CN110099237A - 图像处理方法、电子装置及计算机可读存储介质 - Google Patents
图像处理方法、电子装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110099237A CN110099237A CN201810093720.5A CN201810093720A CN110099237A CN 110099237 A CN110099237 A CN 110099237A CN 201810093720 A CN201810093720 A CN 201810093720A CN 110099237 A CN110099237 A CN 110099237A
- Authority
- CN
- China
- Prior art keywords
- image
- traffic
- analysis object
- frame image
- traffic element
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种图像处理方法、电子装置及计算机可读存储介质,涉及数据处理技术领域。其中,图像处理方法包括:逐一分析每一帧图像中的各交通要素,在时间相邻的前后若干帧图像中是否有重复,并将重复的交通要素进行标记;删除所有图像中的冗余图像,该冗余图像中的所有交通要素均被标记为该重复的交通要素。上述方法、电子装置及计算机可读存储介质可用于提高冗余图像筛选的普适性及图像中重复交通要素的压缩率。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种图像处理方法、电子装置及计算机可读存储介质。
背景技术
地图众包是数据采集行业新兴的数据生产模式,其将地图数据采集工作分包给众多用户,分包用户仅需要在手机端安装一款简易的应用程序即可参与众包数据采集工作,具有采集成本低、回传速度快、覆盖范围广的优势。当前,面对每年众多分包用户采集的数十亿的图像数据,如何借助图像智能识别技术推动实现生产自动化,降低人工成本是一个非常迫切的任务。其中,如何去除众多图像数据中的冗余图像更是该任务中的重中之重。
通常来说,对带有GPS(Global Positioning System,全球定位***)信息的图像序列进行聚类,最常见的就是直接根据GPS位置(即,图像的实际物理位置)进行聚合。具体而言,就是将检测到的图像中的红绿灯、圆牌(提示禁行等交通规则)、三角牌(警示作用)、地标线(标识行车方向)、斑马线以及其他标牌等交通要素,根据图像之间的实际物理距离进行聚合。例如,首先统计多个图像中指定交通要素出现的实际物理间隔特征(如:多远距离内不会出现两个红绿灯),然后将小于指定间隔的物理点近似认为是同一物理点,并将对应的图像进行剔除。其中,一个待检测的交通要素,如果在不同图像中出现多次,则记为一个物理点。
然而,在现实生活中,红绿灯是具有物理间隔特征的,但是路牌等其他交通要素几乎无法找到这样的物理间隔特征。因此,现有方案只适合对某些类型的交通要素进行聚合,并且只适用于特定的场景,普适性不强。并且,现有方案是以整张图像为单位进行聚合,如果连续两张图像中有重复物理点也有非重复物理点,由于两张图像的物理间隔比较近,则也会将非重复的、有用的物理点剔除掉。
发明内容
有鉴于此,本申请实施例提供一种图像处理方法、电子装置及计算机可读存储介质,可用于提高冗余图像筛选的普适性及图像中重复交通要素的压缩率。
本申请实施例第一方面提供了一种图像处理方法,包括:逐一分析每一帧图像中的各交通要素,在时间相邻的前后若干帧图像中是否有重复,并将重复的交通要素进行标记;删除所有图像中的冗余图像,所述冗余图像中的所有交通要素均被标记为所述重复的交通要素。
本申请实施例第二方面提供了一种电子装置,包括:分析模块,用于逐一分析每一帧图像中的各交通要素,在时间相邻的前后若干帧图像中是否有重复;标记模块,用于将重复的交通要素进行标记;处理模块,用于删除所有图像中的冗余图像,所述冗余图像中的所有交通要素均被标记为所述重复的交通要素。
本申请实施例第三方面提供了一种电子装置,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述本申请实施例第一方面提供的图像处理方法。
本申请实施例第四方面提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述本申请实施例第一方面提供的图像处理方法。
本申请各实施例,一方面,以交通要素为单位进行聚合,因此可提高图像处理的普适性,另一方面,通过分别判断每一帧图像上是否所有的交通要素都有重复,如果都有重复,才剔除该图像,否则保留该图像,因此可在提高重复交通要素的压缩率的同时,避免误筛。
附图说明
图1为本申请实施例提供的图像处理方法的应用环境图;
图2位本申请一实施例提供的图像处理方法的实现流程示意图;
图3为本申请另一实施例提供的图像处理方法的实现流程示意图;
图4为本申请另一实施例提供的图像处理方法一实际应用例的流程示意图;
图5为本申请一实施例提供的电子装置的结构示意图;
图6为本申请另一实施例提供的电子装置的结构示意图;
图7为本申请一实施例提供的电子装置的硬件结构示意图。
