂度相匹配，避免通过计算复杂度高的神经网络模型处理场景规模较小的图像，以及避免通过计算复杂度低的神经网络模型处理场景规模较大的图像，进而确保采用合适的神经网络模型处理待检测图像，在提高神经网络模型的处理效率的同时，还能确保待检测图像的识别精度，进而降低执行神经网络模型运算的硬件设备的耗电量。附图说明通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。图1是本申请的实施例所提供的一种图像处理场景的示意图。图2a和图2b分别是本申请的实施例所提供的一种图像处理场景中的待检测图像。图3是本申请一示例性实施例提供的图像处理方法的流程示意图。图4是本申请另一示例性实施例提供的图像处理方法的流程示意图。图5是本申请一示例性实施例提供的图像处理装置的框图。图6a和图6b是图5所示的图像处理装置中的规模确定模块的框图。图7是本申请一示例性实施例提供的电子设备的结构示意图。具体实施方式下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。申请概述随着深度学习的发展，如何在实际应用场景中有效地利用深度学习技术进行图像识别、图像检测等，已经成了亟待解决的问题。例如，在商场、酒店、学校、火车站及城市交通道路等场景，常常需要对这些场景中的人、车等进行检测，以对这些场景进行监测和控制。或者，在企业、飞机场等出入口，往往需要对人脸进行识别，以进行身份验证。在这些场景中，有的场景规模较大，例如火车站及城市交通道路等场景下，人、车流较多且涉及的空间范围也较广；有的场景规模较小，例如企业出入口、酒店走廊等场景下，人、车流的数量一般比较固定且有限，涉及的空间范围也比较小。另外，在这些场景下执行图像识别、图像检测等功能的往往是终端设备，这些终端设备通常利用其预先部署的固定的神经网络模型进行多种场景下的图像处理，需要消耗一定的电能等资源，但其往往部署在室外，不能从外部获得稳定的电能等资源，且其自身可存储的电能等资源是有限的。因此，需要根据不同规模大小的场景，自适应地运行与场景的规模相应的深度学习算法来实现对这些场景中的图像或视频进行图像识别、图像检测等功能，以使得识别结果准确并减少耗电量。针对上述问题，本申请实施例提供了一种图像处理方法，该方法通过与待检测图像所在场景的规模对应的神经网络模型对所述待检测图像进行处理，实现待检测图像所在场景的规模与神经网络模型的计算复杂度相匹配，避免通过计算复杂度高的神经网络模型处理场景规模较小的图像，以及避免通过计算复杂度低的神经网络模型处理场景规模较大的图像，进而确保采用合适的神经网络模型处理待检测图像，在提高神经网络模型的处理效率的同时，还能确保待检测图像的识别精度，进而降低执行神经网络模型运算的硬件设备的耗电量。示例性系统图1是本申请的实施例所提供的一种图像处理场景的示意图。该图像处理场景中可以包括多个终端设备110。终端110具备摄像头，可以获取图1中所示的多个场景中的待检测图像，例如商场、公司出入口、学校、游乐场、机场等场景中的包括人脸的待检测图像。当然，本申请实施例中的终端110还可以获取其他场景中的待检测图像，且待检测图像不限于包括人脸，还可以包括车辆、物品等其他目标物，本申请实施例对此不作限定。终端110可以是手机、游戏主机、平板电脑、照相机、摄像机等移动终端设备，或者，终端110也可以是膝上型便携计算机等等。本领域技术人员可以知晓，上述终端110的数量可以为一个或大于一个，多个终端110的类型可以相同或者不同。本申请实施例对终端的数量和设备类型不加以限定。终端110中部署有计算复杂度不同的神经网络模型，用于进行图像处理。在一实施例中，终端110通过计算复杂度比较大的神经网络模型处理规模较大的场景中的待检测图像，例如如图2a所示的图像。示例地，终端110通过计算复杂度较小的神经网络模型处理规模较小的场景中的待检测图像，例如如图2b所示的图像。在一实施例中，神经网络模型的层数越多、参数量越多，神经网络模型的计算复杂度越大。示例地，规模较小的场景中的待检测图像所包含的目标物的数量较少和/或目标物的像面尺寸较大，更容易被终端设备所检测；反之，规模较大的场景中的待检测图像所包含的目标物的数量较多和/或目标物的像面尺寸较小，更难以被终端设备所检测。另外，终端110还可以与服务器(图中未示出)之间通过通信网络相连。终端110可以将其获取到的待检测图像或者图像处理结果等发送给服务器，以使服务器判断终端110所得到的图像处理结果是否准确。终端110还可以从服务器中获取计算复杂度更大的神经网络模型，以更新终端110中所存储的神经网络模型，并利用从服务器中获取的计算复杂度更大的神经网络模型以处理规模本文档来自技高网...

【技术保护点】
1.一种图像处理方法，包括：获取待检测图像；通过第一神经网络模型检测所述待检测图像，确定所述待检测图像所在场景的规模；根据所述场景的规模，通过与所述场景的规模对应的第二神经网络模型对所述待检测图像进行处理。

【技术特征摘要】
1.一种图像处理方法，包括：获取待检测图像；通过第一神经网络模型检测所述待检测图像，确定所述待检测图像所在场景的规模；根据所述场景的规模，通过与所述场景的规模对应的第二神经网络模型对所述待检测图像进行处理。2.根据权利要求1所述的方法，其中，所述通过第一神经网络模型检测所述待检测图像，确定所述待检测图像所在场景的规模，包括：通过第一神经网络模型确定所述待检测图像中目标物的数量；根据所述待检测图像中目标物的数量，确定所述待检测图像所在场景的规模。3.根据权利要求1所述的方法，其中，通过第一神经网络模型检测所述待检测图像，确定所述待检测图像所在场景的规模，包括：通过第一神经网络模型确定所述待检测图像中目标物的像面尺寸；根据所述待检测图像中目标物的像面尺寸，确定所述待检测图像所在场景的规模。4.根据权利要求1所述的方法，还包括：获取所述场景的规模的历史数据；根据所述场景的规模的历史数据，确认所述场景的规模为预设规模的周期，其中，所述根据所述场景的规模，通过与所述场景的规模对应的第二神经网络模型对所述待检测图像进行处理，包括：根据所述周期所对应的预设规模，在所述周期期间通过与所述预设规模对应的第二神经网络模型对所述场景中的待检测图像进行处理。5.根据权利要求1-4任一项所述的方法，其中，通过第一神经网络模型检测所述待检测图像，确定所述待检测图像所在场景的规模，包括：根据预设时间间隔，通过所述第一神经网络模型检测所述待检测图像，确定所述待检测图像所在场景的规模。6.根据权利要求1-3任一项所述的方法，其中，所述根据所述场景的规模，通过与所述场景的规模对应的第二神经网络模型对所述待检测图像进行处理，包括：当确定所述场景的规模为第一规模时，选取与所述第一规模对应的第二神经网络模型对所述待检测图像进行处理，所述与所...

【专利技术属性】
技术研发人员：武锐，
申请(专利权)人：北京地平线机器人技术研发有限公司，
类型：发明
国别省市：北京,11