(19)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 202210591631.X (22)申请日 2022.05.27 (71)申请人 浙江大华 技术股份有限公司 地址 310053 浙江省杭州市滨江区滨安路 1187号 (72)发明人 王超运　孙鹤　潘华东　殷俊　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 张恺宁 (51)Int.Cl. G06T 3/40(2006.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06T 7/13(2017.01) (54)发明名称 一种图像处理方法、 装置、 电子设备和存储 介质 (57)摘要 本申请涉及图像处理技术领域， 尤其涉及一 种图像处理方法、 装置、 电子设备和存储介质， 用 以高效准确的进行图像裁剪。 其中， 方法包括： 对 初始图像中的目标对象进行标注， 获得目标对象 的对象边界信息； 基于对象边界信息以及预设的 背景裁剪比例值， 确定图像裁剪范围； 基于图像 裁剪范围和预设的对象占比值， 获得至少两个目 标裁剪边界信息； 基于获得的至少两个目标裁剪 边界信息对初始图像进行裁剪， 获得初始图像的 至少两个初始子图像。 由于本申请通过基于预设 的背景裁剪比例值和对象占比值， 确定目标裁剪 边界信息， 并基于目标裁剪边界信息对初始图像 进行裁剪， 能够高效准确的进行图像裁剪， 获得 的裁剪后的图像用于模型训练， 能够提高模型预 测的准确率。 权利要求书2页 说明书16页 附图7页 CN 115018704 A 2022.09.06 CN 115018704 A 1.一种图像处 理方法， 其特 征在于， 该 方法包括： 对初始图像中的目标对象进行 标注， 获得 所述目标对象的对象边界信息； 基于所述对象边界信息以及预设的背景裁剪比例值， 确定 图像裁剪范围， 所述背景裁 剪比例值用于确定： 所述初始图像中的背 景区域与裁剪后的初始子图像中的背景区域相关 的区域； 基于所述图像裁剪范围和预设的对象占比值， 获得至少两个目标裁剪边界信息， 所述 对象占比值用于表征： 裁剪后的初始子图像中的目标对象占所述初始图像中的目标对象的 比例； 分别基于获得的所述至少两个目标裁剪边界信 息对所述初始图像进行裁剪， 获得所述 初始图像对应的至少两个初始子图像。 2.如权利要求1所述的方法， 其特征在于， 所述基于所述图像裁剪范围和预设的对象占 比值， 获得至少两个目标裁 剪边界信息， 包括： 基于所述对象占比值确定出， 所述初始图像中与所述目标对象相关的目标对象区域； 基于所述图像裁 剪范围和所述目标对象区域， 获得多个候选 裁剪边界信息； 基于各个候选裁剪边界信 息之间的相似度， 从所述多个候选裁剪边界信 息中筛选出至 少两个目标裁 剪边界信息 。 3.如权利要求2所述的方法， 其特征在于， 所述目标裁剪边界信 息的数量为预设裁剪数 量； 所述基于各个候选裁剪边界信息之间的相似度， 确定至少两个目标裁剪边界信息， 包 括： 分别基于所述各个候选裁剪边界信 息各自对应的裁剪框之间的交并比， 确定所述各个 候选裁剪边界信息之间的相似度； 将所述各个候选裁剪边界信 息分组， 并分别计算各个分组中包含的候选裁剪边界信 息 的相似度之和， 每 个分组包 含预设裁 剪数量的候选 裁剪边界信息； 将相似度之和最小的分组中包 含的候选 裁剪边界信息， 作为所述目标裁 剪边界信息 。 4.如权利要求2所述的方法， 其特征在于， 所述基于所述图像裁剪范围和所述目标对象 区域， 获得多个候选 裁剪边界信息， 包括： 分别确定所述目标对象区域的各个对象边界与所述图像裁剪范围对应的裁剪边界之 间的扩展距离， 其中， 每 个对象边界与对应的裁 剪边界平行； 基于各个扩展距离， 在所述目标对象区域的基础上进行多次边界扩展， 获得所述多个 候选裁剪边界信息 。 