图像数据处理方法、装置、设备以及介质制造方法及图纸

本申请实施例提供了一种图像数据处理方法、装置、设备以及介质，该方法涉及人工智能中的目标检测技术，包括：获取源图像对应的对象轮廓特征，根据对象轮廓特征生成包含边缘像素点的轮廓掩码图像，该源图像包括目标对象，轮廓掩码图像中的边缘像素点所构成的轮廓与目标对象的轮廓相关联；对轮廓掩码图像中所包含的边缘像素点进行变换处理，得到边缘像素点对应的M个不连续的初始线段；M个初始线段所构成的轮廓与目标对象的轮廓相关联；根据M个初始线段之间的线段交点，确定与目标对象相关联的目标顶点，根据目标顶点在源图像中确定用于表征目标对象的轮廓的对象边缘形状。采用本申请实施例，可以提高图像中目标对象的检测准确率。

【技术实现步骤摘要】
图像数据处理方法、装置、设备以及介质
本申请涉及人工智能
，尤其涉及一种图像数据处理方法、装置、设备以及介质。
技术介绍
目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、人脸识别等领域。现有的目标检测技术中，可以使用不同的预设形状边框(例如，矩形框)定位图像中的目标对象，将包含目标对象的预设形状边框作为针对图像中目标对象的检测结果。当图像中所包含的实际目标对象的边缘分布与预设形状边框差距较大时，此时预设形状边框与实际目标对象的形状并不匹配，导致图像检测结果的准确度低下。
技术实现思路
本申请实施例提供一种图像数据处理方法、装置、设备以及介质，可以提高图像中目标对象的检测准确率。本申请实施例一方面提供了一种图像数据处理方法，包括：获取源图像对应的对象轮廓特征，根据对象轮廓特征生成包含边缘像素点的轮廓掩码图像；该源图像包括目标对象，轮廓掩码图像中的边缘像素点所构成的轮廓与目标对象的轮廓相关联；对轮廓掩码图像中所包含的边缘像素点进行变换处理，得到边缘像素点对应的M个不连续的初始线段；M个初始线段所构成的轮廓与目标对象的轮廓相关联，M为正整数；根据M个初始线段之间的线段交点，确定与目标对象相关联的目标顶点，根据目标顶点在源图像中确定用于表征目标对象的轮廓的对象边缘形状。其中，上述获取源图像对应的对象轮廓特征，根据对象轮廓特征生成包含边缘像素点的轮廓掩码图像，包括：获取源图像对应的空间位置特征，将空间位置特征和源图像确定为图像输入信息；将图像输入信息输入至图像分割模型，在图像分割模型中获取图像输入信息对应的至少两个图像内容特征；获取至少两个图像内容特征分别对应的特征权重，根据特征权重对至少两个图像内容特征进行特征融合，得到源图像对应的对象轮廓特征，根据对象轮廓特征生成源图像对应的轮廓掩码图像。其中，上述获取源图像对应的空间位置特征，将空间位置特征和源图像确定为图像输入信息，包括：获取源图像，对所述源图像进行标准化处理得到标准化图像，获取所述标准化图像中像素点对应的空间坐标信息；根据空间坐标信息中的横坐标值，生成源图像中像素点对应的第一位置特征；根据空间坐标信息中的纵坐标值，生成源图像中像素点对应的第二位置特征；将第一位置特征和第二位置特征确定为空间位置特征，将空间位置特征与源图像进行拼接，得到图像输入信息。其中，上述将图像输入信息输入至图像分割模型，在图像分割模型中获取图像输入信息对应的至少两个图像内容特征，包括：获取图像分割模型，将图像输入信息输入至图像分割模型；根据图像分割模型中的N个卷积层，对图像输入信息进行卷积处理，得到N个卷积层分别对应的图像特征；N个卷积层分别对应的图像特征具有不同的尺寸信息，N为正整数；从N个卷积层分别对应的图像特征中，选取至少两个图像特征作为源图像对应的至少两个图像内容特征。