面向端到端神经网络的动物检测方法、装置、设备及介质制造方法及图纸

本发明专利技术公开一种面向端到端神经网络的动物检测方法，包括：将待检测动物图像进行灰度直方图的转换后进行均衡化处理，得到标准动物图像，对标准动物图像进行图像增强，得到增强动物图像，将增强动物图像进行数据压缩，得到数据压缩图像，进行位置编码，得到编码图像，将编码图像传输至互联网系统中，一将编码图像进行还原后进行分割，得到分割图像，并对分割图像进行特征提取，得到特征图像；当特征图像不存在模糊信息，识别特征图像对应的动物信息，当特征图像存在模糊信息，对模糊信息进行信息复原，得到复原信息，根据特征图像中的清晰信息结合复原信息识别特征图像对应的动物信息。本发明专利技术可以提高动图图像识别的效率。本发明专利技术可以提高动图图像识别的效率。本发明专利技术可以提高动图图像识别的效率。

【技术实现步骤摘要】
面向端到端神经网络的动物检测方法、装置、设备及介质


[0001]本专利技术涉及数据图像处理领域，尤其涉及一种面向端到端神经网络的动物检测方法、装置、设备及介质。

技术介绍

[0002]动物检测是计算机视觉领域中的一个重要的研究课题，通常使用训练后的图像识别模型，对待识别图像进行识别，得到识别结果。随着图像识别模型的识别准确度的不断提升，图像识别模型的结构变得越来越复杂，图像识别模型在训练和使用时占用的时间和硬件资源越来越多。
[0003]目前，动物检测主要在终端设备上实处理，然而面对终端系统有限的运算能力、存储空间以及对运算实时性的高要求，使得直接在其难以运行大规模神经网络模型效率变得很低，从而使得动物检测的效率较低。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供了一种面向端到端神经网络的动物检测方法，能够提高动物检测的效率。
[0005]第一方面，本专利技术提供了一种面向端到端神经网络的动物检测方法，包括：
[0006]采集待检测动物图像，将所述待检测动物图像进行灰度直方图的转换，得到转换动物图像，对所述转换动物图像进行均衡化处理，得到标准动物图像，并利用预设的空间滤波技术对所述标准动物图像进行图像增强，得到增强动物图像；
[0007]将所述增强动物图像进行数据压缩，得到数据压缩图像，并对所述数据压缩图像进行位置编码，得到编码图像，将所述编码图像传输至预构建的互联网系统中；
[0008]利用所述预构建的互联网系统中的图像还原技术将所述编码图像进行还原，得到还原图像，将所述还原图像进行分割，得到分割图像，并对所述分割图像进行特征提取，得到特征图像；
[0009]判断所述特征图像是否存在模糊信息；
[0010]当所述特征图像不存在模糊信息，利用训练好的动物识别模型识别所述特征图像对应的动物信息；
[0011]当所述特征图像存在模糊信息，对所述模糊特征信息进行信息复原，得到复原特征信息，并根据所述特征图像中的清晰信息结合所述复原特征信息识别所述特征图像对应的动物信息。
[0012]在第一方面的一种可能实现方式中，所述将所述待检测动物图像进行灰度直方图的转换，得到转换动物图像包括：
[0013]将所述待检测动物图像进行降维，得到降维图像；
[0014]根据所述降维图像计算所述待检测动物图像灰度像素值的累计数值，得到灰度像素数值，并根据所述灰度像素数值，构建所述待检测动物图像灰度直方图，得到转换动物图
像。
[0015]在第一方面的一种可能实现方式中，所述对所述转换动物图像进行均衡化处理，得到标准动物图像，包括：
[0016]利用下述公式计算所述待检测动物图像的直方图分布概率：
[0017][0018]其中，s(r
k
)表示所述直方图概率累计值，r
k
表示所述人脸图像的第k个灰度级，m
k
表示第k个灰度级的像素个数，m表示所述人脸图像中的所有像素个数；
[0019]根据所述直方图分布概率，利用下述公式计算所述待检测动物图像的直方图概率累计值：
[0020][0021]其中，h(y
i
)表示直方图概率累计值，s(r
k
)表示直方图分布概率，s(y
i
)表示在s级灰度值中第i个像素的个数；
[0022]根据所述直方图概率累计值，利用下述公式确定所述待检测动物图像的均衡化映射关系值：
[0023]ss(r
k
)＝int{[max(pix)
‑
min(pix)]*h(y
i
)+e}
[0024]其中，ss(r
k
)表示均衡化映射关系值，max(pix)表示待检测动物图像中最大的灰度级，min(pix)表示待检测动物图像中最小的灰度级，h(y
i
)表示直方图概率累计值，e表示无限不循环小数；
[0025]根据所述均衡化映射关系值，对所述待检测动物图像进行均衡化处理，得到标准动物图像。
[0026]在第一方面的一种可能实现方式中，所述对所述数据压缩图像进行位置编码，得到编码图像，包括：
[0027]利用下述公式对所述数据压缩图像进行位置编码：
[0028][0029][0030]其中，P(pos，2j)表示数据压缩图像中偶数字符位置，P(pos，2j+1)表示数据压缩图像中奇数字符位置，pos表示数据压缩图像中字符的位置序列，j表示数据压缩图像的第j个维度，d
model
表示位置编码函数。
