兴趣区域的生成方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种兴趣区域的生成方法、装置、电子设备及存储介质，通过将获取的待处理图像输入至预先训练的第一卷积神经网络，得到特征向量；特征向量表征待处理图像中矩形兴趣区域的位置信息。然后利用设定阈值对特征向量进行二值化处理，得到二值特征向量，再基于二值特征向量确定矩形兴趣区域的纵向特征向量和横向特征向量。由于纵向特征向量和横向特征向量能够分别表征矩形兴趣区域在待处理图像中的纵向位置与横向位置，所以可以进一步对纵向特征向量和横向特征向量进行矩阵化，得到矩形兴趣区域的掩膜图像。如此，将求解二维掩模转化为求解一维特征向量，降低维度的同时也降低了计算量，从而能够准确、快速地得到图像中兴趣区域的掩膜图像。兴趣区域的掩膜图像。兴趣区域的掩膜图像。

【技术实现步骤摘要】
兴趣区域的生成方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像处理领域，具体而言，涉及一种兴趣区域的生成方法、装置、电子设备及存储介质。

技术介绍

[0002]在人脸属性预测、人脸伪装等应用场景中，通常会遇到这样一个问题，究竟图片中的哪部分是最重要的，例如，在判断人像是否戴眼镜的预测中，对于一张人脸图像，但是只有眼睛部分的图像对“是否戴眼镜”这一判断有帮助。那么眼睛部分的图像在人脸图像的什么位置，这属于图像兴趣区域的设定问题。又例如，在人脸伪装的应用场景中，为了使人脸图像中的人被人脸识别模型认为是另一个人，则需要先对该人脸图像进行打码处理，然而在何处打码是最佳选择，也属于图像兴趣区域的设定问题。
[0003]而如何准确、快速地得到图像中的兴趣区域，是需要解决的技术问题。

技术实现思路

[0004]本专利技术的目的在于提供一种兴趣区域的生成方法、装置、电子设备及存储介质，以改善现有技术存在的问题。
[0005]本专利技术的实施例可以这样实现：
[0006]第一方面，本专利技术提供一种兴趣区域的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种兴趣区域的掩膜生成方法，其特征在于，包括：获取待处理图像，并将所述待处理图像输入至预先训练的第一卷积神经网络，得到特征向量；所述特征向量表征所述待处理图像中矩形兴趣区域的位置信息；利用设定阈值对所述特征向量进行二值化处理，得到二值特征向量；基于所述二值特征向量确定所述矩形兴趣区域的纵向特征向量和横向特征向量；其中，所述纵向特征向量和横向特征向量分别表征所述矩形兴趣区域在所述待处理图像中的纵向位置与横向位置；对所述纵向特征向量和所述横向特征向量进行矩阵化，得到所述矩形兴趣区域的掩膜图像。2.根据权利要求1所述的方法，其特征在于，所述特征向量包括若干特征值，所述利用设定阈值对所述特征向量进行二值化处理，得到二值特征向量的步骤，包括：针对任一所述特征值，当所述特征值大于所述设定阈值时，将所述特征值对应的二值化特征值置1；当所述特征值小于或等于所述设定阈值时，将所述特征值对应的二值化特征值置0；遍历每个所述特征值，得到所述二值特征向量，所述二值特征向量包括每个所述特征值对应的二值化特征值。3.根据权利要求1所述的方法，其特征在于，所述基于所述二值特征向量确定所述矩形兴趣区域的纵向特征向量和横向特征向量的步骤，包括：基于所述待处理图像的高度与宽度，对所述二值特征向量进行拆分，得到第一特征向量和第二特征向量；采用第一表达式将所述第一特征向量中的每个特征值均转换为纵向特征值，得到所述纵向特征向量，所述纵向特征向量包括所述第一特征向量中的每个特征值所对应的纵向特征值；其中，第一表达式为：f
ci
＝max(f
11
,
…
,f
1i
)*max(f
1i
,
…
,f
1H
),1≤i≤H式中，f
1i
代表所述第一特征向量中的第i个特征值，H代表所述待处理图像的高度，f
ci
代表所述纵向特征向量中的第i个纵向特征值；采用第二表达式将所述第二特征向量中的每个特征值均转换为横向特征值，得到所述横向特征向量，所述横向特征向量包括所述第二特征向量中的每个特征值所对应的横向特征值；其中，第二表达式为：f
dj
＝max(f
21
,
…
,f
2j
)*max(f
2j
,
…
,f
2W
),1≤j≤W式中，f
2j
代表所述第二特征向量中的第j个特征值，W代表所述待处理图像的宽度，f
dj
代表所述横向特征向量中的第j个横向特征值。4.根据权利要求1所述的方法，其特征在于，所述对所述纵向特征向量和所述横向特征向量进行矩阵化，得到所述矩形兴趣区域的掩膜图像的步骤，包括：分别对所述纵向特征向量和所述横向特征向量进行列扩充和行扩充，得到对应的纵向矩阵和横向矩阵；将所述纵向矩阵和所述横向矩阵进行点乘，得到所述掩膜图像。

【专利技术属性】
技术研发人员：刘铂涵，
申请(专利权)人：重庆紫光华山智安科技有限公司，
类型：发明
国别省市：