[发明专利]图像处理方法、图像处理装置及存储介质

说明书

本公开内容涉及用于确定物体分布的图像处理方法、图像处理装置以及存储介质。根据本公开内容的一个实施例，该图像处方法包括：使用卷积神经网络基于针对同一目标区域的RGB图像和高度图像确定表示目标区域内分布的至少一个感兴趣类型物体的分布的掩模分布图，其中，高度图像内的每个像素具有表征被拍摄物体的相应部位的高度的高度属性，掩模分布图中的每个掩模指示单个感兴趣类型物体在同一目标区域内占据的前景区域；以及基于高度图像更新掩模分布图。本公开内容的方法、装置和存储介质的有益效果至少包括：提高确定的物体分布的准确度。

技术领域

本公开内容总体上涉及图像处理，更具体的，涉及用于确定物体分布的图像处理方法、图像处理装置以及存储介质。

背景技术

在现实世界中，存在对目标区域内的物体进行检测、识别、定位、监视等的需要。这需要图像处理、神经网络等方面的技术。

图像处理在物体检测方面有广泛的应用。这方面的示例包括：生物识别(例如，人脸识别)、物体识别等。以人脸识别为例，可以使用深度神经网络(Deep neural network，DNN)对输入图像进行诸如特征提取、特征变换等的处理，从而可以基于得到的特征完成对图像中人脸区域的定位、分割，进一步的还可以对图像中人脸图像块进行分类。

在许多领域中，DNN能够超越人类决策的准确率。DNN的出众表现源自它能使用统计学习方法从原始输入数据中提取深度特征，从而在大量的数据中获得输入空间的有效表征。这与之前使用手动提取特征或专家设计规则的方法不同。

现实世界中，物体通常是三维的，不仅具有二维投影形状，还具有高度。另外，在目标区域内，可能会有多个三维感兴趣类型物体。并且物体之间还可能存在遮挡关系。如何基于针对该目标区域的图像确定这些物体的分布是具体挑战的。

发明内容

在下文中将给出关于本公开内容的简要概述，以便提供关于本公开内容的某些方面的基本理解。应当理解，此概述并不是关于本公开内容的穷举性概述。它并不是意图确定本公开内容的关键或重要部分，也不是意图限定本公开内容的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

根据本公开内容的一个方面，提供了一种由计算机实现的用于确定物体分布的图像处理方法。该图像处方法包括：使用卷积神经网络基于针对同一目标区域的RGB图像和高度图像确定表示目标区域内分布的至少一个感兴趣类型物体的分布的掩模分布图，其中，高度图像内的每个像素具有表征被拍摄物体的相应部位的高度的高度属性，掩模分布图中的每个掩模指示单个感兴趣类型物体在同一目标区域内占据的前景区域；以及基于高度图像更新掩模分布图。

据本公开内容的一个方面，提供了一种用于确定物体分布的图像处理装置。该图像处理装置包括：存储器，其上存储有指令；以及一个或更多个处理器，一个或更多个处理器能够与存储器通信以执行从存储器获取的指令，并且指令使一个或更多个处理器：使用卷积神经网络基于针对同一目标区域的RGB图像和高度图像确定表示目标区域内分布的至少一个感兴趣类型物体的分布的掩模分布图，其中，高度图像内的每个像素具有表征被拍摄物体的相应部位的高度的高度属性，掩模分布图中的每个掩模指示单个感兴趣类型物体在同一目标区域内占据的前景区域；以及基于高度图像更新掩模分布图。

据本公开内容的另一方面，提供了一种其上存储有程序的计算机可读存储介质。程序使计算机：使用卷积神经网络基于针对同一目标区域的RGB图像和高度图像确定表示目标区域内分布的至少一个感兴趣类型物体的分布的掩模分布图，其中，高度图像内的每个像素具有表征被拍摄物体的相应部位的高度的高度属性，掩模分布图中的每个掩模指示单个感兴趣类型物体在同一目标区域内占据的前景区域；以及基于高度图像更新掩模分布图。

本公开内容的图像处理方法、图像处理装置以及存储介质的有益效果至少包括：准确确定目标区域内的感兴趣类型物体的分布，和/或改善确定的目标区域内的感兴趣类型物体的分布的准确度。

附图说明