(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 202210889909.1 (22)申请日 2022.07.25 (71)申请人 深圳华策辉弘科技有限公司 地址 518000 广东省深圳市福田区福田街 道岗厦社区金田路3088号中洲大厦 2601、 2602、 2603、 2606 (72)发明人 冯威　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 黄禹强 (51)Int.Cl. G06T 7/73(2017.01) G06T 7/10(2017.01) G06V 10/762(2022.01) G06V 10/26(2022.01) (54)发明名称 图像处理方法、 装置、 计算机设备及存储介 质 (57)摘要 本申请提出一种图像处理方法、 装置、 计算 机设备及存储介质。 该图像处理方法包括： 获取 待处理图像包含的目标对象 的目标密度图； 对目 标密度图进行分割处理， 得到多个密度图块； 对 每个密度图块内的各个目标对象进行聚类处理， 得到每个密度图块的聚类结果； 基于每个密度图 块的聚类结果， 确定待处理图像包含的目标对象 的位置数据。 通过本申请， 可以基于密度图进行 聚类处理， 从而得到目标对象的位置数据， 可 以 提高数据处 理的准确性和效率。 权利要求书2页 说明书13页 附图5页 CN 115205389 A 2022.10.18 CN 115205389 A 1.一种图像处 理方法， 其特 征在于， 包括： 获取待处 理图像包 含的目标对象的目标密度图； 对所述目标密度图进行分割处 理， 得到多个密度图块； 对每个密度图块内的各个目标对象进行聚类处理， 得到所述每个密度图块的聚类结 果； 基于所述每个密度图块的聚类结果， 确定所述待处理图像包含的目标对象的位置数 据。 2.如权利要求1所述的方法， 其特征在于， 所述对每个密度图块内的各个目标对象进行 聚类处理， 得到所述每 个密度图块的聚类结果， 包括： 获取目标密度图块中各个像素点的密度值， 所述目标密度图块为所述多个密度图块中 的任意一个； 基于所述目标密度图块中各个 像素点的密度值， 确定所述目标密度图块的聚类数量； 根据所述目标密度图块的聚类数量， 对所述目标密度图块内的各个目标对象进行聚类 处理， 得到所述目标密度图块的聚类结果。 3.如权利要求2所述的方法， 其特征在于， 所述根据所述目标密度图块的聚类数量， 对 所述目标密度图块内的各个目标对 象进行聚类处理， 得到所述 目标密度图块的聚类结果， 包括： 根据所述目标密度图块的聚类数量， 从所述目标密度图块中确定出N个初始聚类点， N 为正整数， 并且等于所述目标密度图块的聚类数量； 根据所述N个初始聚类点， 对所述目标密度图块内的各个目标对象进行聚类处理， 得到 所述目标密度图块的聚类结果。 4.如权利要求3所述的方法， 其特征在于， 所述根据所述目标密度图块的聚类数量， 从 所述目标密度图块中确定出N个初始聚类点， 包括： 从所述目标密度图块中获取多个局部极大点， 所述局部极大点是指预设范围内最大的 密度值所对应的像素点； 根据所述目标密度图块的聚类数量， 从所获取到的多个局部极大点中确定出N个初始 聚类点。 5.如权利要求4所述的方法， 其特征在于， 所述多个局部极大点的数量表示为K； K为正 整数； 所述根据所述目标密度图块的聚类数量， 从所获取到的多个局部极大点中确定出N个 初始聚类点， 包括： 若N＞K， 则从所述目标密度图块中获取N ‑K个像素点， 并将所获取到的N ‑K个像素点和K 个局部极大点组合 为N个初始聚类点； 若N≤K， 则从K个局部极大点中选择出N个局部极大点， 并将所选择出的N个局部极大点 作为N个初始聚类点。 6.如权利要求3所述的方法， 其特征在于， 所述根据 所述N个初始聚类点， 对所述目标密 度图块内的各个目标对象进行聚类处 理， 得到所述目标密度图块的聚类结果， 包括： 获取所述目标密度图块内目标像素点分别到所述N个初始聚类点的距离， 并将所述目 标像素点划分至距离最近的初始聚类点所在的聚类集合中， 所述目标像素点为所述目标密权　利　要　求　书 1/2 页 2 CN 115205389 A 2度图块内的任一像素点； 基于目标初始聚类点对应的目标聚类集合， 更新所述目标初始聚类点的位置， 得到目 标更新聚类点， 所述目标初始聚类点 为所述N个初始聚类点中的任一初始聚类点； 根据更新后得到的N个更新聚类点， 对所述目标密度图块内的各个目标对象进行聚类 处理， 得到所述目标密度图的聚类结果。 7.如权利要求6所述的方法， 其特征在于， 所述基于目标初始聚类点对应的目标聚类集 合， 更新所述目标初始聚类点的位置， 得到目标 更新聚类点， 包括： 获取所述目标聚类集 合内各个 像素点的密度值； 根据所述目标聚类集合内每个像素点的位置坐标， 以及每个像素点的密度值， 采用加 权平均的方式更新所述目标初始聚类点的位置， 得到更新后的目标初始聚类点。 8.一种图像处 理装置， 其特 征在于， 包括： 获取单元， 用于获取待处 理图像包 含的目标对象的目标密度图； 处理单元， 用于对所述目标密度图进行分割处 理， 得到多个密度图块； 所述处理单元， 还用于对每个密度图块内的各个目标对象进行聚类处理， 得到所述每 个密度图块的聚类结果； 所述处理单元， 还用于基于所述每个密度图块的聚类结果， 确定所述待处理图像包含 的目标对象的位置数据。 9.一种计算机设备， 其特 征在于， 包括： 处理器， 适于执 行计算机程序； 计算机可读存储介质， 所述计算机可读存储介质中存储有计算机程序， 所述计算机程 序被所述处 理器执行时， 实现如权利要求1 ‑7任一项所述的图像处 理方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序包括程序指令， 所述程序指令当被处理器执行时使所述处理器执行如 权利要求1 ‑7任一项所述的图像处 理方法。权　利　要　求　书 2/2 页 3 CN 115205389 A 3