一种主体识别方法、装置及计算机可读介质，获取待识别的图片；将所获取的待识别的图片输入到预先训练好的目标检测模型，检测出所述图片中的物体，及所述图片中每个物体的属性特征；所述每个物体的属性特征包括该物体的中心点位置、该物体的尺寸参数、及该物体的置信度；根据所检测出的所述图片中每个物体的属性特征，确定所述图片中作为目标主体的物体。本申请能够灵活的识别图片中的目标主体。申请能够灵活的识别图片中的目标主体。申请能够灵活的识别图片中的目标主体。
【技术实现步骤摘要】
主体识别方法、装置、及计算机可读存储介质
[0001]本文涉及计算机技术，尤指一种主体识别方法、装置、及计算机可读存储介质。
技术介绍
[0002]现有技术中，图片中的主体大多是通过人为观察图像特征进行阈值分割，将前景和背景大致区分开。例如，通过二值化，得到黑白的二值图像，通过膨胀处理去除噪点，保留原图中主体部分；或者将图像转换色彩空间RGB转换成HSV，剥离H向量后，得到灰度向量，再使用直方图或者二值化算法将背景与前景区分开来，得到主体部分。这类方法需要对每张图片进行人为的设定阈值，无法自动识别到主体的类型，且在背景复杂或者存在多个前景的时候，无法有效分离出主体。
技术实现思路
[0003]本申请提供了一种主体识别方法、装置、及计算机可读存储介质，能够达到灵活的识别图片中的目标主体的目的。
[0004]本申请提供了一种主体识别方法，获取待识别的图片；将所获取的待识别的图片输入到预先训练好的目标检测模型，检测出所述图片中的物体，及所述图片中每个物体的属性特征；所述每个物体的属性特征包括该物体的中心点位置、该物体的尺寸参数、及该物体的置信度；根据所检测出的所述图片中每个物体的属性特征，确定所述图片中作为目标主体的物体。
[0005]与相关技术相比，本申请实施例基于深度学习目标检测的主体识别方法，通过使用目标检测的技术替代人为设定阈值、二值化、膨胀等方法去分割前景背景的方法，能够灵活的识别图片中的目标主体，并适用于复杂的背景和存在多个前景的情况。
[0006]在一个示例性实施例中，本申请实施例通过设置属性特征各自对应的权重，能够指定不同的类别的物体作为目标主体。
[0007]本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的其他优点可通过在说明书以及附图中所描述的方案来实现和获得。
附图说明
[0008]附图用来提供对本申请技术方案的理解，并且构成说明书的一部分，与本申请的实施例一起用于解释本申请的技术方案，并不构成对本申请技术方案的限制。
[0009]图1为本申请实施例主体识别方法流程图；
[0010]图2为本申请实施例在图片中识别出的目标主体示意图；
[0011]图3为本申请实施例主体识别装置模块示意图。
具体实施方式
[0012]本申请描述了多个实施例，但是该描述是示例性的，而不是限制性的，并且对于本领域的普通技术人员来说显而易见的是，在本申请所描述的实施例包含的范围内可以有更多的实施例和实现方案。尽管在附图中示出了许多可能的特征组合，并在具体实施方式中进行了讨论，但是所公开的特征的许多其它组合方式也是可能的。除非特意加以限制的情况以外，任何实施例的任何特征或元件可以与任何其它实施例中的任何其他特征或元件结合使用，或可以替代任何其它实施例中的任何其他特征或元件。
[0013]本申请包括并设想了与本领域普通技术人员已知的特征和元件的组合。本申请已经公开的实施例、特征和元件也可以与任何常规特征或元件组合，以形成由权利要求限定的独特的专利技术方案。任何实施例的任何特征或元件也可以与来自其它专利技术方案的特征或元件组合，以形成另一个由权利要求限定的独特的专利技术方案。因此，应当理解，在本申请中示出和/或讨论的任何特征可以单独地或以任何适当的组合来实现。因此，除了根据所附权利要求及其等同替换所做的限制以外，实施例不受其它限制。此外，可以在所附权利要求的保护范围内进行各种修改和改变。
[0014]此外，在描述具有代表性的实施例时，说明书可能已经将方法和/或过程呈现为特定的步骤序列。然而，在该方法或过程不依赖于本文所述步骤的特定顺序的程度上，该方法或过程不应限于所述的特定顺序的步骤。如本领域普通技术人员将理解的，其它的步骤顺序也是可能的。因此，说明书中阐述的步骤的特定顺序不应被解释为对权利要求的限制。此外，针对该方法和/或过程的权利要求不应限于按照所写顺序执行它们的步骤，本领域技术人员可以容易地理解，这些顺序可以变化，并且仍然保持在本申请实施例的精神和范围内。
[0015]如图1所示，本申请实施例主体识别方法，包括如下操作：
[0016]S1、获取待识别的图片；