具体实施方式
为更进一步阐述本申请为实现预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本申请的具体实施方式、结构、特征及其功效,详细说明如后。
请参阅图1,为本申请实施例提供的图像处理方法的应用环境图。如图1所示,多个移动终端100、服务器200以及图像数据处理***300通过有线或无线网络进行数据交互。其中图像数据处理***300包括一个或多个用于图像数据处理的电子装置,如:智能手机、平板电脑、笔记本电脑等可在移动中使用的电子数据处理设备以及台式计算机、服务器等其他非可在移动中使用的电子数据处理设备。多个移动终端100分别采集用于生成电子地图的图像数据,并上传至服务器200进行保存。图像数据处理***300定期按照下述各实施例中的图像处理方法,对服务器200保存的图像数据进行聚合,以去除其中的冗余图像。
请参阅图2,图2为本申请一实施例提供的图像处理方法的实现流程示意图。本实施例提供的图像处理方法可应用于具有图像数据处理功能的电子装置,如:智能手机、平板电脑、笔记本电脑等可在移动中使用的电子数据处理设备以及台式计算机、服务器等其他非可在移动中使用的电子数据设备。如图2所示,该方法主要包括以下步骤:
201、逐一分析每一帧图像中的各交通要素,在时间相邻的前后若干帧图像中是否有重复,并将重复的交通要素进行标记;
交通要素,是指与交通规则相关的一些标识要素,例如红绿灯、圆牌(提示禁行等交通规则)、三角牌(警示作用)、地标线(标识行车方向)、斑马线以及其他标牌(如慢,停等牌)。
可以理解的,待分析的每一帧图像都经过预处理,各帧图像中包含的需要分析检测的交通要素均已被识别并标记出来,例如可以用矩形框标记出来。
可选的,时间相邻的前后若干帧图像的数量,具体可由用户自定义,或根据图像分析处理结果的准确性进行调整。
具体的,逐一分析每一帧图像中的各交通要素,在时间相邻的前后若干帧图像中是否有重复,若有重复,则对重复的交通要素进行标记。在实际应用中,标记时可以只标记重复的交通要素,然后根据是否有标记来确定一个交通要素是否为重复的交通要素。或者,也可以为不重复的交通要素添加第一标记,为重复的交通要素添加第二标记,然后根据是否为第二标记,确定一个交通要素是否为重复的交通要素。
202、删除所有图像中的冗余图像,冗余图像中的所有交通要素均被标记为重复的交通要素。
具体的,在对一帧图像中的所有交通要素进行分析处理后,判断该帧图像中的所有交通要素是否均被标记(或,均具有第二标记),若均被标记(或,均具有第二标记),则确认该帧图像为冗余图像,删除该帧图像,然后对下一帧图像中的交通要素进行分析处理,在对下一帧图像中的所有交通要素进行分析处理后,判断该帧图像中的所有交通要素是否均被标记(或,均具有第二标记),若均被标记(或,均具有第二标记),则确认该下一帧图像为冗余图像,删除该帧图像,然后对下下一帧图像中的交通要素进行分析处理,循环往复,直至删除所有的图像中的所有交通要素均被标记的图像。
或者,在对所有图像中重复出现的交通要素进行标记后,逐一对每一帧图像中交通要素的标记情况进行分析,判断该帧图像中的所有交通要素是否均已被标记(或,均具有第二标记)。若均已被标记(或,均具有第二标记),则确认该帧图像为冗余图像,并删除该帧图像,以实现交通要素的聚合;若该帧图像中有任意一个交通要素没有被标记(或,具有第一标记),则不删除该帧图像。
本实施例提供的图像处理方法,一方面,以交通要素为单位进行聚合,因此可提高图像处理的普适性,另一方面,通过分别判断每一帧图像上是否所有的交通要素都有重复,如果都有重复,才剔除该图像,否则保留该图像,因此可在提高重复交通要素的压缩率的同时,避免误筛。
请参阅图3,图3为本申请另一实施例提供的图像处理方法的实现流程示意图。本实施例提供的图像处理方法可应用于具有图像数据处理功能的电子装置,如:智能手机、平板电脑、笔记本电脑等可在移动中使用的电子数据处理设备以及台式计算机、服务器等其他非可在移动中使用的电子数据设备。如图3所示,该方法主要包括以下步骤:
301、按照采集时间的先后顺序对待分析的多帧图像进行排序;
在实际应用中,多帧图像可由移动终端采集并上报。对多帧图像按照采集时间的先后顺序进行排序,有利于在后期进行图像处理时,节省查找在时间上相邻的若干帧图像的时间。
302、按照排序的先后顺序,选取该多帧图像中的一帧图像中的一个交通要素作为分析对象;
交通要素,是指与交通规则相关的一些标识要素,例如红绿灯、圆牌(提示禁行等交通规则)、三角牌(警示作用)、地标线(标识行车方向)、斑马线以及其他标牌(如慢,停等牌)。
可以理解的,待分析的每一帧图像都经过预处理,各帧图像中包含的需要分析检测的交通要素及其类别均已被识别并标记出来,例如可以用矩形框标记出来。
进一步的,在选取该多帧图像中的一帧图像中的一个交通要素作为分析对象之前,还可首先判断该帧图像中是否包含交通要素,如不包含,则直接删除该图像,以提高图像处理的效率。
303、根据该分析对象与该分析对象所在的一帧图像中的预设参照点之间的距离,确定搜索范围,该距离与该搜索范围成正比;
可选的,预设参照点为图像中的中心点或灭点。其中,在透视投影中,一束平行于投影面的平行线的投影可以保持平行,而不平行于投影面的平行线的投影会聚集到一个点,该点即为灭点(Vanishing Point),灭点一般可位于图像的中心附近。
