图像提取方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术提供了图像提取方法、装置、电子设备和存储介质，涉及图像识别领域。本申请所提供的方法，在获取到的目标图像后，通过将目标图像输入到预先训练的图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息，而后根据倾斜识别框的位置信息，从目标图像中提取目标对象所在的局部图像。由于本申请所提供的方法中，在使用图像提取模型对目标图像中目标对象进行定位的时候，使用的是倾斜识别框，而不是非倾斜的水平识别框，使得在针对目标对象是倾斜的存在于目标图像中的情况进行图像提取时，可以提高提取到的包含有目标对象的局部图像的精度，也就是减少了包含有目标对象的局部图像中背景图像的占比。

【技术实现步骤摘要】
图像提取方法、装置、电子设备和存储介质
本专利技术涉及图像识别领域，具体而言，涉及图像提取方法、装置、电子设备和存储介质。
技术介绍
随着信息技术的不断进步，图像识别技术在各行各业都得到的广泛的应用。比如图像识别技术中的车牌识别技术可以在停车场中应用，也可以在安保系统中应用，具体来说，车辆停放计时收费技术、嫌犯车辆追踪技术都依赖于车牌识别技术。又比如图像识别技术中的证件识别技术可以在很多服务机构中应用，具体来说，通过证件识别技术可以自动的识别证件中的照片和文字，以提高服务机构办理各项业务的效率。
技术实现思路
本专利技术的目的在于提供图像提取方法、装置、电子设备和存储介质。在一些实施例中，一种图像提取方法，包括：获取目标图像；将目标图像输入到预先训练的图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息；根据倾斜识别框的位置信息，从目标图像中提取目标对象所在的局部图像。在一些实施例中，将目标图像输入到预先训练的图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息，包括：将目标图像输入到预先训练的非倾斜图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的非倾斜识别框的位置信息；将目标图像输入到预先训练的倾斜图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息；根据倾斜识别框的位置信息，从目标图像中提取目标对象所在的局部图像，包括：根据倾斜识别框的位置信息和非倾斜识别框的位置信息，从目标图像中提取目标对象所在的局部图像。在一些实施例中，将目标图像输入到预先训练的图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息，包括：将目标图像输入到预先训练的非倾斜图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的非倾斜识别框的位置信息；将目标图像中与非倾斜识别框的位置信息相对应的局部图像输入到倾斜图像提取模型中，以确定局部图像中目标对象所在的位置区域对应的倾斜识别框的位置信息。在一些实施例中，倾斜识别框的位置信息包括倾斜识别框顶点的位置信息；方法还包括：根据预先获取到的透视变换矩阵和倾斜识别框顶点的位置信息，对目标图像中倾斜识别框信息所对应的局部图像进行透视变换，以得到包含有目标对象的非倾斜图像；将包含有目标对象的非倾斜图像输入到图像识别模型中，以确定目标对象的识别结果。在一些实施例中，还包括：根据预先获取到的仿射变换矩阵，对目标图像中倾斜识别框信息所对应的局部图像进行仿射变换，以得到包含有目标对象的非倾斜图像；将包含有目标对象的非倾斜图像输入到图像识别模型中，以确定目标对象的识别结果。