一种图像背景干扰度的识别方法及装置与流程

本发明涉及计算机领域，具体涉及一种图像背景干扰度的识别方法及装置。

背景技术：

图像作为人类感知世界的视觉基础，是所有视觉信息的载体，是人类获取信息、表达信息和传递信息的重要手段。诸多技术领域都是基于对采集图像的处理而开展的如人脸识别、视频分析、智能驾驶和工业视觉检测等。而采集图像往往存在较大的干扰因素，如背景干扰等因此在进行图像处理前需要对采集图像进行预处理，筛选出背景干扰度低的图像。

在现有技术中，人们根据自己的直观感受来挑选图像，凭直观感觉剔除图像背景干扰度高的图像，保留干扰度低的图像。但人工挑选的方法效率较低，且主观性较强，不同的人的判别标准不同，导致精准度较低。

技术实现要素：

本发明实施例提供一种图像背景干扰度的识别方法，能够识别出图像的背景干扰度，提高图像识别的准确性，为后续图像处理提供高质量的图像。

本发明第一实施例提供一种图像背景干扰度的识别方法，包括：

获取选定图像，并通过cnn的卷积层提取所述选定图像的特征向量，得到第一卷积特征图；

将所述第一卷积特征图与预先训练好的分类库中的第二卷积特征图进行对比，确定所述选定图像中存在的若干个主体图像所属的主体类别；其中，每个主体类别包括至少一个主体图像；

根据所述若干个主体图像的面积，确定每个所述主体类别对应的所有主体图像与所述选定图像的面积比，并将面积比超过第一预设阈值或与第一预设阈值相等的所有主体类别作为所述选定图像的第一主体类别；

根据预设的类别优先级，从所述第一主体类别中提取优先级最高的主体类别作为所述选定图像的第二主体类别；

提取所述第二主体类别对应的每个主体图像的边缘，并根据提取的边缘，建立连通区域；

将所述连通区域内侧所有像素点的色调平均值，作为第一色调平均值；将所述连通区域外侧所有像素点的色调平均值，作为第二色调平均值；

若所述第一色调平均值与第二色调平均值的差的绝对值小于第二预设阈值，则确定所述选定图像的背景干扰度高；否则确定所述选定图像的背景干扰度低。

进一步的，所述选定图像的特征向量包括外形、颜色、纹理、材质或其任意组合。

进一步的，所述主体类别包括：人、物和风景。

进一步的，所述第一预设阈值为0.15。

进一步的，所述预设的类别优先级为：人的优先级高于物的优先级，物的优先级高于风景的优先级。

相应的在本发明第一实施例的基础上提供了第二实施例。

本发明第二实施例提供了一种图像背景干扰度的识别装置包括：图像处理模块、图像分类模块、第一主体识别模块、第二主体识别模块、主体边缘提取模块、色素值平均模块和干扰度的识别模块；

所述图像处理模块用于获取选定图像，并通过cnn的卷积层提取所述选定图像的特征向量，得到第一卷积特征图；

所述图像分类模块将所述第一卷积特征图与预先训练好的分类库中的第二卷积特征图进行对比，确定所述选定图像中存在的若干个主体图像所属的主体类别；其中，每个主体类别包括至少一个主体图像；

所述第一主体识别模块用于根据所述若干个主体图像的面积，确定每个所述主体类别对应的所有主体图像与所述选定图像的面积比，并将面积比超过第一预设阈值或与第一预设阈值相等的所有主体类别作为所述选定图像的第一主体类别；