于本实施例中,一帧图像中通常包含一个中心点或灭点。在确定搜索范围时,考虑到图像中不同位置具有不同的移动速度的问题,例如,靠近灭点时,物体移动较慢,远离灭点时,移动速度较快,因此根据检测出的交通要素的位置,设置不同的搜索范围。距离灭点越近,搜索范围越小;距离灭点越远,搜索范围越大。
具体的,以像素为单位,计算该分析对象与该分析对象当前所在的一帧图像中的预设参照点之间的距离。然后,根据计算得到的距离以及预设的调整参数,确定搜索范围,该调整参数包括偏移距离。
于一实际应用例中,搜索范围的计算公式为:
serchRange=distToCenter/3+偏移距离。
其中,distToCenter为图像中用于标识交通要素的物体框的中心点到该图像的中心点的距离(以像素为单位)。
304、分析与该一帧图像在采集时间上相邻的前后若干帧图像中的该搜索范围内,是否存在与该分析对象类别相同的交通要素;
在时间上相邻的前后若干帧图像的数量,优选为前后各8张,即在分析时,向前分析8张图像,向后分析8张图像。
压缩率可以表示剔除的重复图像的比例,召回率可以表示所有重复出现的交通要素有多少被筛选出来。通常压缩率和召回率是相互影响的,一般情况下压缩率越高、召回率就越低,压缩率越低、召回率越高。可以理解的,分析查看的图像的张数越多则压缩率越高,召回率越低,8张的设定可以折中压缩率和召回率,使得压缩率和召回率达到较好的平衡。
可以理解的,如果搜索范围设置太大,则会提高压缩率减低召回率;如果范围设置太小,则会提高召回率降低压缩率。进一步的,为了折中压缩率和召回率,在根据该分析对象与该一帧图像中的预设参照点之间的距离,确定搜索范围时,还可结合图像中的GPS信息。
具体的,分析预设地理距离范围内,与该一帧图像在时间上相邻的前后若干帧图像中的该搜索范围内,是否存在与该分析对象类别相同的交通要素。其中,预设地理距离范围的含义是指,该帧图像的GPS位置,与时间相邻的若干帧图像的GPS位置之间的距离要小于d,d为距离范围参数。优选地,d=0.002,相当于实际距离约200米。举例来说,假设当前帧图像m的位置为GPS1,图像m-1位置为GPS2,图像m-2的位置为GPS3,对于图像m中的交通要素红绿灯1,则当GPS2与GPS1之间的距离小于d时,才分析判断在图像m-1中的搜索范围内,是否存在与红绿灯1类别相同的交通要素,否则,跳过图像m-1,同理,只有当GPS3与GPS1之间的距离小于d时,才分析判断在图像m-2中的搜索范围内,是否存在与红绿灯1类别相同的交通要素。
305、若存在该类别相同的交通要素,则确认该分析对象对应的交通要素有重复,对该分析对象进行标记;
若存在该类别相同的交通要素,则确认该分析对象对应的交通要素有重复,在当前分析的图像中对该分析对象进行标记,如:假设当前分析的是图像m中的红绿灯1,图像m-1中的搜索范围内包括红绿灯2,则在图像m中标记该红绿灯1为剔除。
或者,还可以将重复出现的交通要素的标识信息、分析出该交通要素重复出现时该交通要素所在的图像的标识信息、以及用于标记该交通要素重复出现的描述信息记录在预设标记文件中。在进行图像筛选时,可根据该预设标记文件中记录的信息,以及预存的各图像中所包含的交通要素的标识信息,确认图像中的交通要素是否均已被标记,进而判断图像是否需要删除。
为进一步地提高判断的准确性,若与该一帧图像在采集时间上相邻的前后若干帧图像中的该搜索范围内,存在该类别相同的交通要素,则进一步分析该分析对象与该类别相同的交通要素的尺寸关系是否符合预设的条件;若符合该预设的条件,则确认该分析对象对应的交通要素有重复;若不符合该预设的条件,则确认该分析对象对应的交通要素没有重复,不对该分析对象进行标记。其中,预设的条件用于判断该分析对象与该类别相同的交通要素的尺寸关系是否符合物理规律,如同一个交通要素,在前帧图像中的尺寸一般要小于在后帧图像中的尺寸。
可以理解的,只要时间相邻的若干帧图像中的至少任意一帧图像中出现了与该分析对象类别相同的交通要素,则确认该分析对象对应的交通要素有重复。
306、若不存在该类别相同的交通要素,则确认该分析对象对应的交通要素没有重复,不对该分析对象进行标记;
307、对该一帧图像中的下一个交通要素进行选取,并判断是否选取到下一个交通要素;
308、若选取到下一个交通要素,则将选取的下一个交通要素作为分析对象;
具体的,若与该一帧图像在采集时间上相邻的前后若干帧图像中的搜索范围内,存在该类别相同的交通要素,则确认该分析对象对应的交通要素有重复,对该分析对象进行标记。然后,继续对该一帧图像中的下一个交通要素进行选取。
若与该一帧图像在采集时间上相邻的前后若干帧图像中的搜索范围内,不存在该类别相同的交通要素,则确认该分析对象对应的交通要素没有重复,不对该分析对象进行标记。然后,继续对该一帧图像中的下一个交通要素进行选取。
若选取到下一个交通要素,则将选取的交通要素作为分析对象,然后返回执行步骤303:根据该分析对象与该分析对象所在的一帧图像中的预设参照点之间的距离,确定搜索范围。
309、若选取不到下一个交通要素,则对下一帧图像进行选取,并判断是否选取到下一帧图像;
若在当前图像中选取不到下一个交通要素,则说明当前图像中的交通要素均已进行过分析,于是对下一帧图像进行选取。
