图像处理方法及装置、神经网络训练方法及装置制造方法及图纸

本公开涉及一种图像处理方法及装置、神经网络训练方法及装置，所述方法包括：对第一图像进行目标检测，得到所述第一图像中目标对象的中心点坐标信息及所述目标对象的尺寸信息；根据所述目标对象的中心点坐标信息及所述目标对象的尺寸信息，确定截断点坐标；根据所述截断点坐标及截断方向，确定所述第一图像中的截断区域；对所述第一图像中的所述截断区域进行截断处理，得到第二图像。本公开实施例可实现提高神经网络的训练精度。

【技术实现步骤摘要】
图像处理方法及装置、神经网络训练方法及装置
本公开涉及计算机
，尤其涉及一种图像处理方法及装置、神经网络训练方法及装置。
技术介绍
物体姿态估计是指从图片中准备估计出目标对象相对相机的姿态信息，可以包括：旋转(3个自由度)和平移(3个自由度)，其中，旋转指的是相机坐标系相对于目标对象坐标系的旋转关系，平移指的是相机坐标系原点相对于目标物体坐标系原点的平移信息。物体姿态估计在很多领域起着重要的作用，例如：“机器人作业”、“自动驾驶”、“增强现实”等领域。相关技术中，物体姿态估计算法容易受到噪声、模糊、遮挡、光照变化、杂乱背景等外界环境因素的影响，对于准确估计出物体姿态具有很大的挑战。
技术实现思路
本公开提出了一种用于对图像进行截取的图像处理技术方案。根据本公开的一方面，提供了一种图像处理方法，包括：对第一图像进行目标检测，得到所述第一图像中目标对象的中心点坐标信息及所述目标对象的尺寸信息；根据所述目标对象的中心点坐标信息及所述目标对象的尺寸信息，确定截断点坐标；根据所述截断点坐标及截断方向，确定所述第一图像中的截断区域；对所述第一图像中的所述截断区域进行截断处理，得到第二图像。在一种可能的实现方式中，所述根据所述目标对象的中心点坐标信息及所述目标对象的尺寸信息，确定截断点坐标，包括：根据预设截断范围系数、所述目标对象的中心点坐标信息及所述目标对象的尺寸信息，确定截断点坐标取值范围；在所述截断点坐标取值范围中进行取值，得到所述截断点坐标。在一种可能的实现方式中，所述根据所述截断点坐标及截断方向，确定所述第一图像中的截断区域，包括：根据所述第一图像中任一像素点的坐标、所述截断点坐标及所述截断方向，确定第一像素点；所有所述第一像素点组成初始截断区域；根据所述初始截断区域，确定所述第一图像中的截断区域。在一种可能的实现方式中，所述根据所述第一图像中任一像素点的坐标、所述截断点坐标及所述截断方向，确定第一像素点，包括：针对任一像素点，若所述截断方向向上，所述截断点坐标的纵坐标小于所述像素点的纵坐标，则确定所述像素点为第一像素点；或，若所述截断方向向下，且所述截断点坐标的纵坐标大于所述像素点的纵坐标，则确定所述像素点为第一像素点；或，若所述截断方向向左，且所述截断点坐标的横坐标大于所述像素点的横坐标，则确定所述像素点为第一像素点；或，若所述截断方向向右，且所述截断点坐标的横坐标小于所述像素点的横坐标，则确定所述像素点为第一像素点。在一种可能的实现方式中，所述根据所述初始截断区域，确定所述第一图像中的截断区域，包括：根据所述目标对象的中心点坐标信息、所述目标对象的尺寸信息及所述初始截断区域，确定所述第一图像中的截断区域。在一种可能的实现方式中，所述对所述第一图像中的所述截断区域进行截断处理，得到第二图像，包括：将所述截断区域中各像素点对应的像素值进行变换处理，得到所述第二图像。在一种可能的实现方式中，所述对所述第一图像中的所述截断区域进行截断处理，得到第二图像，包括：从第三图像中截取遮挡图像，所述遮挡图像的尺寸与所述截断区域的尺寸相同；将所述第一图像中的截断区域替换成所述遮挡图像，得到所述第二图像。根据本公开的一方面，提供了一种神经网络训练方法，所述方法包括：根据预设的训练集训练神经网络，所述训练集中的样本图像为采用前述任一项图像处理方法进行截断处理后得到的。根据本公开的一方面，提供了一种图像处理装置，包括：检测模块，用于对第一图像进行目标检测，得到所述第一图像中目标对象的中心点坐标信息及所述目标对象的尺寸信息；第一确定模块，用于根据所述目标对象的中心点坐标信息及所述目标对象的尺寸信息，确定截断点坐标；第二确定模块，用于根据所述截断点坐标及截断方向，确定所述第一图像中的截断区域；处理模块，用于对所述第一图像中的所述截断区域进行截断处理，得到第二图像。在一种可能的实现方式中，所述第一确定模块，还用于：根据预设截断范围系数、所述目标对象的中心点坐标信息及所述目标对象的尺寸信息，确定截断点坐标取值范围；在所述截断点坐标取值范围中进行取值，得到所述截断点坐标。在一种可能的实现方式中，所述第二确定模块，还用于：根据所述第一图像中任一像素点的坐标、所述截断点坐标及所述截断方向，确定第一像素点；所有所述第一像素点组成初始截断区域；根据所述初始截断区域，确定所述第一图像中的截断区域。在一种可能的实现方式中，所述第二确定模块，还用于：针对任一像素点，若所述截断方向向上，所述截断点坐标的纵坐标小于所述像素点的纵坐标，则确定所述像素点为第一像素点；或，若所述截断方向向下，且所述截断点坐标的纵坐标大于所述像素点的纵坐标，则确定所述像素点为第一像素点；或，若所述截断方向向左，且所述截断点坐标的横坐标大于所述像素点的横坐标，则确定所述像素点为第一像素点；或，若所述截断方向向右，且所述截断点坐标的横坐标小于所述像素点的横坐标，则确定所述像素点为第一像素点。在一种可能的实现方式中，所述第二确定模块，还用于：根据所述目标对象的中心点坐标信息、所述目标对象的尺寸信息及所述初始截断区域，确定所述第一图像中的截断区域。在一种可能的实现方式中，所述处理模块，还用于：将所述截断区域中各像素点对应的像素值进行变换处理，得到所述第二图像。在一种可能的实现方式中，所述处理模块，还用于：从第三图像中截取遮挡图像，所述遮挡图像的尺寸与所述截断区域的尺寸相同；将所述第一图像中的截断区域替换成所述遮挡图像，得到所述第二图像。根据本公开的一方面，提供了一种神经网络训练装置，所述装置包括：训练模块，用于根据预设的训练集训练神经网络，所述训练集中的样本图像为采用前述任一项图像处理方法进行截断处理后得到的。根据本公开的一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行上述方法。根据本公开的一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。这样，可以对第一图像进行目标检测，得到所述第一图像中目标对象的中心点坐标信息及所述目标对象的尺寸信息，并根据所述目标对象的中心点坐标信息及所述目标对象的尺寸信息，确定截断点坐标。根据所述截断点坐标及截断方向，确定所述第一图像中的截断区域，并对所述第一图像中的所述截断区域进行截断处理，得到第二图像。根据本公开实施例提供的图像处理方法及装置、神经网络训练方法及装置，可以得到能够模拟物体被严重遮挡的情况的第二图像，该第二图像可以用于进行物体姿态估计的神经网络的训练，进而提高训练得到的神经网络对于遮挡的鲁棒性及精本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n对第一图像进行目标检测，得到所述第一图像中目标对象的中心点坐标信息及所述目标对象的尺寸信息；/n根据所述目标对象的中心点坐标信息及所述目标对象的尺寸信息，确定截断点坐标；/n根据所述截断点坐标及截断方向，确定所述第一图像中的截断区域；/n对所述第一图像中的所述截断区域进行截断处理，得到第二图像。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
对第一图像进行目标检测，得到所述第一图像中目标对象的中心点坐标信息及所述目标对象的尺寸信息；
根据所述目标对象的中心点坐标信息及所述目标对象的尺寸信息，确定截断点坐标；
根据所述截断点坐标及截断方向，确定所述第一图像中的截断区域；
对所述第一图像中的所述截断区域进行截断处理，得到第二图像。


