CN105701452A - 一种图像处理方法和装置 - Google Patents
一种图像处理方法和装置 Download PDFInfo
- Publication number
- CN105701452A CN105701452A CN201511034063.XA CN201511034063A CN105701452A CN 105701452 A CN105701452 A CN 105701452A CN 201511034063 A CN201511034063 A CN 201511034063A CN 105701452 A CN105701452 A CN 105701452A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- unit pixel
- recognition
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种图像处理方法和装置,所述方法包括:将待识别图像分至少一个单元像素进行图像采集;对采集到的任一个单元像素的图像进行图像识别,得到像素点坐标;基于至少一个像素点坐标得到识别结果。应用本发明实施例,将待识别图像分为若干单元像素进行图像采集,并采集完一个单元像素就对其进行图像识别处理,将若干个单元像素的识别结果进行整合得到最终识别结果,加快图像处理的处理速度,提高图像处理的实时性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种图像处理方法和装置。
背景技术
图像识别是人工智能的一个重要领域。在实际应用中,要求其具备较高的准确性和实时性。以图像识别在智能车领域的应用为例,智能车在现代物流业、柔性制造***中有着重要的应用,在仓库自动化、工业生产、服务业等领域有着广阔的应用前景,智能车的性能表现之一是路径识别的准确性和实时性,而路径识别的基础则是图像识别。而相关技术中,图像识别过程的实时性较差,严重影响后续对图像信息的处理,即智能车路径识别实时性较差,限制了智能车的运行速度,制约了智能车的应用范围。
发明内容
有鉴于此,本发明提供一种图像处理方法和装置,能够提高图像处理的实时性。
具体地,本发明是通过如下技术方案实现的:
根据本发明一方面,提供一种图像处理装置,所述装置包括:
采集模块,用于将待识别图像分至少一个单元像素进行图像采集;
第一识别模块,用于对采集到的任一个单元像素的图像进行图像识别,得到像素点坐标;
第二识别模块,用于基于至少一个像素点坐标得到识别结果。
示例性地,所述第一识别模块包括:第一识别单元,用于在采集完成任一单元像素的图像数据时,对该单元像素的图像数据进行图像识别,得到该单元像素的像素点坐标。
示例性地,所述第一识别模块,包括:第二识别单元,用于在进行任一单元像素的图像数据时,对该单元像素的前一单元像素的图像数据进行图像识别,得到该单元像素的像素点坐标。
示例性地,所述第一识别模块构造为采用跟踪边缘检测算法实现。
示例性地,所述装置应用在智能车***中,用于所述智能车路径识别。
应用本发明实施例,将待识别图像分为若干单元像素进行图像采集,并采集完一个单元像素就对其进行图像识别处理,将若干个单元像素的识别结果进行整合得到最终识别结果,加快图像处理的处理速度,提高图像处理的实时性。
附图说明
图1是本发明一示例性实施例示出的一种图像处理方法的流程示意图;
图2是本发明一示例性实施例示出的一种图像处理装置的示意性框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本发明范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
相关技术中,图像处理的方式通常为“图像采集—图像处理”顺序执行的方式,具体来讲,在图像采集单元(例如,摄像头)完成整个图像(即完整的一幅图像)采集后,将图像数据传输给图像处理单元,例如CPU,以由图像处理单元对图像数据进行图像处理。在图像采集过程中,图像处理单元将处于空闲,而造成图像处理单元的资源浪费,而在图像处理阶段,由于待处理的图像数据较多,导致图像处理单元在单位时间内的处理负荷较大,多数图像数据处于忙等待状态,从而处理速度过慢,图像处理实时性较差。这类问题将导致在图像处理的实际应用中,例如,在智能车路径识别应用中,可能导致智能车路径识别实时性差,导致其后续控制的灵活性差,最终影响智能车的行驶速度,制约智能车的应用范围。
针对上述问题,本发明提出了一种图像处理方法和装置,将待识别图像分为多个单元像素进行图像采集,并对采集到的任一个单元像素进行实时识别处理,基于所有单元像素的处理结果,最终得到识别结果。而无需等到所有图像采集完成再进行图像处理,能够保障图像处理的实时性,可以提高处理器的时间利用率。
图1是本发明一示例性实施例示出的一种图像处理方法的流程示意图。如图1所示,该图像处理方法包括如下步骤:
步骤110,将待识别图像分至少一个单元像素进行图像采集。
示例性地,可以采用图像传感器实现图像采集,例如,摄像头,具体地,例如,CCD摄像头和CMOS摄像头。在本发明一个示例中,图像采集使用数字模拟摄像头OV7620,其工作电压低于一般模拟摄像头的工作电压,在实际应用过程中,可以减少升压所带来的额外功耗。在图像采集过程中,图像传感器将图像分为N个单元像素分别采集。在图像采集过程中,图像传感器还可以对采集到的图像进行模数转换。
步骤120,对采集到的任一个单元像素的图像进行图像识别,得到像素点坐标。
示例性地,图像识别可以采用CPU或GPU等处理器。步骤110完成任一个单元像素的采集后,将该单元像素的图像数据发送给所述处理器,则触发处理器在空闲时间对该单元像素的图像数据进行图像识别,得到像素点坐标。例如,针对第i个单元像素的图像识别结果,得到其像素点坐标为(x,y),第i+1个单元像素的图像识别结果,得到其像素点坐标为(x+1,y+1)。
根据本发明一示例,步骤120可以包括在采集完成任一单元像素的图像数据时,对该单元像素的图像数据进行图像识别,得到该单元像素的像素点坐标。