进一步的,于其他实施例中,可在每标记完一帧图像中的所有重复的交通要素之后,判断该帧图像中的所有交通要素是否均被标记;若均被标记,则确认该帧图像为冗余图像并删除。具体的,若在当前图像中选取不到下一个交通要素,则说明当前图像中的交通要素均已进行过分析,于是判断当前图像中的所有交通要素是否均已被标记,若均已被标记,则确认当前图像中的所有交通要素均为重复的交通要素,于是删除当前图像,并对下一帧图像进行选取,若有至少任意一个交通要素没有被标记,则保留当前图像,并对下一帧图像进行选取。可以理解的,此时,步骤311中的从分析过的所有图像中删除冗余图像,该冗余图像中的所有交通要素均被标记为该重复的交通要素的步骤不再执行。
310、若选取到下一帧图像,则选取该下一帧图像中的一个交通要素作为分析对象;
若选取到下一帧图像,则说明还有未分析的图像,于是选取该下一帧图像中的一个交通要素作为分析对象,并基于该下一帧图像,返回执行步骤303:根据该分析对象与该分析对象所在的一帧图像中的预设参照点之间的距离,确定搜索范围,直至分析完所有的图像。
311、若选取不到下一帧图像,则确认标记完所有图像中的所有重复的交通要素,从分析过的所有图像中删除冗余图像,该冗余图像中的所有交通要素均被标记为该重复的交通要素。
若选取不到下一帧图像,则说明所有的图像中的交通要素均已分析完毕,于是确认标记完所有图像中的所有重复的交通要素。然后,逐一对每一帧图像中交通要素的标记情况进行分析,判断该帧图像中的所有交通要素是否均已被标记。若均已被标记,则确认该帧图像为冗余图像,并删除该帧图像,以实现交通要素的聚合;若该帧图像中有任意一个交通要素没有被标记,则不删除该帧图像。
为进一步说明本实施例提供的图像处理方法,以下将结合图4,举一实际应用例进行说明。如图4所示,假设当前帧图像为m,其前一帧图像为m-1,后一帧图像为m+1,每帧都是经过物体检测算法处理的,已经得到了交通要素的检测结果。
首先在步骤401,获取当前分析的第m帧图像的检测结果。
然后在步骤402,判断第m帧图像中是否有交通要素。如果没有交通要素,则在步骤403删除该帧图像,继续对下一帧图像m+1中的交通要素进行分析处理。如果当前第m帧图像中有交通要素,则在步骤404触发对第m帧图像中的第i个交通要素的分析处理。
然后在步骤405,根据该交通要素离图像m的中心的距离,为第i个交通要素设置一个搜索范围。
之后在步骤406,查看在预设的GPS距离范围内,第m-n帧图像至第m+n帧图像中,该搜索范围内是否有与第i个交通要素同类别的交通要素。如果没有同类别的交通要素,则在步骤407,保留当前第m帧图像,继续对下一帧图像m+1中的交通要素进行分析处理。如果有同类别的交通要素,则在步骤408,查看两个交通要素的尺寸是否符合物理规律。
然后,如果两个交通要素不符合物理规律,则在步骤409,保留当前第m帧图像,继续对下一帧图像m+1中的交通要素进行分析处理。如果两个交通要素符合物理规律,则在步骤410,将当前第m帧图像中的第i个交通要素标记为剔除。
之后,在步骤411,判断当前第m帧图像中是否还有未分析处理的交通要素。
若没有还未分析处理的交通要素,则在步骤412,判断第m帧图像中的所有交通要素是否均被标记为剔除。如果均被标记为剔除,则在步骤413,删除该帧图像,对下一帧图像m+1中的交通要素进行分析处理。如果未均被标记为剔除,则在步骤414,保留该帧图像,对下一帧图像m+1中的交通要素进行分析处理。可以理解的,查看的图像不包括已经被删除的图像。
若还有未分析处理的交通要素,则在步骤415,获取第i+1个交通要素,并以第i+1个交通要素作为第i个交通要素,返回步骤404,以循环分析处理第i+1个交通要素,直至分析处理完当前帧图像m中的所有交通要素。如果当前帧图像m中的所有交通要素均被标记,则剔除当前帧m。然后,对下一帧图像m+1中的各交通要素进行分析处理,直至从所有的图像中,剔除掉所有图像中的所有交通要素均被标记的图像。
本实施例提供的图像处理方法,一方面,以交通要素为单位进行聚合,因此可提高图像处理的普适性,另一方面,通过分别判断每一帧图像上是否所有的交通要素都有重复,如果都有重复,才剔除该图像,否则保留该图像,因此可在提高重复交通要素的压缩率的同时,避免误筛。进一步的,在分析交通要素是否有重复时,结合GPS信息、各交通要素在图像中的位置关系、类别关系以及尺寸关系,在提高剔除率的同时,还可尽可能地保证高召回率,从而取得更高的剔除率和召回率,进而可大大减少人工查看图像的数目,节省人工作业成本,提高作业效率。
图5为本申请一实施例提供的电子装置的结构示意图。本实施例提供的电子装置是上述图2所示实施例中的图像处理方法的执行主体。如图5所示,本实施例提供的电子装置主要包括:
分析模块501,用于逐一分析每一帧图像中的各交通要素,在时间相邻的前后若干帧图像中是否有重复;
标记模块502,用于将重复的交通要素进行标记;
处理模块503,用于删除所有图像中的冗余图像,该冗余图像中的所有交通要素均被标记为该重复的交通要素。
本实施例中各功能模块实现各自功能的具体过程,请参见上述图2所示实施例中描述的具体内容,此处不再赘述。
本实施例提供的电子装置,一方面,以交通要素为单位进行聚合,因此可提高图像处理的普适性,另一方面,通过分别判断每一帧图像上是否所有的交通要素都有重复,如果都有重复,才剔除该图像,否则保留该图像,因此可在提高重复交通要素的压缩率的同时,避免误筛。