所述第二主体识别模块用于根据预设的类别优先级，从所述第一主体类别中提取优先级最高的主体类别作为所述选定图像的第二主体类别；

所述主体边缘提取模块用于提取所述第二主体类别对应的每个主体图像的边缘，并根据提取的边缘，建立连通区域；

所述色素值平均模块用于将所述连通区域内侧所有像素点的色调平均值，作为第一色调平均值；将所述连通区域外侧所有像素点的色调平均值，作为第二色调平均值；

所述干扰度的识别模块用于若所述第一色调平均值与第二色调平均值的差的绝对值小于第二预设阈值，则确定所述选定图像的背景干扰度高；否则确定所述选定图像的背景干扰度低。

进一步的，所述选定图像的特征向量包括以下任意一种或多种组合：外形、颜色、纹理或材质。

进一步的，所述主体类别包括：人、物和风景。

进一步的，所述第一预设阈值为0.15。

进一步的，所述预设的类别优先级为：人的优先级高于物的优先级，物的优先级高于风景的优先级。

通过实施本发明的实施例，有如下有益效果：

本发明实施例提供了一种图像背景干扰度的识别方法及装置，通过cnn的卷积层提取选定图像的特征向量的到第一卷积特征图，将第一卷积特征图与训练好的第二卷积特征图进行对比，确定所述选定图像中的主体图像所属的主体类别，计算各主体类别对应的所有主体图像与选定图像的面积比，将面积比超过第一预设阈值或与第一预设阈值相等的主体类别作为第一主体类别，按预设的优先级从第一主体类别中确定第二主体类别，进而提取第二主体类别中所有主体图像的边缘，根据提取的主体边缘建立连通区域，将连通区域内侧所有像素点的色调平均值，作为第一色调平均值；将连通区域外侧所有像素点的色调平均值，作为第二色调平均值；若第一色调平均值与第二色调平均值的差的绝对值小于第二预设阈值，则确定背景干扰度高，否则确定背景干扰度低。相比于现有技术采用人工识别背景干扰度的方法，本发明能自动识别出图像的背景干扰度，提高图像识别的准确性，为后续图像处理提供高质量的图像。

附图说明

图1是本发明第一实施例提供的一种图像背景干扰度的识别方法流程示意图；

图2是本发明第二实施例提供的一种图像背景干扰度的识别装置的结构示意图；

附图标记说明：101、图像处理模块；102、图像分类模块；103、第一主体识别模块；104、第二主体识别模块；105、主体边缘提取模块；106、色素值平均模块；107、干扰度的识别模块。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明第一实施例提供的一种图像背景干扰度的识别包括步骤：

s101、获取选定图像，并通过cnn的卷积层提取选定图像的特征向量，得到第一卷积特征图；

s102、将第一卷积特征图与预先训练好的分类库中的第二卷积特征图进行对比，确定选定图像中存在的若干个主体图像所属的主体类别；其中，每个主体类别包括至少一个主体图像；

s103、根据若干个主体图像的面积，确定每个主体类别对应的所有主体图像与选定图像的面积比，并将面积比超过第一预设阈值或与第一预设阈值相等的所有主体类别作为选定图像的第一主体类别；

s104、根据预设的类别优先级，从第一主体类别中提取优先级最高的主体类别作为选定图像的第二主体类别；

s105、提取第二主体类别对应的每个主体图像的边缘，并根据提取的边缘，建立连通区域。

s106、将连通区域内侧所有像素点的色调平均值，作为第一色调平均值；将连通区域外侧所有像素点的色调平均值，作为第二色调平均值。

s107、若第一色调平均值与第二色调平均值的差的绝对值小于第二预设阈值，则确定选定图像的背景干扰度高；否则确定选定图像的背景干扰度低。

对于步骤s101、具体的，从网络媒体或现场拍摄的图像中，任选一张图像作为选定图像，继而将改图像输入到已训练好的cnn中，并通过cnn中的卷积层提取选定图像的特征向量，得到第一卷积特征图。需要说明的是，提取的特征向量可以但不限于为以下任意一种或多种组合：外形、颜色、纹理或材质。需要补充的是，本发明首选根据各种人、动物、物件、山水的外形、颜色纹理材质或其任意多种组合的特征，提取出各种人、动物、物件、山水的主体类别的特征向量输入到cnn网络进行训练，得到已训练好的cnn模型，其中提取的特征向量可以根据实际情况进行调整，提取的主体类别也可以为人、动物、物件，山水间的任意组合，可以根据实际需要进行随时的调整。

对于步骤s102、主体类别可以但不限于为人、物和风景。可以理解的是,选定图像中可能存在多个主体类别，每个主体类别中可能有多个主体。

对于步骤s103、优选的，第一预设阈值可以但不限于为0.15或0.2；具体的值可以根据实际情况进行设定。具体的，在确定选定图像中主体所属的类别后，计算属于同一主体类型的主体的总面积，并分别与选定图像的总面积进行比对，将主体类别中主体面积占选定图像总面积15％或20％及以上的主体类别，作为选定图像的第一主体类别。

