本申请公开了一种图像处理方法和装置，包括：获取包括第一对象的第一图像；所述第一对象为待识别的任一对象；调用目标特征提取模型对所述第一图像进行处理，得到所述第一对象的目标整体特征和目标局部特征；获取数据库中至少两个对象中每个所述对象的目标整体特征和目标局部特征；其中，每个所述对象的目标整体特征与目标局部特征是通过所述目标特征提取模型处理得到的；将所述第一对象的目标整体特征和目标局部特征，分别与所述至少两个对象中每个所述对象的目标整体特征和目标局部特征对应进行匹配，以得到所述第一对象的识别结果。该方案提高了目标对象识别的准确度。该方案提高了目标对象识别的准确度。该方案提高了目标对象识别的准确度。
【技术实现步骤摘要】
一种图像处理方法和装置
[0001]本申请涉及图像处理
，涉及但不限于一种图像处理方法和装置。
技术介绍
[0002]随着图像处理技术的不断发展，在各领域得到广泛应用。基于图像处理技术的目标识别也得到了广泛关注。
[0003]目标识别过程包括：识别到目标对象的特征，以及数据库中每个对象的特征，将目标对象的特征分别与数据库中每个对象的特征进行匹配，若目标对象的特征与数据库中的对象A的特征之间的距离小于固定阈值，则认为目标对象的识别结果为数据库中的对象A；若数据库中不存在与目标对象的特征之间的距离小于固定阈值的对象，则认为目标对象的识别结果为不存在于数据库中。
[0004]其中，在通过一个图像来获取一个对象的特征时，相关技术中一般是在该图像中定义一个矩形框，将矩形框中的内容作为一个整体识别出对象的特征。但是，实际场景中，整体识别时会融入一些背景特征，例如人前面有桌子，则会将桌子的特征一起作为人的特征，所以得到的对象的特征准确度较差，对应的，得到的目标识别的结果的准确度也较差。
技术实现思路
[0005]本申请提供一种图像处理方法和装置，该方案提高了目标对象识别的准确度。
[0006]本申请的技术方案是这样实现的：
[0007]第一方面，本申请提供了一种图像处理方法，所述方法包括：
[0008]获取包括第一对象的第一图像；所述第一对象为待识别的任一对象；
[0009]调用目标特征提取模型对所述第一图像进行处理，得到所述第一对象的目标整体特征和目标局部特征；
[0010]获取数据库中至少两个对象中每个所述对象的目标整体特征和目标局部特征；其中，每个所述对象的目标整体特征与目标局部特征是通过所述目标特征提取模型处理得到的；
[0011]将所述第一对象的目标整体特征和目标局部特征，分别与所述至少两个对象中每个所述对象的目标整体特征和目标局部特征对应进行匹配，以得到所述第一对象的识别结果。
[0012]第二方面，本申请提供了一种图像处理装置，所述装置包括：
[0013]获取单元，用于获取包括第一对象的第一图像；所述第一对象为待识别的任一对象；
[0014]第一处理单元，用于调用目标特征提取模型对所述第一图像进行处理，得到所述第一对象的目标整体特征和目标局部特征；
[0015]第二处理单元，获取数据库中至少两个对象中每个所述对象的目标整体特征和目标局部特征；其中，每个所述对象的目标整体特征与目标局部特征是通过所述目标特征提
取模型处理得到的；
[0016]匹配单元，用于将所述第一对象的目标整体特征和目标局部特征，分别与所述至少两个对象中每个所述对象的目标整体特征和目标局部特征对应进行匹配，以得到所述第一对象的识别结果。
[0017]第三方面，本申请还提供了一种电子设备，包括：存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述图像处理方法。
[0018]第四方面，本申请还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述图像处理方法。
[0019]本申请所提供的图像处理方法、装置、设备及存储介质，包括：获取包括第一对象的第一图像；所述第一对象为待识别的任一对象；调用目标特征提取模型对所述第一图像进行处理，得到所述第一对象的目标整体特征和目标局部特征；获取数据库中至少两个对象中每个所述对象的目标整体特征和目标局部特征；其中，每个所述对象的目标整体特征与目标局部特征是通过所述目标特征提取模型处理得到的；将所述第一对象的目标整体特征和目标局部特征，分别与所述至少两个对象中每个所述对象的目标整体特征和目标局部特征对应进行匹配，以得到所述第一对象的识别结果。
[0020]对于本申请的方案，通过目标特征提取模型提取对象的局部特征和整体特征，然后将目标对象的局部特征和整体特征，分别与数据库中的对象的目标整体特征和目标局部特征对应进行一一匹配，从而得到第一对象的识别结果。对于对象的特征，本申请中综合考虑了对象的整体特征与局部特征，局部特征可以排除背景特征的干扰(例如人前面桌子的干扰)，且融入了更加细粒度的信息(例如手部的细粒度信息等等)，提高了对象特征的准确度，进一步在匹配时，结合局部特征与整体特征进行匹配，提高目标对象识别的准确度。
附图说明
[0021]图1为本申请实施例提供的图像处理系统的一种可选的流程示意图；
[0022]图2为本申请实施例提供的图像处理方法第一种可选的流程示意图；
[0023]图3为本申请实施例提供的图像处理方法第二种可选的流程示意图；