图6为本申请另一实施例提供的电子装置的结构示意图。本实施例提供的电子装置是上述图2和图3所示实施例中的图像处理方法的执行主体。如图6所示,与图5所示电子装置不同的是,本实施例提供的电子装置:
进一步的,分析模块501包括:
排序模块5011,用于按照采集时间的先后顺序对待分析的多帧图像进行排序;
选取模块5012,用于按照排序的先后顺序,选取该多帧图像中的一帧图像中的一个交通要素作为分析对象;
范围确定模块5013,用于根据该分析对象与该一帧图像中的预设参照点之间的距离,确定搜索范围,该距离与该搜索范围成正比;
检测模块5014,用于分析与该一帧图像在采集时间上相邻的前后若干帧图像中的该搜索范围内,是否存在与该分析对象类别相同的交通要素;
检测模块5014,还用于若存在该类别相同的交通要素,则确认该分析对象对应的交通要素有重复,触发标记模块502对该分析对象进行标记,以及若不存在该类别相同的交通要素,则确认该分析对象对应的交通要素没有重复,不对该分析对象进行标记;
选取模块5012,还用于选取该一帧图像中的下一个交通要素作为分析对象,以及选取该多帧图像中的下一帧图像中的一个交通要素作为分析对象。
进一步的,检测模块5014,还用于分析预设地理距离范围内,与该一帧图像在采集时间上相邻的前后若干帧图像中的该搜索范围内,是否存在与该分析对象类别相同的交通要素;
检测模块5014,还用于若存在该类别相同的交通要素,则分析该分析对象与该类别相同的交通要素的尺寸关系是否符合预设的条件,若符合该预设的条件,则确认该分析对象对应的交通要素有重复,以及若不符合该预设的条件,则确认该分析对象对应的交通要素没有重复。
进一步的,处理模块503,还用于在标记模块502每标记完该一帧图像中的所有重复的交通要素之后,判断该一帧图像中的所有交通要素是否均被标记,若均被标记,则确认该一帧图像为冗余图像并删除。
进一步的,范围确定模块5013,还用于以像素为单位,计算该分析对象与该一帧图像中的预设参照点之间的距离,以及根据计算得到的距离以及预设的调整参数,确定搜索范围,该调整参数包括偏移距离。
进一步的,处理模块503,还用于删除不包含该交通要素的图像。
本实施例中各功能模块实现各自功能的具体过程,请参见上述图1至图5所示实施例中描述的具体内容,此处不再赘述。
本实施例提供的电子装置,一方面,以交通要素为单位进行聚合,因此可提高图像处理的普适性,另一方面,通过分别判断每一帧图像上是否所有的交通要素都有重复,如果都有重复,才剔除该图像,否则保留该图像,因此可在提高重复交通要素的压缩率的同时,避免误筛。进一步的,在分析交通要素是否有重复时,结合GPS信息、各交通要素在图像中的位置关系、类别关系以及尺寸关系,在提高剔除率的同时,还可尽可能地保证高召回率,从而取得更高的剔除率和召回率,进而可大大减少人工查看图像的数目,节省人工作业成本,提高作业效率。
请参阅图7,图7为本申请一实施例提供的电子装置的硬件结构图。
本实施例中所描述的电子装置,包括:
存储器701、处理器702及存储在存储器701上并可在处理器702上运行的计算机程序,处理器702执行该计算机程序时,实现前述图1至图4所示实施例中描述的图像处理方法。
进一步地,该电子装置还包括:
至少一个输入设备703以及至少一个输出设备704。
上述存储器701、处理器702、输入设备703和输出设备704通过总线705连接。
其中,输入设备703具体可为摄像头、触控面板、物理按键或者鼠标等等。输出设备704具体可为显示屏。
存储器701可以是高速随机存取记忆体(RAM,Random Access Memory)存储器,也可为非不稳定的存储器(non-volatile memory),例如磁盘存储器。存储器701用于存储一组可执行程序代码,处理器702与存储器701耦合。
进一步地,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以是设置于上述各实施例中的电子装置中,该计算机可读存储介质可以是前述图7所示实施例中的存储器。该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现前述图1至图4所示实施例中描述的图像处理方法。进一步地,该计算机可存储介质还可以是U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者装置中还存在另外的相同要素。
本领域技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁带,磁盘或光盘等。
Claims (14)
1.一种图像处理方法,应用于电子装置,其特征在于,所述方法包括:
逐一分析每一帧图像中的各交通要素,在时间相邻的前后若干帧图像中是否有重复,并将重复的交通要素进行标记;
删除所有图像中的冗余图像,所述冗余图像中的所有交通要素均被标记为所述重复的交通要素。
2.如权利要求1所述的图像处理方法,其特征在于,所述逐一分析每一帧图像中的各交通要素,在时间相邻的前后若干帧图像中是否有重复,并将重复的交通要素进行标记,具体包括:
按照采集时间的先后顺序对待分析的多帧图像进行排序;