[0031]在第一方面的一种可能实现方式中，所述对所述分割图像进行特征提取，得到特征图像，包括：
[0032]构建所述分割图像的直角坐标系，根据所述直角坐标系，划分所述分割图像的图像特征点，并提取所述分割图像对应的图像特征点；
[0033]根据所述图像特征点，生成所述分割图像的特征图像。
[0034]在第一方面的一种可能实现方式中，所述判断所述特征图像是否存在模糊信息包括：
[0035]计算所述特征图像的图像平均灰度值；
[0036]当所述图像平均灰度值大于预设灰度值时，则所述特征图像不存在模糊信息；
[0037]当所述图像平均灰度值不大于所述预设灰度值时，则所述特征图像存在模糊信息。
[0038]在第一方面的一种可能实现方式中，所述对所述模糊特征信息进行信息复原，得到复原特征信息包括：
[0039]利用下述公式计算所述模糊特征信息的退化线性信息：
[0040]F(x,y)＝l(x,y)*f(x,y)+μ(x,y)
[0041]其中，F(x,y)表示退化线性信息，l(x,y)表示退化函数，f(x,y)表示模糊特征信息，μ(x,y)表示加性噪声，*表示卷积运算
[0042]根据所述退化线性信息，利用下述公式计算所述模糊特征信息的复原特征信息：
[0043][0044]其中，表示复原特征信息，s
x,y
表示以(x,y)为中心的尺寸为x
×
y的矩形窗口，F(x,y)表示退化线性信息，m,n表示s
x,y
矩形窗口中的坐标(m,n)点。
[0045]第二方面，本专利技术提供了一种面向端到端神经网络的动物检测装置，所述装置包括：
[0046]图像增强模块，用于采集待检测动物图像，将所述待检测动物图像进行灰度直方图的转换，得到转换动物图像，对所述转换动物图像进行均衡化处理，得到标准动物图像，并利用预设的空间滤波技术对所述标准动物图像进行图像增强，得到增强动物图像；
[0047]图像传输模块，用于将所述增强动物图像进行数据压缩，得到数据压缩图像，并对所述数据压缩图像进行位置编码，得到编码图像，将所述编码图像传输至预构建的互联网系统中；
[0048]特征提取模块，用于利用所述预构建的互联网系统中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向端到端神经网络的动物检测方法，其特征在于，所述方法包括：采集待检测动物图像，将所述待检测动物图像进行灰度直方图的转换，得到转换动物图像，对所述转换动物图像进行均衡化处理，得到标准动物图像，并利用预设的空间滤波技术对所述标准动物图像进行图像增强，得到增强动物图像；将所述增强动物图像进行数据压缩，得到数据压缩图像，并对所述数据压缩图像进行位置编码，得到编码图像，将所述编码图像传输至预构建的互联网系统中；利用所述预构建的互联网系统中的图像还原技术将所述编码图像进行还原，得到还原图像，将所述还原图像进行分割，得到分割图像，并对所述分割图像进行特征提取，得到特征图像；判断所述特征图像是否存在模糊信息；当所述特征图像不存在模糊信息，利用训练好的动物识别模型识别所述特征图像对应的动物信息；当所述特征图像存在模糊信息，对所述模糊特征信息进行信息复原，得到复原特征信息，并根据所述特征图像中的清晰信息结合所述复原特征信息识别所述特征图像对应的动物信息。2.根据权利要求1所述的方法，其特征在于，所述将所述待检测动物图像进行灰度直方图的转换，得到转换动物图像包括：将所述待检测动物图像进行降维，得到降维图像；根据所述降维图像计算所述待检测动物图像灰度像素值的累计数值，得到灰度像素数值，并根据所述灰度像素数值，构建所述待检测动物图像灰度直方图，得到转换动物图像。3.根据权利要求1所述的方法，其特征在于，所述对所述转换动物图像进行均衡化处理，得到标准动物图像，包括：利用下述公式计算所述待检测动物图像的直方图分布概率：其中，s(r
k
)表示所述直方图概率累计值，r
k
表示所述人脸图像的第k个灰度级，m
k
表示第k个灰度级的像素个数，m表示所述人脸图像中的所有像素个数；根据所述直方图分布概率，利用下述公式计算所述待检测动物图像的直方图概率累计值：其中，h(y
i
)表示直方图概率累计值，s(r
k
)表示直方图分布概率，s(y
i
)表示在s级灰度值中第i个像素的个数；根据所述直方图概率累计值，利用下述公式确定所述待检测动物图像的均衡化映射关系值：ss(r
k
)＝int{[max(pix)
‑
min(pix)]*h(y
i
)+e}其中，ss(r
k
)表示均衡化映射关系值，max(pix)表示待检测动物图像中最大的灰度级，min(pix)表示待检测动物图像中最小的灰度级，h(y
i
)表示直方图概率累计值，e表示无限
不循环小数；根据所述均衡化映射关系值，对所述待检测动物图像进行均衡化处理，得到标准动物图像。4.根据权利要求1所述的方法，其特征在于，所述对所述数据压缩图像进行位置编码，得到编码图像，包括：利用下述公式对所述数据压缩图像进行位置编码：利用下述公式对所述数据压缩图像进行位置编码：其中，P(pos，2j)表示数据压缩图像中偶数字符位置，P(pos，2j+1)表示数据压缩图像中奇数字符位置，pos表示数据压缩图像中字符...

【专利技术属性】
技术研发人员：龙海丽，
申请(专利权)人：深圳市华星视讯科技有限公司，
类型：发明
国别省市：