目标对象的识别方法和装置.pdf

(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CN109934813A(43)申请公布日2019.06.25(21)申请号201910176772.3(22)申请日2019.03.08(71)申请人广州视源电子科技股份有限公司地址510530广东省广州市黄埔区云埔四路6号(72)发明人童云飞(74)专利代理机构北京康信知识产权代理有限责任公司11240代理人李静茹(51)Int.Cl.G06T7/00(2017.01)G06T7/13(2017.01)权利要求书2页说明书8页附图5页(54)发明名称目标对象的识别方法和装置(57)摘要本发明公开了一种目标对象的识别方法和装置。其中，该方法包括：获取包含目标对象的第一图像；利用U形全卷积神经网络模型对第一图像进行图像分割，得到目标对象的第一边界；利用活动轮廓模型对目标对象的第一边界进行处理，得到目标对象的第二边界。本发明解决了现有技术中目标对象的识别准确率较低，且可重复性较差的技术问题。CN109934813ACN109934813A权利要求书1/2页1.一种目标对象的识别方法，其特征在于，包括：获取包含目标对象的第一图像；利用U形全卷积神经网络模型对所述第一图像进行图像分割，得到所述目标对象的第一边界；利用活动轮廓模型对所述目标对象的第一边界进行处理，得到所述目标对象的第二边界。2.根据权利要求1所述的方法，其特征在于，所述U形全卷积神经网络模型包括：编码模型和解码模型，所述编码模型包括：多个第一网络块，所述第一网络块包括：依次连接的至少两个第一卷积层，所述第一卷积层采用修正线性单元激活函数和池化操作，每个第一网络块中的最后一个第一卷积层与下一个第一网络块中的第一个第一卷积层连接；所述解码模型包括：多个第二网络块和输出层，所述第一网络块和所述第二网络块的数量相同，所述第二网络块包括：依次连接的级联层、至少两个第二卷积层和旁侧输出层，所述级联层与对应的第一网络块和上一个第二网络块中的最后一个第二卷积层连接，所述级联层与所述对应的第一网络块采用复制和合并的跳跃连接方式连接，所述旁侧输出层采用交叉熵损失函数，所述输出层与所述多个第二网络块的旁侧输出层连接。3.根据权利要求2所述的方法，其特征在于，所述池化操作包括如下之一：最大池化操作和均值池操作。4.根据权利要求1所述的方法，其特征在于，活动轮廓模型包括：形状模型和灰度模型，其中，利用活动轮廓模型对所述目标对象的第一边界进行处理，得到所述目标对象的第二边界，包括：从所述第一边界上提取出预设数量的第一关键点；利用所述形状模型和所述灰度模型对所述第一关键点进行处理，得到所述第二边界。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：获取多个训练集，其中，每个训练集包括：训练图像和对应的标签；获取所述训练图像中所述目标对象的第三边界；从所述第三边界上提取出所述预设数量的第二关键点；利用所述第二关键点和对应的标签分别对预设形状模型和预设灰度模型进行训练，得到所述形状模型和所述灰度模型。6.根据权利要求5所述的方法，其特征在于，获取所述训练图像中所述目标对象的第三边界，包括：利用预设尺寸的卷积滑窗对所述训练图像进行滤波，得到所述训练图像中所述目标对象的第三边界。7.根据权利要求1所述的方法，其特征在于，在利用U形全卷积神经网络模型对所述第一图像进行图像分割，得到所述目标对象的第一边界之前，所述方法还包括：利用边缘检测算法对所述第一图像进行处理，得到所述目标对象所在区域的第二图像；利用所述U形全卷积神经网络模型对所述第二图像进行图像分割，得到所述第一边界。8.根据权利要求7所述的方法，其特征在于，利用边缘检测算法对所述第一图像进行处2CN109934813A权利要求书2/2页理，得到所述目标对象所在区域的第二图像，包括：利用多级边缘检测算法对所述第一图像进行处理，得到所述第二图像。9.根据权利要求1所述的方法，其特征在于，获取包含目标对象的第一图像，包括：利用前段光学相干断层扫描技术对所述目标对象进行扫描，得到所述第一图像。10.根据权利要求1所述的方法，其特征在于，所述目标对象为晶状体核。11.一种目标对象的识别装置，其特征在于，包括：获取模块，用于获取包含目标对象的第一图像；图像分割模块，用于利用U形全卷积神经网络模型对所述第一图像进行图像分割，得到所述目标对象的第一边界；处理模块，用于利用活动轮廓模型对所述目标对象的第一边界进行处理，得到所述目标对象的第二边界。12.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至10中任意一项所述的目标对象的识别方法。13.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要