本发明专利技术实施例提供一种基于光流信息的图像处理方法，获取待处理图像，所述待处理图像包括运动目标对象，所述待处理图像为连续帧图像中的一帧图像；对所述待处理图像进行全局量化，得到所述待处理图像的全局量化图像；计算所述处理图像的全局量化图像与上一帧图像的全局量化图像之间的光流信息；根据所述光流信息，对所述待处理图像进行分块量化，得到分块量化图像；将所述分块量化图像输入到预训练好的目标检测模型中进行运动目标检测。提高了运动目标的检测效率。动目标的检测效率。动目标的检测效率。
【技术实现步骤摘要】
基于光流信息的图像处理方法及相关设备
[0001]本专利技术涉及人工智能和图像处理领域，尤其涉及一种基于光流信息的图像处理方法、装置、电子设备及存储介质。
技术介绍
[0002]随着人工智能相关技术不断进步，各种图像处理技术得以落地，比如人脸识别、目标检测、目标跟踪等。对运动目标的检测跟踪大多是需要实时进行的，这就对检测跟踪的计算速度提出了较高的要求，而计算速度取决于硬件的算力。在云端对图像处理，可以提供较高的算力，但由于通信原因，多少会存在返回延时，无法满足实时的要求。在图像设备端嵌入处理处理技术，则受限于图像设备端的硬件所能提供的算力，计算的速度慢，因此，使得运动目标的检测效率不高。
技术实现思路
[0003]本专利技术实施例提供一种基于光流信息的图像处理方法，通过将待处理图像进行全局量化，使得全局量化图像中数值范围变小，从而可以减少光流信息的计算时间，而由于光流信息对于量化的敏感度较低，根据光流信息对于待处理图像进行分块量化后，计算数据量变小的同时，对于待处理图像的光流信息损失较小，使得预训练好的目标检测模型的计算数据量也因为量化而降低，从而提高了计算的速度，提高了运动目标的检测效率。
[0004]第一方面，本专利技术实施例提供一种基于光流信息的图像处理方法，所述方法包括：
[0005]获取待处理图像，所述待处理图像包括运动目标对象，所述待处理图像为连续帧图像中的一帧图像；
[0006]对所述待处理图像进行全局量化，得到所述待处理图像的全局量化图像；
[0007]计算所述处理图像的全局量化图像与上一帧图像的全局量化图像之间的光流信息；
[0008]根据所述光流信息，对所述待处理图像进行分块量化，得到分块量化图像；
[0009]将所述分块量化图像输入到预训练好的目标检测模型中进行运动目标检测。
[0010]可选的，所述对所述待处理图像进行全局量化，得到全局量化图像的步骤包括：
[0011]将所述待处理图像进行傅里叶变换，得到所述待处理图像的梯度信息；
[0012]根据所述梯度信息，确定所述待处理图像的量化级数；
[0013]根据所述量化级数，对所述待处理图像进行全局量化，得到全局量化图像。
[0014]可选的，所述计算所述处理图像的全局量化图像与上一帧图像的全局量化图像之间的光流信息的步骤包括：
[0015]获取上一帧图像的全局量化图像，所述上一帧图像的全局量化图像与所述处理图像的全局量化图像采用相同的全局量化；
[0016]将所述上一帧图像的全局量化图像与所述处理图像的全局量化图像输入到预设的光流估计网络，得到所述处理图像的全局量化图像与上一帧图像的全局量化图像之间的
光流信息。
[0017]可选的，所述根据所述光流信息，对所述待处理图像进行分块量化，得到分块量化图像的步骤包括：
[0018]判断所述光流信息是否服从高斯分布；
[0019]若所述光流信息服从高斯分布，则基于构建所述光流信息的高斯分布；
[0020]通过所述光流信息的高斯分布对所述待处理图像的进行分块，得到多个第一分块图像，所述多个第一分块图像拼合得到所述待处理图像；
[0021]对每个所述第一分块图像分别进行量化，在拼合后得到分块量化图像。
[0022]可选的，所述根据所述光流信息，对所述待处理图像进行分块量化，得到分块量化图像的步骤还包括：
[0023]若所述光流信息不服从高斯分布，则计算所述光流信息的梯度范围；
[0024]通过所述光流信息的梯度范围对所述待处理图像的进行分块，得到多个第二分块图像，所述多个第二分块图像拼合得到所述待处理图像；
[0025]对每个所述第二分块图像分别进行量化，在拼合后得到分块量化图像。
[0026]可选的，预训练好的目标检测模型中包括自注意力机制，所述将所述分块量化图像输入到预训练好的目标检测模型中进行运动目标检测的步骤包括：
[0027]通过所述自注意力机制，对所述分块量化图像中不同的分块图像进行注意力权重分配。
[0028]可选的，在所述获取待处理图像之前，所述方法还包括：
[0029]构建目标检测模型，其中，所述目标检测模型中包括辅助训练模块，所述辅助训练模块用于添加辅助训练任务；
