对象分析方法、局部图像搜索方法、设备及存储介质技术

本申请涉及一种对象分析方法、局部图像搜索方法、设备及存储介质，属于计算机技术领域，该对象分析方法包括：将获取到的对象图像输入局部区域获取模型中，得到对象图像中的各个局部区域；局部区域获取模型是基于Mask分割网络模型训练得到的；将各个局部区域对应的局部图像输入预先训练的区域分析模型中，得到各个局部图像对应的特征信息和属性信息；可以解决通过对象检测算法确定出的对象区域并不准确的问题；使用Mask分割网络模型可以提高确定对象的局部区域的准确性。且通过融合属性信息训练得到区域分析模型，既可以提高区域分析模型得到的特征信息的准确性，从而提高局部区域搜索的准确性，还可以得到局部区域的属性信息。

【技术实现步骤摘要】
对象分析方法、局部图像搜索方法、设备及存储介质
本申请涉及一种对象分析方法、局部图像搜索方法、计算机设备及存储介质，属于计算机

技术介绍
随着监控技术的发展，目前可以实现从视频中快速定位到某些需要特定关注的目标，从而对目标进行分析。比如：检测视频中的人脸区域、车牌区域等进行分析。目前，对象分析的方法包括：使用对象检测算法对采集到的对象图像进行检测，得到对象检测框，该对象检测框用于指示对象图像中对象所在的位置。然而，现有的对象检测算法得到的对象检测框通常包括较多的图像背景信息，确定出的对象区域并不准确。
技术实现思路
本申请提供了一种对象分析方法、局部图像搜索方法、计算机设备及存储介质，可以解决通过对象检测算法得到的对象检测框包括较多的图像背景信息，确定出的对象区域并不准确的问题。本申请提供如下技术方案：第一方面，提供了一种对象分析方法，所述方法包括：获取对象图像；将所述对象图像输入预先训练的局部区域获取模型中，得到所述对象图像中的各个局部区域；所述局部区域获取模型是基于Mask分割网络模型训练得到的；获取每个局部区域对应的局部图像；将所述各个局部图像输入预先训练的区域分析模型中，得到各个局部图像对应的特征信息和属性信息。可选地，所述获取所述每个局部区域对应的局部图像，包括：确定每个局部区域的外接矩形；从所述对象图像中抠取所述外接矩形，得到所述局部图像。可选地，所述确定每个局部区域的外接矩形之前，包括:对每个局部区域进行连通域分析，得到连通后的局部区域，所述连通后的局部区域是用于确定所述外接矩形的局部区域。可选地，所述局部区域获取模型是基于样本对象图像对Mask分割网络模型进行训练得到的；所述样本对象图像包括基础图像和扩展图像；所述扩展图像为对所述基础图像进行预处理得到的；其中，所述预处理包括：缩放操作、镜像操作、旋转操作和平移操作中的至少一种。可选地，所述Mask分割网络模型包括：卷积神经网络CNN，用于对输入的图像进行特征提取；与所述CNN相连的特征金字塔网络FPN，用于自下而上地对所述CNN中每层输出的特征进行处理，得到多层特征数据；之后至上而下地结合上层特征数据和本层特征数据进行联合处理，得到多个尺度不同的建议窗口；将所述多个尺度不同的建议窗口映射至所述CNN的最后一层特征图中，得到感兴趣区域ROI；感兴趣区域对齐ROIAlign层，用于使用双线性内插值算法将各个ROI缩放至预设尺寸；掩码预测层，用于识别每个预设尺寸的ROI的边界框，并进行掩码预测，得到所述局部区域。可选地，所述区域分析模型包括多个任务分支，每个任务分支对应一个局部图像，每个任务分支包括特征提取层和属性分析层，所述特征提取层用于提取所述特征信息，所述属性分析层用于提取所述属性信息。可选地，所述将所述各个局部图像输入所述预先训练的区域分析模型中，得到所述各个局部图像对应的特征信息和属性信息之前，还包括：获取训练数据，所述训练数据包括所述样本局部图像和所述样本局部图像对应的样本属性信息；将所述样本局部图像输入到预设的神经网络模型，得到所述模型输出结果；所述神经网络模型的网络结构与所述区域分析模型的网络结构相同；基于所述样本属性信息与所述模型输出结果之间的差异对所述神经网络模型进行训练，得到所述区域分析模型。第二方面，提供了一种局部图像搜索方法，所述方法包括：获取局部图像信息，所述局部图像信息包括特征信息和/或属性信息；将所述局部图像信息与预存的模板信息进行比较，得到局部图像搜索结果；其中，所述局部图像信息为将各个局部图像输入预先训练的区域分析模型中得到的，所述各个局部图像是将对象图像输入预先训练的局部区域获取模型中，得到所述对象图像中的各个局部区域后，获取到的每个局部区域对应的局部图像。第三方面，提供了一种对象分析装置，所述装置包括：对象图像获取模块，用于获取对象图像；局部区域确定模块，用于将所述对象图像输入预先训练的局部区域获取模型中，得到所述对象图像中的各个局部区域；所述局部区域获取模型是基于Mask分割网络模型训练得到的；局部图像获取模块，用于获取每个局部区域对应的局部图像；图像属性分析模块，用于将所述各个局部图像输入预先训练的区域分析模型中，得到各个局部图像对应的特征信息和属性信息。第四方面，提供了一种局部图像搜索装置，所述装置包括：获取模块，用于获取局部图像信息，所述局部图像信息包括特征信息和/或属性信息；搜索模块，用于将所述局部图像信息与预存的模板信息进行比较，得到局部图像搜索结果；其中，所述局部图像信息为将各个局部图像输入预先训练的区域分析模型中得到的，所述各个局部图像是将对象图像输入预先训练的局部区域获取模型中，得到所述对象图像中的各个局部区域后，获取到的每个局部区域对应的局部图像。第五方面，提供一种计算机设备，所述计算机设备包括处理器和存储器；所述存储器中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的对象分析方法或者第二方面所述的局部图像搜索方法。第六方面，提供一种计算机可读存储介质，所述存储介质中存储有程序，所述程序由所述处理器加载并执行以实现第一方面所述的对象分析方法或者第二方面所述的局部图像搜索方法。本申请的有益效果在于：通过获取对象图像；将对象图像输入预先训练的局部区域获取模型中，得到对象图像中的各个局部区域；局部区域获取模型是基于Mask分割网络模型训练得到的；获取每个局部区域对应的局部图像；将各个局部图像输入预先训练的区域分析模型中，得到各个局部图像对应的特征信息和属性信息；可以解决通过对象检测算法得到的对象检测框包括较多的图像背景信息，确定出的对象区域并不准确的问题；由于Mask分割网络模型可以像素级地搜索对象的局部区域，因此，可以提高确定对象的局部区域的准确性。另外，通过区域分析模型还可以得到局部区域的特征信息和属性信息，实现提供更多的对象分析结果。另外，通过融合属性信息训练得到区域分析模型，既可以提高区域分析模型得到的特征信息的准确性，从而提高局部区域搜索的准确性，还可以得到局部区域的属性信息。另外，通过在Mask分割网络模型中设置FPN，可以提取到输入的图像的低级特征和高级特征，提高特征提取的完整性，从而可以提高确定局部区域的准确性。另外，通过在Mask分割网络模型中设置ROIAlign层，可以保证缩放后的图像ROI与原始输入的图像是对准的，提高ROI定位的准确性。另外，通过对每个局部区域进行连通域分析，可以使得输入区域分析模型中的图像均为完整的图像，可以提高局部图像的提取效率。另外，通过对基础图像进行预处理，得到扩展图像，可以使得输入Mask分割网络模型中的图像更加丰富，可以提高局部区域获取模型的训练准确度。另外，由于每个对象图像可能包括多个局部图像本文档来自技高网...

【技术保护点】
1.一种对象分析方法，其特征在于，所述方法包括：/n获取对象图像；/n将所述对象图像输入预先训练的局部区域获取模型中，得到所述对象图像中的各个局部区域；所述局部区域获取模型是基于Mask分割网络模型训练得到的；/n获取每个局部区域对应的局部图像；/n将所述各个局部图像输入预先训练的区域分析模型中，得到各个局部图像对应的特征信息和属性信息。/n

【技术特征摘要】
1.一种对象分析方法，其特征在于，所述方法包括：
获取对象图像；
将所述对象图像输入预先训练的局部区域获取模型中，得到所述对象图像中的各个局部区域；所述局部区域获取模型是基于Mask分割网络模型训练得到的；
获取每个局部区域对应的局部图像；
将所述各个局部图像输入预先训练的区域分析模型中，得到各个局部图像对应的特征信息和属性信息。


2.根据权利要求1所述方法，其特征在于，所述获取所述每个局部区域对应的局部图像，包括：
确定每个局部区域的外接矩形；
从所述对象图像中抠取所述外接矩形，得到所述局部图像。


3.根据权利要求2所述方法，其特征在于，所述确定每个局部区域的外接矩形之前，包括：
对每个局部区域进行连通域分析，得到连通后的局部区域，所述连通后的局部区域是用于确定所述外接矩形的局部区域。


4.根据权利要求1所述的方法，其特征在于，所述局部区域获取模型是基于样本对象图像对Mask分割网络模型进行训练得到的；所述样本对象图像包括基础图像和扩展图像；所述扩展图像为对所述基础图像进行预处理得到的；其中，所述预处理包括：缩放操作、镜像操作、旋转操作和平移操作中的至少一种。


5.根据权利要求1所述的方法，其特征在于，所述Mask分割网络模型包括：
卷积神经网络CNN，用于对输入的图像进行特征提取；
与所述CNN相连的特征金字塔网络FPN，用于自下而上地对所述CNN中每层输出的特征进行处理，得到多层特征数据；之后至上而下地结合上层特征数据和本层特征数据进行联合处理，得到多个尺度不同的建议窗口；将所述多个尺度不同的建议窗口映射至所述CNN的最后一层特征图中，得到感兴趣区域ROI；
感兴趣区域对齐ROIAlign层，用于使用双线性内插值算法将各个ROI缩放至预设尺寸；
掩码预测层，用于识别每个预设尺寸的ROI的...

【专利技术属性】
技术研发人员：孟祥昊，晋兆龙，肖潇，
申请(专利权)人：苏州科达科技股份有限公司，
类型：发明
国别省市：江苏;32