图像特征点提取方法、装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115512171A(43)申请公布日2022.12.23(21)申请号202210994529.4G06V10/764(2022.01)(22)申请日2022.08.18G06V10/82(2022.01)(71)申请人咪咕动漫有限公司地址361000福建省厦门市集美区集美大道1133号申请人咪咕文化科技有限公司中国移动通信集团有限公司(72)发明人洪毅强王琦胡良军张伟杰罗德海(74)专利代理机构深圳市世纪恒程知识产权代理事务所44287专利代理师杨长河(51)Int.Cl.G06V10/771(2022.01)G06V10/774(2022.01)权利要求书2页说明书11页附图3页(54)发明名称图像特征点提取方法、装置、设备及存储介质(57)摘要本申请公开了一种图像特征点提取方法、装置、设备及存储介质，该方法包括步骤：获取原始图像，并输入所述原始图像至特征点预测模型，得到概率图；所述原始图像被所述特征点预测模型均分为多个图像区域，所述概率图包含所述原始图像中每一原始像素作为所处图像区域的特征点的概率；所述特征点预测模型是基于特征点提取训练数据集对待训练预测模型进行迭代训练得到的；基于所述概率图，分别从每一图像区域的原始像素中提取特征点。本申请使得特征点是从均分原始图像得到的每一图像区域中提取得到的，因此，即使图像中特征点分布过于密集，也不会保留大量的相近特征点，由此做到了均匀化提取特征点，从而提高使得从图像中提取的特征点更加均匀。CN115512171ACN115512171A权利要求书1/2页1.一种图像特征点提取方法，其特征在于，所述方法包括：获取原始图像，并输入所述原始图像至特征点预测模型，得到概率图；所述原始图像被所述特征点预测模型均分为多个图像区域，所述概率图包含所述原始图像中每一原始像素作为所处图像区域的特征点的概率；所述特征点预测模型是基于特征点提取训练数据集对待训练预测模型进行迭代训练得到的；基于所述概率图，分别从每一图像区域的原始像素中提取特征点。2.如权利要求1所述的方法，其特征在于，所述概率图为张量，所述张量的通道数以及所述张量中单通道图的宽和高均与所述特征点预测模型中卷积层组的层数相关，所述基于所述概率图，分别从每一图像区域的原始像素中提取特征点，包括：分别获取每一所述单通道图中概率图像素的第一像素值；所述第一像素值为所述概率图像素对应的图像区域含有特征点的概率；所述概率图像素与所述图像区域一一对应；遍历所述原始图像中的所有图像区域，并获取遍历到的图像区域对应的所述张量中所有概率图像素的多个第二像素值；基于所述多个第二像素值，从所述遍历到的图像区域的原始像素中提取特征点。3.如权利要求2所述的方法，其特征在于，所述基于所述多个第二像素值，从所述遍历到的图像区域的原始像素中提取特征点，包括：从所述多个第二像素值中确定最大值；基于所述最大值在所述张量中的通道下标，计算特征点坐标；基于所述特征点坐标，从所述遍历到的图像区域的原始像素中提取特征点。4.如权利要求1所述的方法，其特征在于，所述输入所述原始图像至特征点预测模型，得到概率图之前，包括：获取训练场景图像，并获取所述训练场景图像中的初始训练特征点和所述初始训练特征点的响应值；基于所述响应值最大的初始训练特征点，对所述训练场景图像进行变换；从变换后的训练场景图像中提取目标训练特征点，得到特征点提取训练数据集；获取待训练预测模型，并基于所述特征点提取训练数据集对待训练预测模型进行迭代训练，得到特征点预测模型。5.如权利要求4所述的方法，其特征在于，所述基于所述特征点提取训练数据集对待训练预测模型进行迭代训练，得到特征点预测模型，包括：获取待训练预测模型中卷积层组的层数配置参数；基于所述层数配置参数，对所述卷积层组的层数进行配置；基于所述特征点提取训练数据集对配置后的待训练预测模型进行迭代训练，得到特征点预测模型，以使所述特征点预测模型的模型输出结果满足特征点数要求。6.如权利要求4所述的方法，其特征在于，在对所述待训练预测模型进行迭代训练时，所述方法还包括：接收所述待训练预测模型的损失函数中可调节模型参数的输入值；基于所述输入值，调整所述损失函数中的可调节模型参数；对可调节模型参数调整后的待训练预测模型进行迭代训练，以使所述特征点预测模型的模型输出结果符合特征点的间距要求。2CN115512171A权利要求书2/2页7.如权利要求1所述的方法，其特征在于，所述基于所述概率图，分别从每一图像区域的原始像素中提取特征点之后，包括：获取第一待匹配特征点组和第二待匹配特征点组；基于分配矩阵和距离损失矩阵，计算所述第一待匹配特征点组中各特征点和第二待匹配特征点组中各特征点之间的匹配度。8.一种图像特