其中，上述获取至少两个图像内容特征分别对应的特征权重，根据特征权重对至少两个图像内容特征进行特征融合，得到源图像对应的对象轮廓特征，包括：将至少两个图像内容特征进行相加处理，得到源图像对应的候选图像内容特征；将候选图像内容特征进行全局池化处理，得到候选图像内容特征对应的全局描述向量；根据全连接层和激活层，将全局描述向量变换为候选图像内容特征对应的特征权重；将特征权重与候选图像内容特征进行乘积处理，生成源图像对应的轮廓掩码图像。其中，上述根据M个初始线段之间的线段交点，确定与目标对象相关联的目标顶点，根据目标顶点在源图像中确定用于表征目标对象的轮廓的对象边缘形状，包括：获取M个初始线段之间的线段距离，根据线段距离对M个初始线段进行合并，得到K个候选线段；K为小于M的正整数；获取K个候选线段中任意两个候选线段之间的线段交点，对线段交点进行组合得到至少两个交点组，将满足目标排序顺序的交点组，确定为S个候选顶点集合；每个交点组中所包含的线段交点数量均相同，S为小于或等于至少两个交点组的数量的正整数；获取S个候选顶点集合分别对应的交并比指标，将最大的交并比指标所对应的候选顶点集合中的线段交点，确定为与目标对象相关联的目标顶点，根据目标顶点在源图像中构建对象边缘形状。其中，上述获取M个初始线段之间的线段距离，根据线段距离对M个初始线段进行合并，得到K个候选线段，包括：获取M个初始线段中的初始线段Li和初始线段Lj，获取初始线段Li和初始线段Lj分别对应的端点坐标信息；i和j均为小于或等于M的正整数，i和j不相等；根据端点坐标信息确定初始线段Li和初始线段Lj之间的线段距离Sij；当线段距离Sij小于距离阈值时，将初始线段Li和初始线段Lj合并为候选线段。其中，上述将最大的交并比指标所对应的候选顶点集合中的线段交点，确定为与目标对象相关联的目标顶点，包括：将最大的交并比指标所对应的候选顶点集合确定为目标顶点集合，根据目标顶点集合构建候选框；候选框的顶点为目标顶点集合中所包含的线段交点；获取候选框对应的候选边缘直线，在候选边缘直线所覆盖的边缘像素点中筛选噪声点，根据筛选后的边缘像素点对候选边缘直线进行更新，得到更新后的候选边缘直线；将更新后的候选边缘直线之间的直线交点确定为与目标对象相关联的目标顶点。其中，该方法还包括：根据对象边缘形状对源图像进行分割，将对象边缘形状所覆盖的像素点，确定为包含目标对象的目标图像；将目标对象图像进行图像识别处理，得到针对目标对象的图像识别结果。其中，该方法还包括：获取样本数据集合，获取样本数据集合中样本图像的样本位置特征，将样本位置特征和样本图像确定为样本输入信息；样本数据集合包括携带标注边缘轮廓的样本图像；将样本输入信息输入至初始图像分割模型，在初始图像分割模型中获取样本图像对应的至少两个样本内容特征；获取至少两个样本内容特征分别对应的样本权重，根据样本权重对至少两个样本内容特征进行特征融合，得到样本图像对应的样本轮廓特征，根据样本轮廓特征生成样本图像对应的样本轮廓掩码图像；根据样本轮廓掩码图像与样本图像对应的标注边缘轮廓，对初始图像分割模型的网络参数进行修正，将包含修正后的网络参数的初始图像分割模型确定为图像分割模型。其中，上述获取样本数据集合，包括：获取初始样本数据集合，在初始样本数据集合中获取初始样本图像Xp和初始样本图像Xq；p，q均为小于或等于初始样本数据集合中所包含的初始样本图像数量的正整数，p和q不相等；获取初始样本图像Xp的前景对象图像，获取初始样本图像Xq的背景图像，对前景对象图像进行变形处理，得到变形后的前景对象图像；将变形后的前景对象图像和背景图像进行组合，得到扩充样本图像，将扩充样本图像添加至初始样本数据集合，得到样本数据集合。其中，上述获取样本数据集合，包括：获取初本文档来自技高网...