[0030]构建训练数据集，所述训练数据集包括样本图像序列以及对应的主标签和辅助标签；
[0031]通过所述训练数据集对所述目标检测模型进行迭代训练，直到所述目标检测模型收敛，将所述辅助训练模块去掉，得到所述预训练好的目标检测模型。
[0032]第二方面，本专利技术实施例提供一种基于光流信息的图像处理装置，所述装置包括：
[0033]获取模块，用于获取待处理图像，所述待处理图像包括运动目标对象，所述待处理图像为连续帧图像中的一帧图像；
[0034]第一量化模块，用于第一量化对所述待处理图像进行全局量化，得到所述待处理图像的全局量化图像；
[0035]计算模块，用于计算所述处理图像的全局量化图像与上一帧图像的全局量化图像之间的光流信息；
[0036]第二量化模块，用于根据所述光流信息，对所述待处理图像进行分块量化，得到分块量化图像；
[0037]处理模块，用于将所述分块量化图像输入到预训练好的目标检测模型中进行运动目标检测。
[0038]第三方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本专利技术实施例提供的基于光流信息的图像处理方法中的步骤。
[0039]第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现专利技术实施例提供的基于光流信息的图像处理方法中的步骤。
[0040]本专利技术实施例中，获取待处理图像，所述待处理图像包括运动目标对象，所述待处理图像为连续帧图像中的一帧图像；对所述待处理图像进行全局量化，得到所述待处理图像的全局量化图像；计算所述处理图像的全局量化图像与上一帧图像的全局量化图像之间的光流信息；根据所述光流信息，对所述待处理图像进行分块量化，得到分块量化图像；将所述分块量化图像输入到预训练好的目标检测模型中进行运动目标检测。通过将待处理图像进行全局量化，使得全局量化图像中数值范围变小，从而可以减少光流信息的计算时间，而由于光流信息对于量化的敏感度较低，根据光流信息对于待处理图像进行分块量化后，计算数据量变小的同时，对于待处理图像的光流信息损失较小，使得预训练好的目标检测模型的计算数据量也因为量化而降低，从而提高了计算的速度，提高了运动目标的检测效率。
附图说明
[0041]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于光流信息的图像处理方法，用于运动目标检测，其特征在于，包括以下步骤：获取待处理图像，所述待处理图像包括运动目标对象，所述待处理图像为连续帧图像中的一帧图像；对所述待处理图像进行全局量化，得到所述待处理图像的全局量化图像；计算所述待处理图像的全局量化图像与上一帧图像的全局量化图像之间的光流信息；根据所述光流信息，对所述待处理图像进行分块量化，得到分块量化图像；将所述分块量化图像输入到预训练好的目标检测模型中进行运动目标检测。2.如权利要求1所述的基于光流信息的图像处理方法，其特征在于，所述对所述待处理图像进行全局量化，得到全局量化图像的步骤包括：将所述待处理图像进行傅里叶变换，得到所述待处理图像的梯度信息；根据所述梯度信息，确定所述待处理图像的量化级数；根据所述量化级数，对所述待处理图像进行全局量化，得到全局量化图像。3.如权利要求2所述的基于光流信息的图像处理方法，其特征在于，所述计算所述待处理图像的全局量化图像与上一帧图像的全局量化图像之间的光流信息的步骤包括：获取上一帧图像的全局量化图像，所述上一帧图像的全局量化图像与所述处理图像的全局量化图像采用相同的全局量化；将所述上一帧图像的全局量化图像与所述处理图像的全局量化图像输入到预设的光流估计网络，得到所述处理图像的全局量化图像与上一帧图像的全局量化图像之间的光流信息。4.如权利要求3所述的基于光流信息的图像处理方法，其特征在于，所述根据所述光流信息，对所述待处理图像进行分块量化，得到分块量化图像的步骤包括：判断所述光流信息是否服从高斯分布；若所述光流信息服从高斯分布，则基于构建所述光流信息的高斯分布；通过所述光流信息的高斯分布对所述待处理图像的进行分块，得到多个第一分块图像，所述多个第一分块图像拼合得到所述待处理图像；对每个所述第一分块图像分别进行量化，在拼合后得到分块量化图像。5.如权利要求4所述的基于光流信息的图像处理方法，其特征在于，所述根据所述光流信息，对所述待处理图像进行分块量化，得到分块量化图像的步骤还包括：若所述光流信息不服从高斯分布，则计算所述光流信息的梯度范围；通...
【专利技术属性】
技术研发人员：简足勇，高艺，王鹏，戴俊夫，
申请(专利权)人：长沙韶光半导体有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。