基于掩膜的图像目标候选点筛选方法及系统技术方案

本发明专利技术提供了一种基于掩膜的图像目标候选点筛选方法，根据概率图的概率得到目标候选区域图，对目标候选区域图进行卷积操作，得到局部概率特征图，在局部概率特征图查找概率最大值点，以最大值点为中心构建矩形掩膜，使用矩形掩膜屏蔽局部概率特征图中的部分区域，并存储最大值点的位置信息，判断局部概率特征图中的点是否已全部被屏蔽，如是，则停止筛选，以当前最大值点为目标候选点；如否，在剩余的局部概率特征图中再次查找最大值点，直至局部概率特征图中的点全部被屏蔽，得到所有的最大值点，以所有的最大值点为目标候选点；本发明专利技术实时地筛选出概率图中所有的符合条件的目标候选点的位置，极大的提高了目标检测效率。极大的提高了目标检测效率。极大的提高了目标检测效率。

【技术实现步骤摘要】
基于掩膜的图像目标候选点筛选方法及系统


[0001]本专利技术涉及图像处理
，特别涉及一种基于掩膜的图像目标候选点筛选方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]随着图像处理技术和目标检测算法的蓬勃发展，用于图像特定目标检测的算法陆续发布，其中包括基于图像处理的模板匹配和霍夫变换投票算法、基于卷积神经网络的目标预测等；基于神经网络的目标预测算法由于得到的预测结果为一系列目标矩形框，所以通常结合非极大值抑制(Non
‑
Maximum Suppression，NMS)算法来得到图像中所有的目标位置。
[0004]专利技术人发现，现有的基于图像处理的目标检测方法通常以得到一张目标位置概率图为结果，传统的非极大值抑制算法难以应用在概率图或投票图中，有些将概率图转换为矩形框再进行NMS的方法会耗费大量的计算资源，不利于基于图像处理的目标检测的实时运行。