[0024]图4为本申请实施例提供的图像处理方法第三种可选的流程示意图；
[0025]图5为本申请实施例提供的图像处理方法第四种可选的流程示意图；
[0026]图6为本申请实施例提供的训练数据集的一种可选的流程示意图；
[0027]图7为本申请实施例提供的预测人体各个部件热力图的网络的一种可选的流程示意图；
[0028]图8为本申请实施例提供的人体部件与全局特征的表征网络的一种可选的场景示意图；
[0029]图9为本申请实施例提供的识别过程的一种可选的结构示意图；
[0030]图10为本申请实施例提供的图像处理装置的一种可选的结构示意图；
[0031]图11为本申请实施例提供的电子设备的一种可选的结构示意图。
具体实施方式
[0032]为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对申请的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
[0033]在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解，“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
[0034]在以下的描述中，所涉及的术语“第一\第二\第三”仅是为例区别不同的对象，不代表针对对象的特定排序，不具有先后顺序的限定。可以理解地，“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
[0035]除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的
的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
[0036]本申请实施例提供了图像处理方法及装置、设备和存储介质。实际应用中，图像处理方法可由图像处理装置实现，图像处理装置中的各功能实体可以由电子设备(如终端设备)的硬件资源，如处理器等计算资源、通信资源(如用于支持实现光缆、蜂窝等各种方式通信)协同实现。
[0037]本申请实施例提供的图像处理方法应用于图像处理系统。图像处理系统包括图像采集端与图像处理端。图像采集端与图像处理端可以进行数据交互。其中：<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取包括第一对象的第一图像；所述第一对象为待识别的任一对象；调用目标特征提取模型对所述第一图像进行处理，得到所述第一对象的目标整体特征和目标局部特征；获取数据库中至少两个对象中每个所述对象的目标整体特征和目标局部特征；其中，每个所述对象的目标整体特征与目标局部特征是通过所述目标特征提取模型处理得到的；将所述第一对象的目标整体特征和目标局部特征，分别与所述至少两个对象中每个所述对象的目标整体特征和目标局部特征对应进行匹配，以得到所述第一对象的识别结果。2.根据权利要求1所述的方法，其特征在于，在所述调用目标特征提取模型对所述第一图像进行处理，得到所述第一对象的目标整体特征和目标局部特征之前，所述方法还包括：调用特征提取模型对训练样本进行处理，分别得到所述训练样本的第一局部特征和第一整体特征；至少基于所述训练样本的第一局部特征和第一整体特征确定目标损失值；其中，所述目标损失值包括局部损失值和整体损失值；基于所述目标损失值反向调整所述特征提取模型中的参数，得到调整后的特征提取模型；重新基于所述调整后的特征提取模型得到新的目标损失值，直至目标损失值收敛；在目标损失值收敛的情况下，将收敛的目标损失值对应的特征提取模型确定为所述目标特征提取模型。3.根据权利要求2所述的方法，其特征在于，针对第一样本，所述第一样本为任一训练样本，所述第一样本为包括第二对象的图像；调用特征提取模型对所述第一样本进行处理，得到所述第一样本的第一局部特征和第一整体特征的过程，包括：调用分割网络对所述第一样本进行处理，得到所述第二对象的第二局部特征和第二整体图特征；所述第二局部特征与所述第一局部特征不同，所述第二局部特征与所述第二整体特征不同；将所述第二对象的第二局部特征以及第二整体图特征与所述分割网络中对应通道的特征图进行结合后输入至第一神经网络，通过所述第一神经网络的处理得到所述第二对象的第一局部特征和第一整体特征。4.根据权利要求3所述的方法，其特征在于，所述第二局部特征为局部热力图特征，所述第二整体特征为整体热力图特征；或者，所述第二局部特征为局部分割特征，所述第二整体特征为整体分割特征。5.根据权利要求2所述的方法，其特征在于，所述至少基于所述训练样本的第一局部特征和第一整体特征确定目标损失值，包括：基于所述训练样本的第一局部特征和三元损失函数确定所述局部损失值；基于所述训练样本的第一局部特征和所述训练样本的第一整体特征确定所述整体损失值；将所述局部损失值与所述整体损失值之和确定为所述目标损失值。6.根据权利要求5所述的方法，其特征在于，所述训练样本包...
【专利技术属性】
技术研发人员：周叶江，庄光庭，
申请(专利权)人：阿维塔科技重庆有限公司，
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。