2.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象的中心点坐标信息及所述目标对象的尺寸信息，确定截断点坐标，包括：
根据预设截断范围系数、所述目标对象的中心点坐标信息及所述目标对象的尺寸信息，确定截断点坐标取值范围；
在所述截断点坐标取值范围中进行取值，得到所述截断点坐标。


3.根据权利要求1或2所述的方法，其特征在于，所述根据所述截断点坐标及截断方向，确定所述第一图像中的截断区域，包括：
根据所述第一图像中任一像素点的坐标、所述截断点坐标及所述截断方向，确定第一像素点；
所有所述第一像素点组成初始截断区域；
根据所述初始截断区域，确定所述第一图像中的截断区域。


4.根据权利要求3所述的方法，其特征在于，所述根据所述第一图像中任一像素点的坐标、所述截断点坐标及所述截断方向，确定第一像素点，包括：
针对任一像素点，若所述截断方向向上，所述截断点坐标的纵坐标小于所述像素点的纵坐标，则确定所述像素点为第一像素点；或，
若所述截断方向向下，且所述截断点坐标的纵坐标大于所述像素点的纵坐标，则确定所述像素点为第一像素点；或，
若所述截断方向向左，且所述截断点坐标的横坐标大于所述像素点的横坐标，则确定所述像素点为第一像素点；或，
若所述截断方向向右，且所述截断点坐标的横坐标小于所述像素点的横坐标，则确定所述像素点为第一像素点。


5.根据权利要求3所述的方法，其特征在于，所述根据所述初始截断区域，确定所述第一图像中的截断区域，包括：
根据所述目标对象的中心点坐标信息、所述目标对象的尺...

【专利技术属性】
技术研发人员：季向阳，李志刚，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11