[发明专利]一种图像处理方法及装置

说明书

本发明公开了一种图像处理方法及装置，方法为，分别将获取到的第一目标物体对应的第一图像矩阵，以及第二目标物体对应的第二图像矩阵，进行卷积运算以及分块汇聚处理，获取第一图像底层特征矩阵，以及第二图像底层特征矩阵；将第一图像底层特征矩阵与第二图像底层特征矩阵进行对比，生成对比矩阵；将对比矩阵依次进行分组汇聚处理、卷积运算以及分块汇聚处理后，根据分块汇聚处理后的结果，比对第一目标物体与第二目标物体是否为同一个物体。采用本发明技术方案，将目标物体对应的图像矩阵输入深度学习的滤波器对神经网络，基于目标物体对应的图像特征，以及深度学习策略，获取比对结果，有效提高了比对结果的准确性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种图像处理方法及装置。

背景技术

随着科学技术的飞速发展，摄像头广泛应用于各个领域，用于对特定场景进行监控、对目标人物进行检索等。

对多个摄像头所采集图像进行比对，可以获取目标物体在某个时间位于某个地点的信息，该信息有助于对目标物体进行追踪。由于同一个物体在不同摄像头的成像会有很大的差异，这些差异包括由于拍摄视角引起的不同、目标物体姿态引起的不同、光照强度引起的不同以及背景物引起的不同等等，参阅图1所示，显示了一个目标物体在不同摄像头下的成像差异。因此，如何利用机器实现对不同摄像头采集的图像中多个目标物体是否为同一个目标物体的识别，受到了越来越多的关注。

目前，通常通过滤波器与分类器相结合的方法实现对不同摄像头所采集的图像进行滤波处理，并将滤波处理后的生成的滤波响应值组成的向量作为对图像的描述，以及将该图像的描述通过分类器(如支持向量机、线性判别分析器等)进行分类。由于滤波器仅能识别变化较小的不同图像，因此，采用上述技术方案，当不同摄像头采集图像变化较大时，比对结果将存在误差。

此外，参阅图2所示，还可以在本地生成显著特征库，检测不同图像中目标物体是否包含显著特征库中的显著特征，若包含，则提取不同图像中目标物体包含的显著特征(参阅图2虚线框所包围区域)，并对提取的显著特征进行对比的方式来识别不同摄像头采集的图像中多个目标物体是否为同一个目标物体。采用上述技术方案，当目标物体不包含显著特征库中的显著特征时，将无法识别不同摄像头采集的图像中多个目标物体是否为同一个目标物体，从而导致比对结果不准确。

综上所述，目前在跨摄像头目标图像处理过程中，存在比对结果不准确的问题。

发明内容

本发明实施例提供一种图像处理方法及装置，用以解决对比不同图像中物体时存在的比对结果不准确的问题。

本发明实施例提供的具体技术方案如下：

第一方面，提供一种图像处理方法，包括：

分别获取第一目标物体对应的第一图像矩阵，以及第二目标物体对应的第二图像矩阵；其中，所述第一图像矩阵或者第二图像矩阵由H×W×C的三维矩阵表示，所述H表示图像的高度，所述W表示图像的宽度，所述C表示图像的通道数；

通过滤波器对对所述第一图像矩阵进行卷积运算以及分块汇聚处理，生成第一图像底层特征矩阵，以及对所述第二图像矩阵进行卷积运算以及分块汇聚处理，生成第二图像底层特征矩阵；其中，所述滤波器对包括第一组滤波器和第二组滤波器，通过所述第一组滤波器对所述第一图像矩阵进行卷积运算，通过所述第二组滤波器对所述第二图像矩阵进行卷积运算；

将所述第一图像底层特征矩阵与所述第二图像底层特征矩阵进行对比，生成对比矩阵；

将所述对比矩阵进行分组汇聚处理后，获取分组汇聚矩阵；

根据第三组滤波器，对所述分组汇聚矩阵进行卷积运算以及分块汇聚处理；

根据分块汇聚处理后的结果，获取所述第一目标物体与所述第二目标物体是否为同一个物体的比对结果。