【CN110046623A】一种图像特征点提取方法和相机【专利】

合集下载

一种基于人工智能图像识别的特征提取方法及装置[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202011543248.4(22)申请日 2020.12.23(71)申请人河南应用技术职业学院地址 450042 河南省郑州市中原区建设西路548号(72)发明人崔琳　张丹丹　王雷　孙星　张杨　米楠　王欣慰　谷婧　(74)专利代理机构西安合创非凡知识产权代理事务所(普通合伙) 61248代理人杨蕾(51)Int.Cl.G06K 9/32(2006.01)G06K 9/62(2006.01)G06N 3/04(2006.01)(54)发明名称一种基于人工智能图像识别的特征提取方法及装置(57)摘要本发明涉及图像识别技术领域，具体涉及一种基于人工智能图像识别的特征提取方法及装置，该提取方法包括如下步骤：S1、基于神经网络模型实现图像特征区的识别、挖取；S2、基于图像特征区的识别结果，调用对应的自适应背景减除算法实现图像特征区背景的减除操作；S3、基于图像特征区的识别结果，调用对应的特征提取模型实现各图像特征区特征参数的提取，并将各图像特征取的特征参数串联形成增强特征向量。

本发明通过将图像分割成不同属性的图像特征区，并为每一种图像特征区属性配置不同的自适应背景减除算法、特征提取模型、遮挡剔除算法和特征提取模型，从而可以图像特征的自动化、精准提取，大大减轻人为工作量。

权利要求书1页说明书3页附图1页CN 112508021 A 2021.03.16C N 112508021A1.一种基于人工智能图像识别的特征提取方法，其特征在于：包括如下步骤：S1、基于神经网络模型实现图像特征区的识别、挖取；S2、基于图像特征区的识别结果，调用对应的自适应背景减除算法实现图像特征区背景的减除操作；S3、基于图像特征区的识别结果，调用对应的特征提取模型实现各图像特征区特征参数的提取，并将各图像特征取的特征参数串联形成增强特征向量。

一种用于数字图像处理的特征提取模块的制作方法

一种用于数字图像处理的特征提取模块的制作方法专利名称：一种用于数字图像处理的特征提取模块的制作方法技术领域：本实用新型涉及图像模式识别技术领域，特别涉及一种用于数字图像处理的特征提取模块，用于特征查找与遍历。

背景技术：随着对人机交互需求的增加，人们对人机交互系统提出了越来越高的要求。

其中一个非常重要的指标就是系统的分辨率。

但人机交互其固有特点是数据处理量大，并且实时性要求高。

这就是阻碍其走向高分辨率系统应用的一大瓶颈。

人机交互领域用到了大量的模式识别方法。

但两者最大的不同在于一模式识别给定一幅图(如大小为20*20)，再去识别这图像中是否包含所需要找的目标(如人脸)；而人机交互给定一幅图(如大小为640*480)，再去识别这幅图中的什么位置上是否有所需要找的目标(如大小为20*20的人脸)。

因此，与模式识别相比，人机交互多出了一个在整幅图像遍历查找的过程。

对特定目标(如人脸)进行查找需要用到特征。

特征一般由多个像素点作和组成，并且不同的特征其所包含的像素点数不同。

因此计算每个特征需要的运算数量和运算时间也是不同的，这不利于硬件的实现。

所以现在一般均采用基于积分图计算特征的方法。

积分图中每一个点的值为其左上所有点的灰度值之和。

因此在计算每一个特征时，仅仅需要用其4个端点的积分值进行2次加法运算和I次减法运算即可。

这样既降低了运算复杂度又保证了每次的运算时间。

人机交互因其数据处理量大，并且实时性要求高的特点成为其应用于通用处理的一大瓶颈。

最近几年，世界各地也开始了一些把人机交互处理做到FPGA或ASIC上的尝试。

考虑到运算复杂度、运算速度、功耗等因素，现今主流的做法均采用基于积分图的特征查找和遍历。

其中，有3种典型的方法。

第一种方法，把整幅图像的积分图存储到寄存器(寄存器)中。

第二种方法，把积分图按行或者按列存储到RAM中。

第三种方法，在RAM与寄存器之间加入特定数量的行buffer (如图像为640*480，检测目标的大小为20*20，则加入(20+步进)个长度为640的行buffer)，数据先从RAM到buffer，再最后到达寄存器，不管采用以上的哪一种设计，在实际应用当中都会存在制约。

图像特征提取方法、行人重识别方法、装置和计算机设备[发明专利]

专利名称：图像特征提取方法、行人重识别方法、装置和计算机设备
专利类型：发明专利
发明人：周康明,戚风亮
申请号：CN201911156432.0
申请日：20191122
公开号：CN110942012A
公开日：
20200331
专利内容由知识产权出版社提供
摘要：本申请涉及一种图像特征提取方法、行人重识别方法、装置和计算机设备。

其中图像特征提取方法通过构建自适应选择卷积核形状的基本模块，并基于串联的多个基本模块得到深度学习的特征提取网络模型；进而通过行人样本图像集采用前向传播算法训练该深度学习的特征提取网络模型，直到模型参数收敛；并采用训练后的深度学习的特征提取网络模型扫描输入图像，使得输入图像依次经过串联的多个基本模块，进行特征映射后得到该输入图像的具有较强判别性的特征向量。