按照排序的先后顺序,选取所述多帧图像中的一帧图像中的一个交通要素作为分析对象;
根据所述分析对象与所述一帧图像中的预设参照点之间的距离,确定搜索范围,所述距离与所述搜索范围成正比;
分析与所述一帧图像在采集时间上相邻的前后若干帧图像中的所述搜索范围内,是否存在与所述分析对象类别相同的交通要素;
若存在所述类别相同的交通要素,则确认所述分析对象对应的交通要素有重复,对所述分析对象进行标记,若不存在所述类别相同的交通要素,则确认所述分析对象对应的交通要素没有重复,不对所述分析对象进行标记;
选取所述一帧图像中的下一个交通要素作为分析对象,并执行所述根据所述分析对象与所述一帧图像中的预设参照点之间的距离,确定搜索范围的步骤,直至标记完所述一帧图像中的所有重复的交通要素;
选取所述多帧图像中的下一帧图像中的一个交通要素作为分析对象,基于所述下一帧图像,执行所述根据所述分析对象与所述一帧图像中的预设参照点之间的距离的步骤,直至标记完所有图像中的所有重复的交通要素。
3.如权利要求2所述的图像处理方法,其特征在于,所述分析与所述一帧图像在采集时间上相邻的前后若干帧图像中的所述搜索范围内,是否存在与所述分析对象类别相同的交通要素,包括:
分析预设地理距离范围内,与所述一帧图像在采集时间上相邻的前后若干帧图像中的所述搜索范围内,是否存在与所述分析对象类别相同的交通要素。
4.如权利要求2或3所述的图像处理方法,其特征在于,所述若存在所述类别相同的交通要素,则确认所述分析对象对应的交通要素有重复包括:
若存在所述类别相同的交通要素,则分析所述分析对象与所述类别相同的交通要素的尺寸关系是否符合预设的条件;
若符合所述预设的条件,则确认所述分析对象对应的交通要素有重复;
若不符合所述预设的条件,则执行所述确认所述分析对象对应的交通要素没有重复,不对所述分析对象进行标记的步骤。
5.如权利要求4所述的图像处理方法,其特征在于,所述删除所有图像中的冗余图像包括:
在每标记完所述一帧图像中的所有重复的交通要素之后,判断所述一帧图像中的所有交通要素是否均被标记;
若均被标记,则确认所述一帧图像为冗余图像并删除。
6.如权利要求2所述的图像处理方法,其特征在于,所述预设参照点为图像中的中心点或灭点。
7.如权利要求2所述的图像处理方法,其特征在于,所述根据所述分析对象与所述一帧图像中的预设参照点之间的距离,确定搜索范围,包括:
以像素为单位,计算所述分析对象与所述一帧图像中的预设参照点之间的距离;
根据计算得到的距离以及预设的调整参数,确定搜索范围,所述调整参数包括偏移距离。
8.如权利要求1所述的图像处理方法,其特征在于,所述逐一分析每一帧图像中的各交通要素,在时间相邻的前后若干帧图像中是否有重复,并将重复的交通要素进行标记之前,包括:
删除不包含所述交通要素的图像。
9.一种电子装置,其特征在于,包括:
分析模块,用于逐一分析每一帧图像中的各交通要素,在时间相邻的前后若干帧图像中是否有重复;
标记模块,用于将重复的交通要素进行标记;
处理模块,用于删除所有图像中的冗余图像,所述冗余图像中的所有交通要素均被标记为所述重复的交通要素。
10.如权利要求9所述的电子装置,其特征在于,所述分析模块包括:
排序模块,用于按照采集时间的先后顺序对待分析的多帧图像进行排序;
选取模块,用于按照排序的先后顺序,选取所述多帧图像中的一帧图像中的一个交通要素作为分析对象;
范围确定模块,用于根据所述分析对象与所述一帧图像中的预设参照点之间的距离,确定搜索范围,所述距离与所述搜索范围成正比;
检测模块,用于分析与所述一帧图像在采集时间上相邻的前后若干帧图像中的所述搜索范围内,是否存在与所述分析对象类别相同的交通要素;
所述检测模块,还用于若存在所述类别相同的交通要素,则确认所述分析对象对应的交通要素有重复,触发所述标记模块对所述分析对象进行标记,以及若不存在所述类别相同的交通要素,则确认所述分析对象对应的交通要素没有重复,不对所述分析对象进行标记;
所述选取模块,还用于选取所述一帧图像中的下一个交通要素作为分析对象,以及选取所述多帧图像中的下一帧图像中的一个交通要素作为分析对象。
11.如权利要求10所述的电子装置,其特征在于,
所述检测模块,还用于分析与所述一帧图像在采集时间上相邻的前后若干帧图像中的预设地理距离范围内的所述搜索范围内,是否存在与所述分析对象类别相同的交通要素;
所述检测模块,还用于若存在所述类别相同的交通要素,则分析所述分析对象与所述类别相同的交通要素的尺寸关系是否符合预设的条件,若符合所述预设的条件,则确认所述分析对象对应的交通要素有重复,以及若不符合所述预设的条件,则确认所述分析对象对应的交通要素没有重复;
所述处理模块,还用于在所述标记模块每标记完所述一帧图像中的所有重复的交通要素之后,判断所述一帧图像中的所有交通要素是否均被标记,若均被标记,则确认所述一帧图像为冗余图像并删除。
12.如权利要求10所述的电子装置,其特征在于,
所述范围确定模块,还用于以像素为单位,计算所述分析对象与所述一帧图像中的预设参照点之间的距离,以及根据计算得到的距离以及预设的调整参数,确定搜索范围,所述调整参数包括偏移距离;
所述处理模块,还用于删除不包含所述交通要素的图像。