对于步骤s104、优选的，预设的类别优先级为：人的优先级高于物的优先级，物的优先级高于风景的优先级。具体的，若第一主体类别中包含，人类、物类和风景类，则选定人类为选定图像的第二主体类别。

对于步骤s105、具体的，对第二主体类别中对应的每个主体图像进行边缘检测，提取主体图像的边缘，继而根据主体图像的边缘建立连通区域。

对于步骤s106、具体的，提取连通区域内侧所有像素点的色调值，及hsv值中的h值，并取平均数得到第一色调平均值。提取连通区域外侧所有像素点的色调值，并取平均数得到第二色调平均值。

对于步骤s107、具体的，将第一色调平均值和第二色调平均值做差，并取绝对值，若绝对值小于第二预设阈值，则代表图像主体的色调与背景图案的色调差异小，即图像主体受背景图案的干扰度高；否则确定背景干扰度低。

在本发明第一实施例的基础上，对应提供了第二实施例。

如图2所示：本发明第二实施例提供了一种图像背景干扰度的识别装置包括：图像处理模块101、图像分类模块102、第一主体识别模块103、第二主体识别模块104、主体边缘提取模块105、色素值平均模块106和干扰度的识别模块107；

图像处理模块101用于获取选定图像，并通过cnn的卷积层提取选定图像的特征向量，得到第一卷积特征图；

图像分类模块102将第一卷积特征图与预先训练好的分类库中的第二卷积特征图进行对比，确定选定图像中存在的若干个主体图像所属的主体类别；其中，每个主体类别包括至少一个主体图像；

第一主体识别模块103用于根据若干个主体图像的面积，确定每个主体类别对应的所有主体图像与选定图像的面积比，并将面积比超过第一预设阈值或与第一预设阈值相等的所有主体类别作为选定图像的第一主体类别；

第二主体识别模块104用于根据预设的类别优先级，从第一主体类别中提取优先级最高的主体类别作为选定图像的第二主体类别；

主体边缘提取模块105用于提取第二主体类别对应的每个主体图像的边缘，并根据提取的边缘，建立连通区域；

色素值平均模块106用于将连通区域内侧所有像素点的色调平均值，作为第一色调平均值；将连通区域外侧所有像素点的色调平均值，作为第二色调平均值；

干扰度的识别模块107用于若所述第一色调平均值与第二色调平均值的差的绝对值小于第二预设阈值，则确定选定图像的背景干扰度高；否则确定选定图像的背景干扰度低。

进一步的，选定图像的特征向量包括以下任意一种或多种组合：外形、颜色、纹理或材质。

进一步的，主体类别包括：人、物和风景。

进一步的，第一预设阈值为0.15。

进一步的，预设的类别优先级为：人的优先级高于物的优先级，物的优先级高于风景的优先级。

通过实施本发明的实施例，有如下有益效果：

本发明实施例提供了一种基于图像背景干扰度的识别方法及装置，通过cnn的卷积层提取选定图像的特征向量的到第一卷积特征图，将第一卷积特征图与训练好的第二卷积特征图进行对比，确定选定图像中的主体图像所属的主体类别，计算各主体类别对应的所有主体图像与选定图像的面积比，将面积比超过第一预设阈值或与第一预设阈值相等的主体类别作为第一主体类别，按预设的优先级从第一主体类别中确定第二主体类别，进而提取第二主体类别中所有主体图像的边缘，根据提取的主体边缘建立连通区域，将连通区域内侧所有像素点的色调平均值，作为第一色调平均值；将连通区域外侧所有像素点的色调平均值，作为第二色调平均值；若第一色调平均值与第二色调平均值的差的绝对值小于第二预设阈值，若第一色调平均值与第二色调平均值的差的绝对值小于第二预设阈值，则确定选定图像中的主体受背景图案的干扰度高；否则确定选定图像的背景干扰度低。从而实现自动识别出图像的背景干扰度，提高图像识别的准确性，为后续图像处理提供高质量的图像。

需说明的是，以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。