根据本发明另一示例,步骤120可以包括在进行任一单元像素的图像数据时,对该单元像素的前一单元像素的图像数据进行图像识别,得到该单元像素的像素点坐标。在该示例中,可以在进行下个单元像素的采集过程中,对该单元像素的上一个单元像素进行图像识别处理,充分利用处理器的空闲时间,提高利用率。
步骤130,基于至少一个像素点坐标得到识别结果。
示例性地,如将一幅图像分为N个单元像素,将第1个单元像素至第N个单元像素的像素点坐标整合后,得到识别结果。比如,对相邻单元像素进行相似性计算、距离计算,最终将所有单元像素按照坐标位置分布得到最终识别结果。
根据本发明一实施例,步骤120和步骤130中图像识别过程可以采用跟踪边缘检测算法实现。以待识别图像的任一个边缘位置为例,如果已经找到某个单元像素的左边缘,由于相邻两个单元像素的两侧边缘点都比较接近,那么在寻找下一单元像素的左边缘时,就在上一单元像素左边缘的附近进行寻找。不需要对每个像素点进行比较运算,算法简单实际,无需对整幅图像进行处理,占用处理器资源较少。
根据本发明一实施例,本发明提供的图像处理方法应用在智能车***中,用于智能车路径识别。本发明提供的图像处理方法能够提高图像数据处理效率,从而提高智能车路径识别效率,在一定程度上解决了下游控制单元数据处理滞后的问题,从而能够保障智能车路径识别的实时性,提高智能车的运行速度和灵活性。
应用本发明实施例,将待识别图像分为若干单元像素进行图像采集,并采集完一个单元像素就对其进行图像识别处理,将若干个单元像素的识别结果进行整合得到最终识别结果,加快图像处理的处理速度,提高图像处理的实时性。
与前述图像处理方法的实施例相对应,本发明还提供了图像处理装置的实施例。
图2是本发明一示例性实施例示出的一种图像处理装置的示意性框图。如图2所示,一种图像处理装置200,包括:采集模块210、第一识别模块220和第二识别模块230。
其中,采集模块210用于将待识别图像分至少一个单元像素进行图像采集;第一识别模块220用于对采集到的任一个单元像素的图像进行图像识别,得到像素点坐标;第二识别模块230用于基于至少一个像素点坐标得到识别结果。
示例性地,第一识别模块包括第一识别单元,用于在采集完成任一单元像素的图像数据时,对该单元像素的图像数据进行图像识别,得到该单元像素的像素点坐标。
示例性地,第一识别模块包括第二识别单元,用于在进行任一单元像素的图像数据时,对该单元像素的前一单元像素的图像数据进行图像识别,得到该单元像素的像素点坐标。
根据本发明一实施例,第一识别模块构造为采用跟踪边缘检测算法实现。
根据本发明一实施例,该装置应用在智能车***中,用于所述智能车路径识别。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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发明方案的目的。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。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种图像处理方法,其特征在于,所述方法包括:
将待识别图像分至少一个单元像素进行图像采集;
对采集到的任一个单元像素的图像进行图像识别,得到像素点坐标;
基于至少一个像素点坐标得到识别结果。
2.根据权利要求1所述的方法,其特征在于,所述对采集到的任一个单元像素的图像进行图像识别,得到像素点坐标,包括:
在采集完成任一单元像素的图像数据时,对该单元像素的图像数据进行图像识别,得到该单元像素的像素点坐标。
3.根据权利要求1所述的方法,其特征在于,所述对采集到的任一个单元像素的图像进行图像识别,得到像素点坐标,包括:
在进行任一单元像素的图像数据时,对该单元像素的前一单元像素的图像数据进行图像识别,得到该单元像素的像素点坐标。
4.根据权利要求1所述的方法,其特征在于,所述图像识别采用跟踪边缘检测算法实现。
5.根据权利要求1所述的方法,其特征在于,所述方法应用在智能车***中,用于所述智能车路径识别。
6.一种图像处理装置,其特征在于,所述装置包括:
采集模块,用于将待识别图像分至少一个单元像素进行图像采集;
第一识别模块,用于对采集到的任一个单元像素的图像进行图像识别,得到像素点坐标;
第二识别模块,用于基于至少一个像素点坐标得到识别结果。
7.根据权利要求6所述的装置,其特征在于,所述第一识别模块包括:
第一识别单元,用于在采集完成任一单元像素的图像数据时,对该单元像素的图像数据进行图像识别,得到该单元像素的像素点坐标。
8.根据权利要求6所述的装置,其特征在于,所述第一识别模块包括:
第二识别单元,用于在进行任一单元像素的图像数据时,对该单元像素的前一单元像素的图像数据进行图像识别,得到该单元像素的像素点坐标。
9.根据权利要6所述的装置,其特征在于,所述第一识别模块构造为采用跟踪边缘检测算法实现。
10.根据权利要求6所述的装置,其特征在于,所述装置应用在智能车***中,用于所述智能车路径识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511034063.XA CN105701452A (zh) | 2015-12-30 | 2015-12-30 | 一种图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511034063.XA CN105701452A (zh) | 2015-12-30 | 2015-12-30 | 一种图像处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105701452A true CN105701452A (zh) | 2016-06-22 |
Family
ID=56226890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511034063.XA Pending CN105701452A (zh) | 2015-12-30 | 2015-12-30 | 一种图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105701452A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751151A (zh) * | 2015-04-28 | 2015-07-01 | 苏州安智汽车零部件有限公司 | 一种实时多车道识别及跟踪方法 |