技术实现思路

[0005]为了解决现有技术的不足，本专利技术提供了一种基于掩膜的图像目标候选点筛选方法及系统，实时地筛选出概率图中所有的符合条件的目标候选点的位置，极大的提高了目标检测效率。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]本专利技术第一方面提供了一种基于掩膜的图像目标候选点筛选方法。
[0008]一种基于掩膜的图像目标候选点筛选方法，包括以下过程：
[0009]获取待处理图像的概率图；
[0010]根据概率图的概率得到目标候选区域图；
[0011]对目标候选区域图进行卷积操作，得到局部概率特征图；
[0012]在局部概率特征图查找概率最大值点；
[0013]以最大值点为中心构建矩形掩膜，使用矩形掩膜屏蔽局部概率特征图中的部分区域，并存储最大值点的位置信息；
[0014]判断局部概率特征图中的点是否已全部被屏蔽，如是，则停止筛选，以当前最大值点为目标候选点；如否，在剩余的局部概率特征图中再次查找最大值点，直至局部概率特征图中的点全部被屏蔽，得到所有的最大值点，以所有的最大值点为目标候选点。
[0015]作为本专利技术第一方面可选的一种实现方式，如果获取的为待处理图像的投票图，将投票贴归一化为0～1范围内的概率图。
[0016]作为本专利技术第一方面可选的一种实现方式，根据概率图的概率得到目标候选区域图，包括：
[0017]根据概率图的概率，过滤掉概率低于设定阈值的部分得到目标候选区域图。
[0018]作为本专利技术第一方面可选的一种实现方式，对目标候选区域图进行卷积操作，得到局部概率特征图，包括：
[0019]对目标候选区域图进行卷积操作，抑制噪声并提取区域的局部概率特征，得到局部概率特征图。
[0020]作为本专利技术第一方面进一步的限定，卷积操作的卷积核宽度和高度均设为其中，k为常系数，A为所有候选区域面积的平均值。
[0021]作为本专利技术第一方面可选的一种实现方式，在局部概率特征图查找概率最大值点，包括：
[0022]根据OpenCV的minMaxLoc()函数查找局部概率特征图中的最大值点。
[0023]作为本专利技术第一方面可选的一种实现方式，矩形掩膜的宽度为αW，高度为αH，其中，W为待检测目标的宽度，H为待检测目标的高度，α为常系数。
[0024]本专利技术第二方面提供了一种基于掩膜的图像目标候选点筛选系统。
[0025]一种基于掩膜的图像目标候选点筛选系统，其特征在于，包括：
[0026]图像获取模块，被配置为：获取待处理图像的概率图；
[0027]目标候选区域图生成模块，被配置为：根据概率图的概率得到目标候选区域图；
[0028]局部概率特征图生成模块，被配置为：对目标候选区域图进行卷积操作，得到局部概率特征图；
[0029]概率最大值点查找模块，被配置为：在局部概率特征图查找概率最大值点；
[0030]掩膜屏蔽模块，被配置为：以最大值点为中心构建矩形掩膜，使用矩形掩膜屏蔽局部概率特征图中的部分区域，并存储最大值点的位置信息；
[0031]目标候选点生成模块，被配置为：判断局部概率特征图中的点是否已全部被屏蔽，如是，则停止筛选，以当前最大值点为目标候选点；如否，在剩余的局部概率特征图中再次查找最大值点，直至局部概率特征图中的点全部被屏蔽，得到所有的最大值点，以所有的最大值点为目标候选点。
[0032]本专利技术第三方面提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的基于掩膜的图像目标候选点筛选方法中的步骤。
[0033]本专利技术第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的基于掩膜的图像目标候选点筛选方法中的步骤。
[0034]与现有技术相比，本专利技术的有益效果是：
[0035]1、本专利技术创新性的提出了一种基于掩膜的图像目标候选点筛选方法，使用预设的阈值过滤掉概率图中的小概率部分，大大减小了后续计算量，有效减少了运算时间。
[0036]2、本专利技术创新性的提出了一种基于掩膜的图像目标候选点筛选方法，使用自适应大小的卷积核对候选区域图进行卷积得到候选区域的局部概率特征图，即对卷积区域的概率进行统计求和，相比直接在概率图中取最大值有一定的纠偏效果。
[0037]3、本专利技术创新性的提出了一种基于掩膜的图像目标候选点筛选方法，通过循环进行掩膜操作去除已确认的候选点，能够有效的避免重复检测。
[0038]4、本专利技术创新性的提出了一种基于掩膜的图像目标候选点筛选方法，相对于非极
大值抑制算法，可免除计算交并比的庞大计算量，并且自身也可实现较好的交并比限制。
[0039]5、本专利技术基于图像处理的目标检测算法，提供了通用的目标候选点筛选方法，尤其适用于生成目标预测概率图的检测算法，可在概率图中快速准确地确定所有候选目标的像素坐标。
[0040]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0041]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0042]图1为本专利技术实施例1提供的基于掩膜的图像目标候选点筛选方法流程图；
[0043]图2为本专利技术实施例1提供的某图像处理算法检测目标时得到的概率图；
[0044]图3为本专利技术实施例1提供的阈值过滤后的目标候选区域图；
[0045]图4为本专利技术实施例1提供的卷积操作后的局部概率特征图；
[0046]图5为本专利技术实施例1提供的掩膜操作时掩膜的位置图；
[0047]图6为本专利技术实施例1提供的筛选结果在图像中的标记。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于掩膜的图像目标候选点筛选方法，其特征在于，包括以下过程：获取待处理图像的概率图；根据概率图的概率得到目标候选区域图；对目标候选区域图进行卷积操作，得到局部概率特征图；在局部概率特征图查找概率最大值点；以最大值点为中心构建矩形掩膜，使用矩形掩膜屏蔽局部概率特征图中的部分区域，并存储最大值点的位置信息；判断局部概率特征图中的点是否已全部被屏蔽，如是，则停止筛选，以当前最大值点为目标候选点；如否，在剩余的局部概率特征图中再次查找最大值点，直至局部概率特征图中的点全部被屏蔽，得到所有的最大值点，以所有的最大值点为目标候选点。2.如权利要求1所述的基于掩膜的图像目标候选点筛选方法，其特征在于，如果获取的为待处理图像的投票图，将投票贴归一化为0～1范围内的概率图。3.如权利要求1所述的基于掩膜的图像目标候选点筛选方法，其特征在于，根据概率图的概率得到目标候选区域图，包括：根据概率图的概率，过滤掉概率低于设定阈值的部分得到目标候选区域图。4.如权利要求1所述的基于掩膜的图像目标候选点筛选方法，其特征在于，对目标候选区域图进行卷积操作，得到局部概率特征图，包括：对目标候选区域图进行卷积操作，抑制噪声并提取区域的局部概率特征，得到局部概率特征图。5.如权利要求4所述的基于掩膜的图像目标候选点筛选方法，其特征在于，卷积操作的卷积核宽度和高度均设为其中，k为常系数，A为所有候选区域面积的平均值。6.如权利要求1所述的基于掩膜的图像目标候选点筛选方法，其特征在于，在局部概率特征图查找概率最大值点，包括：根据OpenCV的minMa...

【专利技术属性】
技术研发人员：颜承壮，李建强，李帅，史建杰，陈宇，
申请(专利权)人：山东亚历山大智能科技有限公司，
类型：发明
国别省市：