[0017]S2、将所获取的待识别的图片输入到预先训练好的目标检测模型，检测出所述图片中的物体，及所述图片中每个物体的属性特征；
[0018]其中，所述每个物体的属性特征包括该物体的中心点位置、该物体的尺寸参数、及该物体的置信度等等。在其他实施方式中，物体的属性特征也可以不限于前述种类，可以根据具体情形进行增加。
[0019]其中，上述置信度是指目标检测模型预测的该物体属于哪个类型的概率。比如目标物体属于人的概率、动物的概率、物品的概率等等。
[0020]S3、根据所检测出的所述图片中每个物体的属性特征，确定所述图片中作为目标主体的物体。
[0021]本申请实施例能够较灵活的识别图片中的目标主体。
[0022]在一个示例性实施例中，上述预训练好的目标检测模型，采用基于深度学习的目标检测算法实现，能够检测到一张图片中包含的物体、人的位置信息等等。可以使用Faster RCNN、Mask RCNN、SSD、或者YOLOv3等检测模型，采用图片对应各类类别(人物、桌子、电脑等)(coco数据集)以及物体的在图片中的矩形坐标框出来。
[0023]在一个示例性实施例中，上述操作S3中所述根据所检测出的所述图片中每个物体的属性特征，确定所述图片中作为目标主体的物体，包括：根据所检测出的所述图片中每个物体的属性特征，以及物体的每个属性特征各自对应的预设权重，确定所述图片中作为目
标主体的物体。
[0024]本申请实施例通过设置权重，能够指定不同的类别的物体作为目标主体对象进行区域识别，即，设定作为目标主体的要求后提取出目标主体，预先设定的主体物体的要求可以包括：一、单个主体占图片的面积；二、单个主体在图片中的位置；三、置信度，单个主体属于某个类别的概率。
[0025]在一个示例性实施例中，上述操作S3中所述根据所检测出的所述图片中每个物体的属性特征，以及物体的每个属性特征各自的预设权重，确定所述图片中作为目标主体的物体，包括如下操作：
[0026]S31、根据每个物体的尺寸参数分别确定该物体在所述图片中的面积占比，根据每个物体的中心点位置分别确定该物体的中心点与所述图片的中心点的距离；其中，图片的属性参数可以在本步骤之前获取。
[0027]S32、根据每个物体的面积占比和预设的尺寸参数的权重、每个物体的中心点与图片的中心点的距离和预设的中心点位置的权重、以及置信度和置信度的权重，确定所述图片中作为目标主体的物体。
[0028]在一个示例性实施例中，预先训练好的目标检测神经网络检测出图片中各类型的单个物体N个，并且提取图片的属性特征和每个物体的属性特征。其中，每个物体的属性特征包括尺寸参数属性特征，表示为[xi,yi,wi,hi本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种主体识别方法，包括：获取待识别的图片；将所获取的待识别的图片输入到预先训练好的目标检测模型，检测出所述图片中的物体，及所述图片中每个物体的属性特征；所述每个物体的属性特征包括该物体的中心点位置、该物体的尺寸参数、及该物体的置信度；根据所检测出的所述图片中每个物体的属性特征，确定所述图片中作为目标主体的物体。2.根据权利要求1所述的主体识别方法，其特征在于，所述根据所检测出的所述图片中每个物体的属性特征，确定所述图片中作为目标主体的物体，包括：根据所检测出的所述图片中每个物体的属性特征，以及物体的每个属性特征各自对应的预设权重，确定所述图片中作为目标主体的物体。3.根据权利要求2所述的主体识别方法，其特征在于，所述根据所检测出的所述图片中每个物体的属性特征，以及物体的每个属性特征各自对应的预设权重，确定所述图片中作为目标主体的物体包括：根据每个物体的尺寸参数分别确定该物体在所述图片中的面积占比，根据每个物体的中心点位置分别确定该物体的中心点与所述图片的中心点的距离；根据每个物体的面积占比和预设的尺寸参数的权重、每个物体的中心点与图片的中心点的距离和预设的中心点位置的权重、以及置信度和置信度的权重，确定所述图片中作为目标主体的物体。4.根据权利要求3所述的主体识别方法，其特征在于，所述根据每个物体的面积占比和预设的尺寸参数的权重、每个物体的中心点与图片的中心点的距离和预设的中心点位置的权重、以及置信度和置信度的权重，确定所述图片中作为目标主体的物体，包括：根据每个物体的面积占比和预设的尺寸参数的权重、每个物体的中心点与图片的中心点的距离和预设的中心点位置的权重、以及置信度和置信度的权重，确定每个物体作为目标主体的物体的得分；将得分值大于预定...
【专利技术属性】
技术研发人员：陆瑾，熊龙飞，
申请(专利权)人：武汉金山办公软件有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。