5.如权利要求1～4任一项所述的方法， 其特 征在于， 所述方法还 包括： 基于训练样本数据集对训练中的分类模型进行循环迭代训练， 获得已训练的分类模 型， 所述训练样本数据集中每个训练样本包含一个初始图像， 以及所述初始图像对应的至 少两个初始子图像； 基于运动检测模型对包含目标对象的视频进行运动目标检测， 获得测试样本数据集， 所述测试样本数据集中的每个测试样本包含一个测试图像， 以及所述测试图像中的目标对 象的运动边界信息； 对各个测试图像进行裁 剪， 获得所述各个测试图像各自的测试子图像； 分别将所述各个测试图像以及各自对应的测试子 图像， 输入所述已训练的分类模型，权　利　要　求　书 1/2 页 2 CN 115018704 A 2获得所述各个测试图像的分类结果。 6.如权利要求5所述的方法， 其特征在于， 所述分别将所述各个测试图像以及各自的测 试子图像， 输入所述已训练的分类模型， 获得 所述各个测试图像的分类结果， 包括： 对每个测试图像， 分别执 行以下操作： 针对一个测试图像， 分别将所述一个测试图像以及对应的测试子图像输入所述分类模 型， 获得所述一个测试图像的分类结果以及对应的测试子图像的分类结果； 将所述一个测试图像的分类结果以及对应的测试子图像的分类结果进行加权求均值， 将加权求均值后的分类结果， 作为所述 一个测试图像的分类结果。 7.如权利要求5所述的方法， 其特征在于， 所述对各个测试图像进行裁剪， 获得所述各 个测试图像各自的测试子图像， 包括： 对每个测试图像， 分别执 行以下操作： 针对一个测试图像， 基于所述一个测试图像的运动边界信息以及所述背景裁剪比例 值， 确定所述图像裁 剪范围； 基于所述图像裁 剪范围和所述目标对象区域， 获得至少两个目标裁 剪边界信息； 分别基于获得的所述至少两个目标裁剪边界信 息对所述一个测试图像进行裁剪， 获得 所述一个测试图像对应的至少两个测试子图像。 8.一种图像处 理装置， 其特 征在于， 包括： 标注单元， 用于对初始图像中的目标对象进行标注， 获得所述目标对象的对象边界信 息； 确定单元， 用于基于所述对象边界信息以及预设的背景裁剪比例值， 确定 图像裁剪范 围， 所述背景裁剪比例值用于确定： 所述初始图像中的背景区域与裁剪后的初始子图像中 的背景区域相关的区域； 获取单元， 用于基于所述图像裁剪范围和预设的对象占比值， 获得至少两个目标裁剪 边界信息， 所述对 象占比值用于表征： 裁剪后的初始子图像中的目标对 象占所述初始图像 中的目标对象的比例； 裁剪单元， 用于分别基于获得的所述至少两个目标裁剪边界信 息对所述初始图像进行 裁剪， 获得所述初始图像对应的至少两个初始子图像。 9.一种电子设备， 其特征在于， 其包括处理器和存储器， 其中， 所述存储器存储有计算 机程序， 当所述计算机程序被所述处理器执行时， 使得所述处理器执行权利要求1～7中任 一所述方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 其包括计算机程序， 当所述计算机程序在 电子设备上运行时， 所述计算机程序用于使 所述电子 设备执行权利要求 1～7中任一所述方 法的步骤。 11.一种计算机程序产品， 其特征在于， 包括计算机程序， 所述计算机程序存储在计算 机可读存储介质中； 当电子 设备的处理器从所述计算机可读存储介质读取所述计算机程序 时， 所述处理器执行所述计算机程序， 使得所述电子设备执行权利要求1～7中任一所述方 法的步骤。权　利　要　求　书 2/2 页 3 CN 115018704 A 3