【技术实现步骤摘要】
一种复杂色域环境下目标特征值的提取方法
[0001]本专利技术属于图像处理
,尤其涉及一种复杂色域环境下目标特征值的提取方法
。
技术介绍
[0002]目前,现有目标特征值提取的流程是外部通过
LED
灯进行环境光补光,图像
ISP
驱动对图像进行锐化,饱和度提升,色度提升,对比度提升,亮度提升等一系列初始化处理,接着进行图像归一化,最后送入特征值提取神经网络进行计算,从而特征值
。
[0003]但是,申请人发现:现有的目标特征值提取方法存在以下缺陷:
[0004]1、
在归一化图像特征点误差率增大的情况下,进行神经网络的卷积特征值提取存在波动范围较大,特征值结果精度降低,增加了应用基于特征值的开发难度
。
[0005]2、
在复杂色域环境下,图像
ISP
驱动输出的图像复杂,导致归一化处理图像特征点误差率增大
。
[0006]3、
需要增加外部环境光补光,导致硬件成本增加,维护难度加大
。
[0007]4、
图像
ISP
驱动对图像的初始化参数,只能在相对稳定的色域环境下,初始化参数对图像处理明显,在多复杂色域场景下,图像
ISP
的处理难免力不从心,增加了驱动开发难度和适配难度
。
技术实现思路
[0008]为解决现有技术中存在的上述问题,本专利技术提供了一种复杂色域环境下目标特征值的提取方法<
【技术保护点】
【技术特征摘要】
1.
一种复杂色域环境下目标特征值的提取方法,其特征在于,包括:
S1.
增加神经网络提取特征值卷积的宽度和各种色域的权重,并设置多色域处理模块机制,构建动态神经卷积网络;
S2.
获取原始输入图像;
S3.
通过步骤
S1
的动态神经卷积网络计算原始输入图像中各色域的权重,并将所有色域的权重进行相加,得到原始输入图像的新权重;然后动态神经卷积网络基于该原始输入图像的新权重进行卷积计算;
S4.
基于步骤
S3
的卷积计算结果,进行归一化处理
、
激活和池化,获得初始化特征值;
S5.
根据获得初始化特征值进行
FullConnect
层计算,输出特征值
。2.
根据权利要求1所述的方法,其特征在于,步骤
S1
构建的动态神经卷积网络的原始输入图像的新权重计算公式为:
Y
=
k1*W1*x+k2*W2*x+k3*W3*x+
……
+kn*Wn*x+B
;式中
Y
为原始输入图像的新权重,
W1、W2、W3、Wn
为特征值卷积矩阵,其中
1、2、3、
……
、n
表示特征值卷积宽度...
【专利技术属性】
技术研发人员:曾金生,何广能,
申请(专利权)人:珠海六点智能科技有限公司,
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。