在一些实施例中，将目标图像输入到预先训练的非倾斜图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的非倾斜识别框的位置信息，包括：将目标图像输入到非倾斜图像提取模型的候选框生成网络中，以得到非倾斜图像提取模型的候选框生成网络所输出的多个非倾斜候选框的位置信息；根据每个非倾斜候选框的位置信息，计算每个非倾斜候选框的重合度；根据每个非倾斜候选框的重合度，对多个非倾斜候选框的位置信息进行过滤；从过滤后的多个非倾斜候选框的位置信息中选择目标图像中目标对象所在的位置区域对应的非倾斜识别框的位置信息。在一些实施例中，目标对象包括以下的任意一种：车牌、证件、广告牌。在一些实施例中，倾斜识别框的位置信息包括以下的任意一种或多种信息：倾斜识别框的顶点的位置信息；倾斜识别框的中心点的位置信息；倾斜识别框的边沿的位置信息。在一些实施例中，图像提取模型是按照如下方式训练得到的：获取样本图像；将样本图像输入到图像提取模型中，以确定样本图像中样本对象所在的位置区域对应的参考倾斜识别框的位置信息；根据参考倾斜识别框的位置信息和样本对象的标准位置信息的差别，对图像提取模型进行训练。在一些实施例中，非倾斜图像提取模型是按照如下方式训练得到的：获取样本图像；将样本图像输入到非倾斜图像提取模型中，以确定样本图像中样本对象所在的位置区域对应的参考非倾斜识别框的位置信息；根据参考非倾斜识别框的位置信息和样本对象的标准位置信息的差别，对非倾斜图像提取模型进行训练。在一些实施例中，倾斜图像提取模型是按照如下方式训练得到的：获取样本图像；将样本图像输入到倾斜图像提取模型中，以确定样本图像中样本对象所在的位置区域对应的参考倾斜识别框的位置信息；根据参考倾斜识别框的位置信息和样本对象的标准位置信息的差别，对倾斜图像提取模型进行训练。在一些实施例中，目标对象为车牌；方法还包括：从目标图像中提取驾驶员的人脸照片；将人脸照片输入到人脸识别模型中，以确定人脸识别结果；根据人脸识别结果与目标对象的识别结果的匹配程度，确定操作方式。在一些实施例中，一种图像提取装置，包括：第一获取模块，用于获取目标图像；第一输入模块，用于将目标图像输入到预先训练的图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息；第一提取模块，用于根据倾斜识别框的位置信息，从目标图像中提取目标对象所在的局部图像。在一些实施例中，第一输入模块，包括：第一输入单元，用于将目标图像输入到预先训练的非倾斜图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的非倾斜识别框的位置信息；第二输入单元，用于将目标图像输入到预先训练的倾斜图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息；第一提取模块，包括：第一提取单元，用于根据倾斜识别框的位置信息和非倾斜识别框的位置信息，从目标图像中提取目标对象所在的局部图像。在一些实施例中，第一输入模块，包括：第三输入单元，用于将目标图像输入到预先训练的非倾斜图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的非倾斜识别框的位置信息；第四输入单元，用于将目标图像中与非倾斜识别框的位置信息相对应的局部图像输入到倾斜图像提取模型中，以确定局部图像中目标对象所在的位置区域对应的倾斜识别框的位置信息。在一些实施例中，倾斜识别框的位置信息包括倾斜识别框顶点的位置信息；装置还包括：第一变换模块，用于根据预先获取到的透视变换矩阵和倾斜识别框顶点的位置信息，对目标图像中倾斜识别框信息所对应的局部图像进行透视变换，以得到包含有目标对象的非倾斜图像；第一确定模块，用于将包含有目标对象的非倾斜图像输入到图像识别模型中，以确定目标对象的识别结果。在一些实施例中，还包括：第二变换模块，用于根据预先获取到的仿射变换矩阵，对目标图像中倾斜识别框信息所对应的局部图像进行仿射变换，以本文档来自技高网...

