[发明专利]图像处理方法和装置、存储介质及电子装置

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取目标对象的目标图像，其中，所述目标图像包括发生目标事件的局部图像区域；

将所述目标图像输入事件发生时间预测模型，通过所述事件发生时间预测模型中的第一卷积层对所述目标图像进行图像特征提取，得到与所述局部图像区域匹配的局部图像特征，其中，所述局部图像特征用于表示所述目标对象发生所述目标事件的进度；

将所述局部图像特征输入到所述事件发生时间预测模型的第二卷积层，获得所述第二卷积层输出的目标全局特征；

基于所述目标全局特征，确定所述目标对象发生所述目标事件的事件发生时间信息。

2.根据权利要求1所述的方法，其特征在于，将所述目标图像输入事件发生时间预测模型，通过所述事件发生时间预测模型中的第一卷积层对所述目标图像进行图像特征提取，得到与所述局部图像区域匹配的局部图像特征，包括：

通过所述第一卷积层在所述目标图像中识别出所述局部图像区域，其中，所述局部图像特征包括所述局部图像区域在多个维度上的图像特征；

通过所述第一卷积层确定所述局部图像区域在所述多个维度上的图像特征，其中，所述目标全局特征用于表示所述局部图像区域在多个维度上的图像特征，所述多个维度与所述目标事件匹配，所述多个维度上的图像特征用于表示所述目标对象发生所述目标事件的进度。

3.根据权利要求1所述的方法，其特征在于，所述基于所述目标全局特征，确定所述目标对象发生所述目标事件的事件发生时间信息，包括：

将所述目标全局特征输入到所述事件发生时间预测模型的全连接层，获得所述全连接层输出的预测发生时长，其中，所述预测发生时长表示所述目标对象开始发生所述目标事件的时间点至拍摄所述目标图像的时间点之间的时长，其中，所述事件发生时间信息包括所述预测发生时长。

4.根据权利要求1所述的方法，其特征在于，所述基于所述目标全局特征，确定所述目标对象发生所述目标事件的事件发生时间信息，包括：

将所述目标全局特征输入到所述事件发生时间预测模型的全连接层，获得所述全连接层输出的预测发生时长，其中，所述预测发生时长表示所述目标对象开始发生所述目标事件的时间点至拍摄所述目标图像的时间点之间的时长；

基于所述预测发生时长和预先获取的拍摄时间点，确定预测发生时间点，其中，所述拍摄时间点为拍摄所述目标图像的时间点，所述预测发生时间点表示所述目标对象开始发生所述目标事件的时间点，所述事件发生时间信息包括所述预测发生时间。

5.根据权利要求3或4所述的方法，其特征在于，所述将所述目标全局特征输入到所述事件发生时间预测模型的全连接层，获得所述全连接层输出的预测发生时长，包括：

通过所述全连接层确定预设时长集合中每个时长的预测概率；

根据所述每个时长的预测概率，在所述时长集合中确定所述预测发生时长。

6.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：

获取样本图像集合，其中，所述样本图像集合包括样本图像、与所述样本图像对应的已知事件发生时间信息，所述样本图像是对样本对象进行拍摄得到的图像，所述已知事件发生时间信息包括所述样本对象发生所述目标事件的实际时间点，或者，包括所述样本对象发生所述目标事件的实际时间点与拍摄所述样本图像的时间之间的时长；

使用所述样本图像集合对样本神经网络模型进行训练，直到所述样本神经网络模型的目标损失值满足目标收敛条件，得到所述事件发生时间预测，其中，所述目标损失值是所述样本神经网络模型输出的事件发生时间信息与所述已知事件发生时间信息共同确定的损失值。