图像处理方法、装置及计算机设备、存储介质、程序产品制造方法及图纸

本申请实施例提供了一种图像处理方法、装置及计算机设备、存储介质、程序产品。该图像处理方法涉及人工智能的计算机视觉、机器学习、深度学习等技术。该图像处理方法包括：获取图像帧序列中的待检测图像帧，并在待检测图像帧中提取目标图像要素的第一要素特征；在图像帧序列中确定待检测图像帧的关联图像帧；获取关联图像帧中目标图像要素的第二要素特征；在第一要素特征和第二要素特征之间进行特征匹配，确定第一要素特征与所述第二要素特征之间的匹配程度；根据第一要素特征与第二要素特征之间的匹配程度，确定待检测图像帧关于目标图像要素的识别结果。采用本申请实施例，可以提升对图像进行图像要素识别的准确率。对图像进行图像要素识别的准确率。对图像进行图像要素识别的准确率。

【技术实现步骤摘要】
图像处理方法、装置及计算机设备、存储介质、程序产品


[0001]本申请涉及计算机
，尤其涉及人工智能
，具体涉及一种图像处理方法、一种图像处理装置、一种计算机设备、一种计算机可读存储介质、以及一种计算机程序产品。

技术介绍

[0002]随着计算机技术的不断发展，图像要素识别成为图像处理业务场景中的一项重要任务；图像要素识别是指识别出图像中的图像要素的技术，图像要素是指图像中能够提供关键的、有用的信息的图像元素。
[0003]目前，通常是基于Resnet(残差网络)、InceptionV4(Inception网络第四版)等卷积神经网络进行图像要素识别的，卷积神经网络是一类包含卷积计算结构且具有深度结构的前馈神经网络(Feed Forward Neural Networks)，是深度学习(Deep Learning)的代表算法之一。但是，基于卷积神经网络的图像要素识别的准确率受到图像质量的影响，而采集到的图像的质量往往是参差不齐的，这样使得基于卷积神经网络的图像要素识别的准确率不高。

技术实现思路
r/>[0004]本本文档来自技高网...

【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，包括：获取图像帧序列中的待检测图像帧，并在所述待检测图像帧中提取目标图像要素的第一要素特征；在所述图像帧序列中确定所述待检测图像帧的关联图像帧；所述关联图像帧是指所述图像帧序列中时序位于所述待检测图像帧之前，且已成功识别到所述目标图像要素的图像帧；获取所述关联图像帧中所述目标图像要素的第二要素特征；在所述第一要素特征和所述第二要素特征之间进行特征匹配，确定所述第一要素特征与所述第二要素特征之间的匹配程度；根据所述第一要素特征与所述第二要素特征之间的匹配程度，确定所述待检测图像帧关于所述目标图像要素的识别结果。2.如权利要求1所述的方法，其特征在于，所述在所述待检测图像帧中提取目标图像要素的第一要素特征，包括：在所述待检测图像帧中确定所述目标图像要素所在的位置区域；在所述待检测图像帧中所述目标图像要素所在的位置区域，提取所述目标要素图像的第一要素特征。3.如权利要求2所述的方法，其特征在于，所述在所述待检测图像帧中确定所述目标图像要素所在的位置区域，包括：在所述图像帧序列中确定所述待检测图像帧的参考图像帧；所述参考图像帧是所述图像帧序列中时序位于所述待检测图像帧之前，且已成功识别到所述目标图像要素的任一个图像帧；获取所述参考图像帧中所述目标图像要素所在的位置区域；根据所述待检测图像帧与所述参考图像帧之间的时序关系，对所述参考图像帧中所述目标图像要素所在的位置区域进行变换处理，得到处理后的位置区域；将所述处理后的位置区域映射至所述待检测图像帧中，得到所述待检测图像帧中所述目标图像要素所在的位置区域。4.如权利要求3所述的方法，其特征在于，所述获取所述参考图像帧中所述目标图像要素所在的位置区域，包括：对所述参考图像帧进行特征提取，得到所述参考图像帧的特征图；所述参考图像帧的特征图中包含多个特征点；以所述目标图像要素对应的特征点为中心，按照不同的尺度生成多个候选框；每个候选框对应各自的置信度信息，各个候选框均用于指示所述目标图像要素在所述参考图像帧中的位置区域；将所述各个候选框中最高置信度信息对应的候选框所指示的位置区域，确定为所述参考图像帧中所述目标图像要素所在的位置区域。5.如权利要求2所述的方法，其特征在于，所述在所述待检测图像帧中所述目标图像要素所在的位置区域，提取所述目标要素图像的第一要素特征，包括：在所述待检测图像帧中所述目标图像要素所在的位置区域，对所述目标图像要素进行特征提取，得到所述目标图像要素包括的各个要素部件的部件特征；
对所述目标要素图像包括的各个要素部件的部件特征进行拼接处理，得到所述目标图像要素的第一要素特征。6.如权利要求5所述的方法，其特征在于，所述在所述待检测图像帧中所述目标图像要素所在的位置区域，对所述目标图像要素进行特征提取，得到所述目标图像要素包括的各个要素部件的部件特征，包括：对所述待检测图像帧中所述目标图像要素所在的位置区域进行卷积处理，得到所述目标图像要素包括的各个要素部件的卷积特征；对所述目标图像要素包括的各个要素部件的卷积特征进行归一化处理，得到所述目标图像要素包括的各个要素部件的归一化特征；对所述目标图像要素包括的各个要素部件的归一化特征进行非线性映射处理，得到所述目标图像要素包括的各个要素部件的部件特征。7.如权利要求1所述的方法，其特征在于，所述关联图像帧的数量为K个，K为正整数；所述在所述第一要素特征和所述第二要素特征之间进行...

【专利技术属性】
技术研发人员：燕旭东，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：