[发明专利]图像特征点的提取方法和装置

权利要求书

1.一种图像特征点的提取方法，其特征在于，包括：

获取特征点提取模型和待提取图像，其中，所述特征点提取模型为通过多张训练图像和每张训练图像所包括的特征点进行训练得到的模型；

通过所述特征点提取模型对所述待提取图像中的特征点进行提取，

获取特征点提取模型包括：

获取对神经网络模型的结构参数的设置；

获取所述多张训练图像；

获取所述每张训练图像所包括的特征点的位置标签；

通过所述多张训练图像和所述每张训练图像所包括的特征点的位置标签对所述结构参数的神经网络模型进行训练，将训练后的所述结构参数的神经网络模型作为所述特征点提取模型，

所述每张训练图像所包括的特征点的位置标签通过特征点标签图像表示，其中，所述特征点标签图像与对应的训练图像长宽相同，且在所述特征点标签图像中与所述对应的训练图像中的所有特征点位置相对应的位置通过像素值进行标记。

2.根据权利要求1所述的方法，其特征在于，通过所述多张训练图像和所述每张训练图像所包括的特征点的位置标签对所述结构参数的神经网络模型进行训练包括：

将所述每张训练图像输入所述神经网络模型；

以所述每张训练图像输入所述神经网络模型所得到的输出与对应的特征点的位置标签相同作为训练目标，训练所述结构参数的神经网络模型。

3.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括输入层、输出层、至少一个中间层，其中，每个所述中间层为一个带有修正线性单元ReLU激活函数的卷积层。

4.根据权利要求1所述的方法，其特征在于，所述特征点为角点。

5.一种图像特征点的提取装置，其特征在于，包括：

获取单元，用于获取特征点提取模型和待提取图像，其中，所述特征点提取模型为通过多张训练图像和每张训练图像所包括的特征点进行训练得到的模型；

提取单元，用于通过所述特征点提取模型对所述待提取图像中的特征点进行提取，

所述获取单元包括：

第一获取模块，用于获取对神经网络模型的结构参数的设置；

第二获取模块，用于获取所述多张训练图像；

第三获取模块，用于获取所述每张训练图像所包括的特征点的位置标签；

训练模块，用于通过所述多张训练图像和所述每张训练图像所包括的特征点的位置标签对所述结构参数的神经网络模型进行训练，将训练后的所述结构参数的神经网络模型作为所述特征点提取模型，

所述每张训练图像所包括的特征点的位置标签通过特征点标签图像表示，其中，所述特征点标签图像与对应的训练图像长宽相同，且在所述特征点标签图像中与所述对应的训练图像中的所有特征点位置相对应的位置通过像素值进行标记。

6.根据权利要求5所述的装置，其特征在于，所述训练模块包括：

输入子模块，用于将所述每张训练图像输入所述神经网络模型；

训练子模块，用于以所述每张训练图像输入所述神经网络模型所得到的输出与对应的特征点的位置标签相同作为训练目标，训练所述结构参数的神经网络模型。