【技术保护点】
1.一种图像数据处理方法，其特征在于，包括：/n获取源图像对应的对象轮廓特征，根据所述对象轮廓特征生成包含边缘像素点的轮廓掩码图像；所述源图像包括目标对象，所述轮廓掩码图像中的所述边缘像素点所构成的轮廓与所述目标对象的轮廓相关联；/n对所述轮廓掩码图像中所包含的所述边缘像素点进行变换处理，得到所述边缘像素点对应的M个不连续的初始线段；M个初始线段所构成的轮廓与所述目标对象的轮廓相关联，所述M为正整数；/n根据所述M个初始线段之间的线段交点，确定与所述目标对象相关联的目标顶点，根据所述目标顶点在所述源图像中确定用于表征所述目标对象的轮廓的对象边缘形状。/n

【技术特征摘要】
1.一种图像数据处理方法，其特征在于，包括：
获取源图像对应的对象轮廓特征，根据所述对象轮廓特征生成包含边缘像素点的轮廓掩码图像；所述源图像包括目标对象，所述轮廓掩码图像中的所述边缘像素点所构成的轮廓与所述目标对象的轮廓相关联；
对所述轮廓掩码图像中所包含的所述边缘像素点进行变换处理，得到所述边缘像素点对应的M个不连续的初始线段；M个初始线段所构成的轮廓与所述目标对象的轮廓相关联，所述M为正整数；
根据所述M个初始线段之间的线段交点，确定与所述目标对象相关联的目标顶点，根据所述目标顶点在所述源图像中确定用于表征所述目标对象的轮廓的对象边缘形状。


2.根据权利要求1所述的方法，其特征在于，所述获取源图像对应的对象轮廓特征，根据所述对象轮廓特征生成包含边缘像素点的轮廓掩码图像，包括：
获取源图像对应的空间位置特征，将所述空间位置特征和所述源图像确定为图像输入信息；
将所述图像输入信息输入至图像分割模型，在所述图像分割模型中获取所述图像输入信息对应的至少两个图像内容特征；
获取所述至少两个图像内容特征分别对应的特征权重，根据所述特征权重对所述至少两个图像内容特征进行特征融合，得到所述源图像对应的对象轮廓特征，根据所述对象轮廓特征生成所述源图像对应的轮廓掩码图像。


3.根据权利要求2所述的方法，其特征在于，所述获取源图像对应的空间位置特征，将所述空间位置特征和所述源图像确定为图像输入信息，包括：
获取所述源图像，对所述源图像进行标准化处理得到标准化图像，获取所述标准化图像中像素点对应的空间坐标信息；
根据所述空间坐标信息中的横坐标值，生成所述源图像中像素点对应的第一位置特征；
根据所述空间坐标信息中的纵坐标值，生成所述源图像中像素点对应的第二位置特征；
将所述第一位置特征和所述第二位置特征确定为所述空间位置特征，将所述空间位置特征与所述源图像进行拼接，得到所述图像输入信息。


4.根据权利要求2所述的方法，其特征在于，所述将所述图像输入信息输入至图像分割模型，在所述图像分割模型中获取所述图像输入信息对应的至少两个图像内容特征，包括：
获取所述图像分割模型，将所述图像输入信息输入至所述图像分割模型；
根据所述图像分割模型中的N个卷积层，对所述图像输入信息进行卷积处理，得到所述N个卷积层分别对应的图像特征；所述N个卷积层分别对应的图像特征具有不同的尺寸信息，N为正整数；
从所述N个卷积层分别对应的图像特征中，选取至少两个图像特征作为所述源图像对应的至少两个图像内容特征。


5.根据权利要求2所述的方法，其特征在于，所述获取所述至少两个图像内容特征分别对应的特征权重，根据所述特征权重对所述至少两个图像内容特征进行特征融合，得到所述源图像对应的对象轮廓特征，包括：
将所述至少两个图像内容特征进行相加处理，得到所述源图像对应的候选图像内容特征；
将所述候选图像内容特征进行全局池化处理，得到所述候选图像内容特征对应的全局描述向量；
根据全连接层和激活层，将所述全局描述向量变换为所述候选图像内容特征对应的特征权重；
将所述特征权重与所述候选图像内容特征进行乘积处理，生成所述源图像对应的轮廓掩码图像。


6.根据权利要求1所述的方法，其特征在于，所述根据所述M个初始线段之间的线段交点，确定与所述目标对象相关联的目标顶点，根据所述目标顶点在所述源图像中确定用于表征所述目标对象的轮廓的对象边缘形状，包括：
获取所述M个初始线段之间的线段距离，根据所述线段距离对所述M个初始线段进行合并，得到K个候选线段；K为小于M的正整数；
获取所述K个候选线段中任意两个候选线段之间的线段交点，对所述线段交点进行组合得到至少两个交点组，将满足目标排序顺序的交点组，确定为S个候选顶点集合；每个交点组中所包含的线段交点数量均相同，S为小于或等于所述至少两个交点组的数量的正整数；
获取所述S个候选顶点集合分别对应的交并比指标，将最大的交并比指标所对应的候选顶点集合中的线段交点，确定为与所述目标对象相关联的目标顶点，根据所述目标顶点在所述源图像中构建所述对象边缘形状。


7.根据权利要求6所述的方法，其特征在于，所述获取所述M个初始线段之间的线段距离，根据所述线段距离对所述M个初始线段进行合并，得到K个候选线段，包括：
获取所述M个初始线段中的初始线段Li和初始线段Lj，获取所述初始线段Li和所述初始线段Lj分别对应的端点坐标信息；i和j均为小于或等于M的正整数，i和j不相等；
根据所...

【专利技术属性】
技术研发人员：胡益清，王元斐，杨芮，
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