CN105069415A (zh) * | 2015-07-24 | 2015-11-18 | 深圳市佳信捷技术股份有限公司 | 车道线检测方法和装置 |
-
2015
- 2015-12-30 CN CN201511034063.XA patent/CN105701452A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104751151A (zh) * | 2015-04-28 | 2015-07-01 | 苏州安智汽车零部件有限公司 | 一种实时多车道识别及跟踪方法 |
CN105069415A (zh) * | 2015-07-24 | 2015-11-18 | 深圳市佳信捷技术股份有限公司 | 车道线检测方法和装置 |
Non-Patent Citations (1)
Title |
---|
佚名: "基于摄像头的图像采集与处理应用", 《百度文库》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | A real-time object detection algorithm for video | |
Ayachi et al. | Traffic signs detection for real-world application of an advanced driving assisting system using deep learning | |
US20230014783A1 (en) | Processing for multiple input data sets | |
CN106845487B (zh) | 一种端到端的车牌识别方法 | |
Liu et al. | Matching-cnn meets knn: Quasi-parametric human parsing | |
CN107341127B (zh) | 基于OpenCL标准的卷积神经网络加速方法 | |
CN112580416A (zh) | 基于深暹罗网络和贝叶斯优化的视频跟踪 | |
KR20190038318A (ko) | 콘볼루션 신경망 계산 처리량의 가속화 | |
US20190294959A1 (en) | Scheduling network computations | |
CN110210538A (zh) | 一种家居图像多目标识别方法及装置 | |
US20220262093A1 (en) | Object detection method and system, and non-transitory computer-readable medium | |
CN111259957A (zh) | 基于深度学习的能见度监测和模型训练方法、装置、终端及介质 | |
CN113487610B (zh) | 疱疹图像识别方法、装置、计算机设备和存储介质 | |
CN113892113A (zh) | 一种人体姿态估计方法及装置 | |
CN110458096A (zh) | 一种基于深度学习的大规模商品识别方法 | |
CN110874627B (zh) | 数据处理方法、数据处理装置及计算机可读介质 | |
CN109343701A (zh) | 一种基于动态手势识别的智能人机交互方法 | |
He et al. | SectorGSnet: Sector learning for efficient ground segmentation of outdoor LiDAR point clouds | |
CN111242042A (zh) | 基于车辆检测的检验时长判断方法、装置、设备和介质 | |
CN104050674A (zh) | 一种显著性区域检测方法及装置 | |
KR20110037184A (ko) | 뉴로-퍼지 시스템과 병렬처리 프로세서가 결합된, 파이프라이닝 컴퓨터 시스템, 이를 이용하여 영상에서 물체를 인식하는 방법 및 장치 | |
Guo et al. | UDTIRI: An online open-source intelligent road inspection benchmark suite | |
CN108171651A (zh) | 基于多模型几何拟合和分层单应变换的图像对齐方法 | |
US20210049469A1 (en) | Memory remapping for sparse neural networks | |
CN105701452A (zh) | 一种图像处理方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180831 Address after: 523000 Room 301, 6B International Finance Innovation Park, Songshan Lake high tech Industrial Development Zone, Dongguan, Guangdong Applicant after: Dongguan Guangxin Intellectual Property Services Limited Address before: 523000 C10, 6 floor, brilliant business building, 81 South Central Road, Dongcheng District, Dongguan, Guangdong. Applicant before: DONGGUAN QINGMAITIAN DIGITAL TECHNOLOGY CO., LTD. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160622 |
|
RJ01 | Rejection of invention patent application after publication |