13.一种电子装置,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如权利要求1至8中的任一项所述的图像处理方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1至8中的任一项所述的图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810093720.5A CN110099237B (zh) | 2018-01-31 | 2018-01-31 | 图像处理方法、电子装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810093720.5A CN110099237B (zh) | 2018-01-31 | 2018-01-31 | 图像处理方法、电子装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110099237A true CN110099237A (zh) | 2019-08-06 |
CN110099237B CN110099237B (zh) | 2021-08-17 |
Family
ID=67441988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810093720.5A Active CN110099237B (zh) | 2018-01-31 | 2018-01-31 | 图像处理方法、电子装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110099237B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111400533A (zh) * | 2020-03-02 | 2020-07-10 | 北京三快在线科技有限公司 | 图像筛选方法、装置、电子设备和存储介质 |
CN111654699A (zh) * | 2020-05-29 | 2020-09-11 | 西安万像电子科技有限公司 | 图像传输方法及装置 |
CN112149624A (zh) * | 2020-10-16 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 一种交通标识图像处理方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101871784A (zh) * | 2009-04-24 | 2010-10-27 | 环达电脑(上海)有限公司 | 过滤poi的***及其方法 |
US8085990B2 (en) * | 2006-07-28 | 2011-12-27 | Microsoft Corporation | Hybrid maps with embedded street-side images |
CN103179401A (zh) * | 2013-03-19 | 2013-06-26 | 燕山大学 | 多智能体协同视频采集与图像信息拼接处理方法及装置 |
CN103914521A (zh) * | 2014-03-20 | 2014-07-09 | 北京建筑大学 | 基于混合瓦片金字塔的街景影像存储的方法及装置 |
CN104041017A (zh) * | 2012-01-17 | 2014-09-10 | 索尼公司 | 信息处理设备和方法及程序 |
CN104112284A (zh) * | 2013-04-22 | 2014-10-22 | 阿里巴巴集团控股有限公司 | 一种图片的相似度检测方法和设备 |
CN104756155A (zh) * | 2012-10-31 | 2015-07-01 | 高通股份有限公司 | 合并多个地图以用于基于计算机视觉的跟踪的***及方法 |
WO2016086862A1 (zh) * | 2014-12-03 | 2016-06-09 | 高德软件有限公司 | 一种poi数据处理方法和装置 |
CN106372255A (zh) * | 2016-09-29 | 2017-02-01 | 北京百度网讯科技有限公司 | 一种街景图像的识别方法及装置 |
-
2018
- 2018-01-31 CN CN201810093720.5A patent/CN110099237B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8085990B2 (en) * | 2006-07-28 | 2011-12-27 | Microsoft Corporation | Hybrid maps with embedded street-side images |
CN101871784A (zh) * | 2009-04-24 | 2010-10-27 | 环达电脑(上海)有限公司 | 过滤poi的***及其方法 |
CN104041017A (zh) * | 2012-01-17 | 2014-09-10 | 索尼公司 | 信息处理设备和方法及程序 |
CN104756155A (zh) * | 2012-10-31 | 2015-07-01 | 高通股份有限公司 | 合并多个地图以用于基于计算机视觉的跟踪的***及方法 |
