图像识别方法及装置制造方法及图纸

本申请公开了一种图像识别方法及装置，属于图像处理技术领域。图像识别方法包括：获取目标图像序列，其中，目标图像序列包括多帧图像；确定目标图像序列中的至少一个运动区域；针对每个运动区域，确定运动区域的边缘密度特征量和边缘梯度方向特征量；在边缘密度特征量和边缘梯度方向特征量满足目标条件的情况下，将运动区域确定为目标运动区域。本申请的图像识别方法及装置，能够提高运动区域的识别效率。

【技术实现步骤摘要】
图像识别方法及装置
本申请属于图像处理
，具体涉及一种图像识别方法及装置。
技术介绍
随着电子设备的发展，电子设备具有了专业图像处理功能，比如，高动态范围成像(High-DynamicRange，HDR)、多帧降噪和超分辨成像等。这些专业图像处理功能可以对电子设备采集到的多帧图像进行合成。当拍摄场景中存在大量的高光、轻微运动且纹理精细的物体(比如，高光树叶)时，图像合成后会产生大片的模糊(类似于物体“烧焦”或“发糊”的样子)。因此，在图像合成时，需要剔除这些物体的运动区域。在剔除这些物体的运动之前，首先需要识别出这些物体的运动区域。相关技术中主要采用混合高斯背景建模法识别这些物体的运动区域。但是，在实现本申请过程中，专利技术人发现相关技术中至少存在如下问题：混合高斯背景建模法的混合高斯模型较为复杂，需要大量的图像和多次迭代才能完成建模，采用混合高斯背景建模法识别这些物体的运动区域，识别效率较低。
技术实现思路
本申请实施例的目的是提供一种图像识别方法及装置，能够解决运动区域识别效率低的问题。为了解决上述本文档来自技高网...

【技术保护点】
1.一种图像识别方法，其特征在于，所述方法包括：/n获取目标图像序列，其中，所述目标图像序列包括多帧图像；/n确定所述目标图像序列中的至少一个运动区域；/n针对每个所述运动区域，确定所述运动区域的边缘密度特征量和边缘梯度方向特征量；/n在所述边缘密度特征量和所述边缘梯度方向特征量满足目标条件的情况下，将所述运动区域确定为目标运动区域。/n

【技术特征摘要】
1.一种图像识别方法，其特征在于，所述方法包括：
获取目标图像序列，其中，所述目标图像序列包括多帧图像；
确定所述目标图像序列中的至少一个运动区域；
针对每个所述运动区域，确定所述运动区域的边缘密度特征量和边缘梯度方向特征量；
在所述边缘密度特征量和所述边缘梯度方向特征量满足目标条件的情况下，将所述运动区域确定为目标运动区域。


2.根据权利要求1所述的方法，其特征在于，所述确定所述运动区域的边缘密度特征量和边缘梯度方向特征量，包括：
确定所述运动区域对应的外接矩形区域；
根据所述运动区域在第一方向上的第一梯度、所述运动区域在第二方向上的第二梯度、所述运动区域在所述第一方向上的第一偏移量和所述运动区域在所述第二方向上的第二偏移量，确定所述运动区域对应的结构张量矩阵；其中，所述第一方向与所述第二方向垂直；
以所述外接矩形区域的中心点坐标和第一距离为所述结构张量矩阵的参数，对所述结构张量矩阵进行奇异值分解，得到所述结构张量矩阵对应的第一特征向量和第二特征向量；其中，所述第一距离为所述中心点到所述外接矩形区域的顶点的距离；
根据所述第一特征向量和所述第二特征向量，确定所述边缘密度特征量和所述边缘梯度方向特征量。


3.根据权利要求2所述的方法，其特征在于，所述根据所述第一特征向量和所述第二特征向量，确定所述边缘密度特征量和所述边缘梯度方向特征量，包括：
将所述第一特征向量和所述第二特征向量之和，确定为所述边缘密度特征量；
将第一差值与所述边缘密度特征量的商，确定为所述边缘梯度方向特征量；其中，所述第一差值为所述第一特征向量与所述第二特征向量之差，所述第一特征向量大于所述第二特征向量。


4.根据权利要求1至3任一项所述的方法，其特征在于，所述目标条件，包括：
所述边缘密度特征量大于目标边缘密度特征量，和/或，所述边缘梯度方向特征量小于目标边缘梯度方向特征量；其中，
所述目标边缘密度特征量为与所述运动区域的面积对应的边缘密度特征量，所述目标边缘梯度方向特征量为与所述运动区域的面积对应的边缘密度特征量。


5.根据权利要求4所述的方法，其特征在于，在所述将所述运动区域确定为目标运动区域之后，所述方法还包括：
对所述至少一个运动区域中除所述目标运动区域之外的第一运动区域进行运动补偿处理；
基于所述目标运动区域和运动补偿处理后的所述第一运动区域，对多帧图像进行合成处理，得到目标图像。

<...

【专利技术属性】
技术研发人员：王嗣舜，
申请(专利权)人：维沃移动通信有限公司，
类型：发明
国别省市：广东;44