【技术保护点】
1.一种图像提取方法，其特征在于，包括：/n获取目标图像；/n将目标图像输入到预先训练的图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息；/n根据所述倾斜识别框的位置信息，从目标图像中提取所述目标对象所在的局部图像。/n

【技术特征摘要】
1.一种图像提取方法，其特征在于，包括：
获取目标图像；
将目标图像输入到预先训练的图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息；
根据所述倾斜识别框的位置信息，从目标图像中提取所述目标对象所在的局部图像。


2.根据权利要求1所述的方法，其特征在于，将目标图像输入到预先训练的图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息，包括：
将目标图像输入到预先训练的非倾斜图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的非倾斜识别框的位置信息；
将目标图像输入到预先训练的倾斜图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息；
根据所述倾斜识别框的位置信息，从目标图像中提取所述目标对象所在的局部图像，包括：
根据所述倾斜识别框的位置信息和所述非倾斜识别框的位置信息，从目标图像中提取所述目标对象所在的局部图像。


3.根据权利要求1所述的方法，其特征在于，将目标图像输入到预先训练的图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息，包括：
将目标图像输入到预先训练的非倾斜图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的非倾斜识别框的位置信息；
将目标图像中与非倾斜识别框的位置信息相对应的局部图像输入到倾斜图像提取模型中，以确定局部图像中目标对象所在的位置区域对应的倾斜识别框的位置信息。


4.根据权利要求3所述的方法，其特征在于，所述倾斜识别框的位置信息包括倾斜识别框顶点的位置信息；
所述方法还包括：
根据预先获取到的透视变换矩阵和倾斜识别框顶点的位置信息，对目标图像中倾斜识别框信息所对应的局部图像进行透视变换，以得到包含有目标对象的非倾斜图像；
将所述包含有目标对象的非倾斜图像输入到图像识别模型中，以确定目标对象的识别结果。


5.根据权利要求3所述的方法，其特征在于，还包括：
根据预先获取到的仿射变换矩阵，对目标图像中倾斜识别框信息所对应的局部图像进行仿射变换，以得到包含有目标对象的非倾斜图像；
将所述包含有目标对象的非倾斜图像输入到图像识别模型中，以确定目标对象的识别结果。


6.根据权利要求3所述的方法，其特征在于，将目标图像输入到预先训练的非倾斜图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的非倾斜识别框的位置信息，包括：
将目标图像输入到所述非倾斜图像提取模型的候选框生成网络中，以得到所述非倾斜图像提取模型的候选框生成网络所输出的多个非倾斜候选框的位置信息；
根据每个非倾斜候选框的位置信息，计算每个非倾斜候选框的重合度；
根据每个非倾斜候选框的重合度，对所述多个非倾斜候选框的位置信息进行过滤；
从过滤后的所述多个非倾斜候选框的位置信息中选择目标图像中目标对象所在的位置区域对应的非倾斜识别框的位置信息。


7.根据权利要求3所述的方法，其特征在于，所述目标对象包括以下的任意一种：
车牌、证件、广告牌。


8.根据权利要求3所述的方法，其特征在于，倾斜识别框的位置信息包括以下的任意一种或多种信息：
倾斜识别框的顶点的位置信息；倾斜识别框的中心点的位置信息；倾斜识别框的边沿的位置信息。


9.根据权利要求2所述的方法，其特征在于，所述图像提取模型是按照如下方式训练得到的：
获取样本图像；
将样本图像输入到图像提取模型中，以确定样本图像中样本对象所在的位置区域对应的参考倾斜识别框的位置信息；
根据所述参考倾斜识别框的位置信息和样本对象的标准位置信息的差别，对图像提取模型进行训练。


10.根据权利要求3所述的方法，其特征在于，所述非倾斜图像提取模型是按照如下方式训练得到的：
获取样本图像；
将样本图像输入到非倾斜图像提取模型中，以确定样本图像中样本对象所在的位置区域对应的参考非倾斜识别框的位置信息；
根据所述参考非倾斜识别框的位置信息和样本对象的标准位置信息的差别，对非倾斜图像提取模型进行训练。


11.根据权利要求10所述的方法，其特征在于，所述倾斜图像提取模型是按照如下方式训练得到的：
获取样本图像；
将样本图像输入到倾斜图像提取模型中，以确定样本图像中样本对象所在的位置区域对应的参考倾斜识别框的位置信息；
根据所述参考倾斜识别框的位置信息和样本对象的标准位置信息的差别，对倾斜图像提取模型进行训练。


12.根据权利要求4或5所述的方法，其特征在于，所述目标对象为车牌；
所述方法还包括：
从目标图像中提取驾驶员的人脸照片；
将所述人脸照片输入到人脸识别模型中，以确定人脸识别结果；
根据人脸识别结果与目标对象的识别结果的匹配程度，确定操作方式。


13.一种图像提取装置，其特征在于，包括：
第一获取模块，用于获取目标图像；
第一输入模块，用于将目标图像输入到预先训练的图像提取模型中，以确定目标图像中目标对象所在的位置区域对应的倾斜识别框的位置信息；
第一提取模块，用于根据所述倾斜识别框的位置信息，从目标图像中提取所述目标对象所在的局部图像。
...

【专利技术属性】
技术研发人员：苟巍，沈海峰，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11