[发明专利]用于料件检测的图像处理方法、存储介质及图像处理装置

说明书

本申请涉及一种用于料件检测的图像处理方法、存储介质及图像处理装置。方法包括：获得第一图像和第二图像并输入基于SIFT特征检测的特征提取网络，从而获得表征第一图像和第二图像之间的尺度不变性的至少一个特征关键点及对应的特征向量；根据特征向量计算第一图像和第二图像之间的匹配程度，并根据该匹配程度设定距离阈值，以及根据该距离阈值从该特征关键点中筛选出匹配特征点，其中匹配特征点的每一个与该特征关键点中相对于该匹配特征点的至少一个另一特征关键点之间的距离小于该距离阈值；根据匹配特征点确定相对于第二图像的第一图像的不变区域；和根据所述不变区域确定第一图像的变化区域。如此降低识别误差和提升检测效果。

技术领域

本申请涉及计算机视觉技术领域，具体涉及一种用于料件检测的图像处理方法、存储介质及图像处理装置。

背景技术

随着人工智能技术和计算机视觉技术的发展，在人脸识别、身份检验等应用中广泛采用了基于深度学习技术的神经网络模型或者神经网络算法来对采集的图像或者视频进行分析和检测，从而提高生产效率和确保安全客观。在工业应用领域，也可以采用基于深度学习技术的神经网络模型来进行自动检测，例如在废弃钢材的回收环节，需要对大量堆积在一起的废弃钢材进行检测。这些废弃钢材可以看作是多个废钢料件组成的集合也叫废钢料件集合且其中每个废钢料件可以被单独搬运。传统做法是通过现场工作人员进行人工检测，包括判断不同的废钢料件的种类、尺寸、面积并估计其重量和价格等。采用基于深度学习技术的神经网络模型来进行废钢料件的自动检测，可以大幅提高生产效率还能确保作业安全。另一方面，在物流中心和港口运输等应用中，也可以采用基于深度学习技术的神经网络模型来进行自动检测，例如对堆积在物流中心等待分拣搬运的货物或者在港口停泊等待被搬运的货物等，这些货物也可以看作是多个货物料件组成的集合，每个货物料件可以被单独搬运。

但是，堆积在一起的废钢料件或者货物料件往往互相遮挡甚至完全覆盖，并且存在外形相似等问题，从而给精确检测带来挑战。为此，需要一种用于料件检测的图像处理方法、存储介质及图像处理装置，能够实现精确检测，从而适用于废弃钢材回收、货物分拣搬运等的料件检测。

发明内容

第一方面，本申请实施例提供了一种图像处理方法。所述图像处理方法包括：获得第一图像和第二图像；将所述第一图像和所述第二图像输入基于SIFT特征检测的特征提取网络，从而获得表征所述第一图像和所述第二图像之间的尺度不变性的至少一个特征关键点及与该至少一个特征关键点对应的特征向量；根据所述特征向量计算所述第一图像和所述第二图像之间的匹配程度，并根据该匹配程度设定距离阈值，以及根据该距离阈值从该至少一个特征关键点中筛选出匹配特征点，其中，所述匹配特征点的每一个匹配特征点与该至少一个特征关键点中相对于该匹配特征点的至少一个另一特征关键点之间的距离小于该距离阈值；根据所述匹配特征点确定相对于所述第二图像的所述第一图像的不变区域；和根据所述第一图像的不变区域确定相对于所述第二图像的所述第一图像的变化区域。

第一方面所描述的技术方案，通过基于SIFT特征检测的特征提取网络获得特征关键点及对应的特征向量，基于特征向量计算匹配程度并进而设定距离阈值，根据距离阈值从特征关键点中筛选出匹配特征点，最后根据匹配特征点确定第一图像的不变区域以及根据第一图像的不变区域确定第一图像的变化区域，实现了有效克服可能影响检测效果的因素（如相机外参数的变化，或者第一图像和第二图像之间的远近距离的变化、缩放尺度的变化等）所带来的不利影响，还有效降低因为像素点位置偏移造成的在像素级的预测上的误差和边缘识别误差，适用于在废弃钢材回收、货物分拣搬运等的料件检测中提供基于计算机视觉技术的智能化自动检测。

根据第一方面的技术方案的一种可能的实现方式，本申请实施例还提供了，所述第一图像和所述第二图像分别通过同一个图像采集设备按照不同缩放尺度采集得到。

根据第一方面的技术方案的一种可能的实现方式，本申请实施例还提供了，根据所述第一图像的不变区域确定相对于所述第二图像的所述第一图像的变化区域，包括：根据所述第一图像的不变区域对所述第一图像进行取反操作，得到所述第一图像的变化区域。