申请人：上海眼控科技股份有限公司
地址：200030 上海市徐汇区中山南二路107号1幢20层I单元
国籍：CN
代理机构：广州华进联合专利商标代理有限公司
代理人：黄丽霞
更多信息请下载全文后查看。

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910161155.6
(22)申请日 2019.03.04
(71)申请人青岛小鸟看看科技有限公司
地址 266100 山东省青岛市崂山区松岭路
393号北京航空航天大学青岛研究院3
号楼4楼
(72)发明人周锋宜　吴涛　
(74)专利代理机构北京市隆安律师事务所
11323
代理人权鲜枝　赵美林
(51)Int.Cl.
G06K 9/46(2006.01)
G06K 9/62(2006.01)
G06T 7/136(2017.01)
(54)发明名称一种图像特征点提取方法和相机(57)摘要本发明公开了一种图像特征点提取方法和相机，方法包括：获取相机采集的原始图像，根据原始图像形成图像金字塔；将图像金字塔的底层图像划分为多个像素块，确定与像素块对应的第一特征点阈值，使用第一特征点阈值对像素块进行特征点检测第一特征点；利用底层图像信息更新第一特征点阈值得到第二特征点阈值，使用第二特征点阈值对第二层图像的相应像素块进行特征点检测，得到第二特征点。

根据图像金字塔确定原始图像上分别与第一特征点和第二特征点对应的原始特征点，按照原始特征点的像素位置筛选原始特征点得到提取结果。

本发明实施例同时满足了图像特征点提取过程中的特征点离散分布、尺度不变性、
实时性要求。

权利要求书3页说明书10页附图4页CN 110046623 A 2019.07.23
C N 110046623
A
权　利　要　求　书1/3页CN 110046623 A
1.一种图像特征点提取方法，其特征在于，包括：
获取相机采集的原始图像，根据所述原始图像形成图像金字塔；
将所述图像金字塔的底层图像划分为多个像素块，确定与所述像素块对应的第一特征点阈值，根据所述第一特征点阈值对所述像素块进行特征点检测，得到第一特征点，其中，所述底层图像为所述原始图像；
根据与当前层图像相邻的下一层图像的信息，获得与所述当前层图像的各像素块对应的第二特征点阈值，根据所述第二特征点阈值对所述当前层图像的相应像素块进行特征点检测，得到第二特征点，其中，所述当前层是所述图像金字塔的第二层至顶层中的任一层；
按照原始特征点的像素位置筛选所述原始特征点，得到图像特征点提取结果，其中，所述原始特征点包括所述第一特征点以及由所述第二特征点投影到原始图像得到的特征点。

2.根据权利要求1所述的方法，其特征在于，所述将所述图像金字塔的底层图像划分为多个像素块，确定与所述像素块对应的第一特征点阈值包括：
将所述底层图像划分为多个大小相同的像素块，根据各所述像素块中像素点的灰度值判断所述像素块是否为异常块；
如果所述像素块是异常块，则将所述像素块的方差设为第一常数，将所述第一特征点阈值设为第二常数，并对所述异常块不进行特征点检测；
如果所述像素块不是异常块，则根据所述像素块中像素点的灰度值计算均值和方差，并根据所述均值和所述方差，获得所述第一特征点阈值。

3.根据权利要求2所述的方法，其特征在于，所述根据各所述像素块中像素点的灰度值判断所述像素块是否为异常块包括：
对所述像素块中像素点的灰度值按照从大到小排序，计算前预设数目个灰度值的均值得到第一均值，并计算后预设数目个灰度值的均值得到第二均值；
判断所述第一均值和所述第二均值的差值是否小于预设门限值；
是则，确定所述像素块是异常块，否则，确定所述像素块不是异常块。

4.根据权利要求1所述的方法，其特征在于，所述根据与当前层图像相邻的下一层图像的信息，获得与所述当前层图像的各像素块对应的第二特征点阈值包括：根据所述下一层图像与所述当前层图像的缩放比例，以及所述下一层图像的像素块个数，确定所述当前层图像的第二中心点所在像素块的多个邻域块，其中，所述第二中心点由所述下一层图像的第一中心点投影得到；
根据各所述邻域块的均值，并使用双线性插值对所述第二中心点所在像素块进行插值，获得所述第二中心点所在像素块的第二均值，并由所述第二均值以及各所述邻域块的均值得到第二方差；
基于所述第二均值和所述第二方差，得到第二特征点阈值。

5.根据权利要求1所述的方法，其特征在于，该方法还包括：
将所述第一特征点阈值或所述第二特征点阈值分别与预设阈值范围的上限值和下限值进行比较得到比较结果；
若所述比较结果为所述第一特征点阈值或所述第二特征点阈值在所述阈值范围内，则不对所述第一特征点阈值或所述第二特征点阈值进行修改；
若所述比较结果为所述第一特征点阈值或所述第二特征点阈值大于所述上限值，则将
2。