[发明专利]一种图像差异检测方法、检测装置和存储介质在审

专利信息
申请号: 202110860122.8 申请日: 2021-07-28
公开(公告)号: CN113674220A 公开(公告)日: 2021-11-19
发明(设计)人: 刘洋;熊剑平 申请(专利权)人: 浙江大华技术股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
代理公司: 深圳市威世博知识产权代理事务所(普通合伙) 44280 代理人: 黎坚怡
地址: 310051 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图像 差异 检测 方法 装置 存储 介质
【权利要求书】:

1.一种图像差异检测方法,其特征在于,所述方法包括:

获取待检测图像和参考图像,其中,所述待检测图像和所述参考图像为同一场景且不同时刻所拍摄的图像;

利用差异特征提取网络分别对所述待检测图像和所述参考图像进行特征提取,得到所述待检测图像的第一特征图和所述参考图像的第二特征图,其中,所述差异特征提取网络是利用干预样本进行训练得到的,所述干预样本包括图像样本和携带有图像背景信息的干扰样本;

对所述第一特征图和所述第二特征图进行特征对比,得到所述第一特征图和所述参考图像的图像差异信息。

2.根据权利要求1所述的图像差异检测方法,其特征在于,所述差异特征提取网络包括卷积网络,所述利用差异特征提取网络分别对所述待检测图像和所述参考图像进行特征提取,得到所述待检测图像的第一特征图和所述参考图像的第二特征图,包括:

利用所述卷积网络分别对所述待检测图像和所述参考图像进行语义分析,得到所述待检测图像的第一语义分割特征图和所述参考图像的第二语义分割特征图;

从所述第一语义分割特征图中提取得到所述第一特征图以及从所述第二语义特征分割图中提取得到所述第二特征图。

3.根据权利要求1所述的图像差异检测方法,其特征在于,所述差异特征提取网络是利用干预样本进行训练得到的,包括:

获取图像样本;

向部分所述图像样本中贴入背景信息,得到所述干扰样本;

对未被干扰的所述图像样本和所述干扰样本进行语义分割标注;

利用标注的所述未被干扰的图像样本和所述干扰样本对所述差异特征提取网络进行训练。

4.根据权利要求1所述的图像差异检测方法,其特征在于,在所述利用差异特征提取网络分别对所述待检测图像和所述参考图像进行特征提取,得到所述待检测图像的第一特征图和所述参考图像的第二特征图之前,所述方法还包括:

分别对所述待检测图像和所述参考图像进行特征点提取,得到所述待检测图像的第一特征点和所述参考图像的第二特征点;

对所述待检测图像的第一特征点和所述参考图像的第二特征点进行对齐,得到所述待检测图像相对所述参考图像的对齐图像。

5.根据权利要求4所述的图像差异检测方法,其特征在于,所述对所述待检测图像的第一特征点和所述参考图像的第二特征点进行对齐,得到所述待检测图像相对所述参考图像的对齐图像,包括:

对所述待检测图像的第一特征点和所述参考图像的第二特征点进行匹配,得到匹配图;

对所述匹配图中的匹配点进行采样,计算得到单应性矩阵;

利用所述单应性矩阵对所述待检测图像转换,得到所述对齐图像。

6.根据权利要求5所述的图像差异检测方法,其特征在于,所述对所述待检测图像的第一特征点和所述参考图像的第二特征点进行匹配,得到匹配图,包括:

获取所述待检测图像的第一特征描述子和所述参考图像的第二特征描述子;

利用超级胶水网络对所述第一特征描述子和所述第二特征描述子进行匹配,得到所述匹配图。

7.根据权利要求4所述的图像差异检测方法,其特征在于,所述分别对所述待检测图像和所述参考图像进行特征点提取,包括:

利用特征点检测网络对所述待检测图像和所述参考图像进行特征点提取,所述特征点检测网络是利用角点标注法训练得到的,所述角点标注的信息包括2D的图形信息。

8.根据权利要求1所述的图像差异检测方法,其特征在于,所述对所述第一特征图和所述第二特征图进行特征对比,得到所述第一特征图和所述参考图像的图像差异信息,包括:

对所述第一特征图和所述第二特征图进行做差处理,得到所述第一特征图和所述第二特征图的差分特征图;

对所述差分特征图进行二值化、腐蚀膨胀或者取连通域轮廓处理,得到所述图像差异信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110860122.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top