[发明专利]倾斜目标的处理方法、装置、存储介质与处理器

说明书

本申请提供了一种倾斜目标的处理方法、装置、存储介质与处理器。该方法包括：获取标注后的多个原始图像，原始图像中包括倾斜目标；确定各标注后的原始图像对应的位置密度图和方向密度图；构建人工智能模型，人工智能模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：原始图像、原始图像对应的位置密度图和原始图像对应的方向密度图；将待预测的目标图像输入至人工智能模型中进行运算，输出目标图像对应的目标位置密度图和目标方向密度图；根据目标位置密度图和目标方向密度图，确定目标图像中的倾斜目标的倾斜角度。本方案获取了精确的倾斜目标的倾斜角度。

技术领域

本申请涉及图像处理领域，具体而言，涉及一种倾斜目标的处理方法、装置、存储介质与处理器。

背景技术

在现在大量摄像头使用的情况下，人脸检测、行人检测等功能被广泛地应用在移动端的摄像头上。在部分场景中，如舰船目标检测，需要对倾斜目标进行检测。如果使用传统的水平矩形框表示方法，难以准确的获取倾斜目标的角度信息。

发明内容

本申请的主要目的在于提供一种倾斜目标的处理方法、装置、存储介质与处理器，以解决现有技术中难以准确地获取倾斜目标的角度信息的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种倾斜目标的处理方法，包括：获取标注后的多个原始图像，所述原始图像中包括倾斜目标；确定各所述标注后的原始图像对应的位置密度图和方向密度图，所述位置密度图在所述倾斜目标的中心点的取值，不同于在所述原始图像中除所述中心点以外的点的取值，所述方向密度图在方向标志点的取值不同于在所述原始图像中除所述方向标志点以外的点的取值，所述方向标志点为所述倾斜目标上的非所述中心点的点；构建人工智能模型，所述人工智能模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：所述原始图像、所述原始图像对应的位置密度图和所述原始图像对应的方向密度图；将待预测的目标图像输入至所述人工智能模型中进行运算，输出所述目标图像对应的目标位置密度图和目标方向密度图；根据所述目标位置密度图和目标方向密度图，确定所述目标图像中的倾斜目标的倾斜角度。

可选地，根据所述目标位置密度图和目标方向密度图，确定所述目标图像中的倾斜目标的倾斜角度，包括：根据所述目标位置密度图确定所述目标图像中的倾斜目标的中心点的坐标；根据所述目标方向密度图确定所述目标图像中的倾斜目标的方向标志点的坐标；根据所述中心点的坐标和所述方向标志点的坐标确定所述目标图像中的倾斜目标的倾斜角度。

可选地，根据所述目标位置密度图确定所述目标图像中的倾斜目标的中心点的坐标，包括：获取所述目标位置密度图的局部区域的第一极大值对应的坐标；确定所述第一极大值是否大于第一阈值；在所述第一极大值大于所述第一阈值的情况下，确定所述第一极大值对应的坐标为所述倾斜目标的中心点的坐标。

可选地，根据所述目标方向密度图确定所述目标图像中的倾斜目标的方向标志点的坐标，包括：获取所述目标方向密度图的第二极大值对应的坐标；确定所述第二极大值是否大于第二阈值；确定所述第二极大值对应的坐标是否在所述倾斜目标的中心点的坐标的邻域范围内；在所述第二极大值大于所述第二阈值，且所述第二极大值对应的坐标在所述邻域范围内的情况下，确定所述第二极大值对应的坐标为所述方向标志点的坐标。

可选地，所述训练数据还包括所述原始图像对应的尺寸密度图，所述方法还包括：从标注后的所述原始图像中，提取出所述原始图像中的倾斜目标的中心点坐标；从标注后的所述原始图像中，提取出所述原始图像中的倾斜目标的尺寸；从标注后的所述原始图像中，提取出所述原始图像中的倾斜目标的倾斜角度；根据倾斜目标的中心点坐标、所述倾斜目标的尺寸和所述倾斜目标的倾斜角度，生成所述原始图像对应的尺寸密度图；将待预测的目标图像输入至所述人工智能模型中进行运算，输出所述目标图像对应的目标尺寸密度图。

可选地，所述方法还包括：根据所述目标尺寸密度图，确定所述目标图像中的倾斜目标的长度信息和宽度信息。