CN103179401A (zh) * | 2013-03-19 | 2013-06-26 | 燕山大学 | 多智能体协同视频采集与图像信息拼接处理方法及装置 |
CN104112284A (zh) * | 2013-04-22 | 2014-10-22 | 阿里巴巴集团控股有限公司 | 一种图片的相似度检测方法和设备 |
CN103914521A (zh) * | 2014-03-20 | 2014-07-09 | 北京建筑大学 | 基于混合瓦片金字塔的街景影像存储的方法及装置 |
WO2016086862A1 (zh) * | 2014-12-03 | 2016-06-09 | 高德软件有限公司 | 一种poi数据处理方法和装置 |
CN106372255A (zh) * | 2016-09-29 | 2017-02-01 | 北京百度网讯科技有限公司 | 一种街景图像的识别方法及装置 |
Non-Patent Citations (1)
Title |
---|
丁蔻: "《交通标识智能检测与去重》", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111400533A (zh) * | 2020-03-02 | 2020-07-10 | 北京三快在线科技有限公司 | 图像筛选方法、装置、电子设备和存储介质 |
CN111400533B (zh) * | 2020-03-02 | 2023-10-17 | 北京三快在线科技有限公司 | 图像筛选方法、装置、电子设备和存储介质 |
CN111654699A (zh) * | 2020-05-29 | 2020-09-11 | 西安万像电子科技有限公司 | 图像传输方法及装置 |
CN111654699B (zh) * | 2020-05-29 | 2024-05-17 | 西安万像电子科技有限公司 | 图像传输方法及装置 |
CN112149624A (zh) * | 2020-10-16 | 2020-12-29 | 腾讯科技(深圳)有限公司 | 一种交通标识图像处理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110099237B (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447169A (zh) | 图像处理方法及其模型的训练方法、装置和电子*** | |
WO2017190574A1 (zh) | 一种基于聚合通道特征的快速行人检测方法 | |
CN108520229A (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
CN110378420A (zh) | 一种图像检测方法、装置及计算机可读存储介质 | |
CN110163889A (zh) | 目标跟踪方法、目标跟踪装置、目标跟踪设备 | |
CN103324937B (zh) | 标注目标的方法和装置 | |
CN106485507B (zh) | 一种软件推广作弊的检测方法、装置及*** | |
CN105405150B (zh) | 基于融合特征的异常行为检测方法和装置 | |
CN108898109A (zh) | 物品关注度的确定方法、装置和*** | |
CN109697434A (zh) | 一种行为识别方法、装置和存储介质 | |
CN110099237A (zh) | 图像处理方法、电子装置及计算机可读存储介质 | |
CN109117836A (zh) | 一种基于焦点损失函数的自然场景下文字检测定位方法和装置 | |
CN108830332A (zh) | 一种视觉车辆检测方法及*** | |
CN107808126A (zh) | 车辆检索方法及装置 | |
CN103426172B (zh) | 基于视觉的目标跟踪方法及装置 | |
CN107918767B (zh) | 目标检测方法、装置、电子设备及计算机可读介质 | |
CN104699726A (zh) | 一种应用于交通卡口的车辆图像检索方法和装置 | |
CN103413145A (zh) | 基于深度图像的关节点定位方法 | |
CN109871821A (zh) | 自适应网络的行人重识别方法、装置、设备及存储介质 | |
US20220357176A1 (en) | Methods and data processing systems for predicting road attributes | |
CA3166347A1 (en) | Video generation method and apparatus, and computer system | |
CN109848070B (zh) | 一种产品分拣***及方法 | |
CN110502962A (zh) | 视频流中目标的检测方法、装置、设备和介质 | |
CN108932509A (zh) | 一种基于视频跟踪的跨场景目标检索方法及装置 | |
CN110096935A (zh) | 图像分析方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |