CN112784084A - 一种图像处理方法、装置以及电子设备 - Google Patents

一种图像处理方法、装置以及电子设备 Download PDF

Info

Publication number
CN112784084A
CN112784084A CN201911084740.7A CN201911084740A CN112784084A CN 112784084 A CN112784084 A CN 112784084A CN 201911084740 A CN201911084740 A CN 201911084740A CN 112784084 A CN112784084 A CN 112784084A
Authority
CN
China
Prior art keywords
component object
target road
road component
image
traffic
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
Application number
CN201911084740.7A
Other languages
English (en)
Other versions
CN112784084B (zh
Inventor
刘宝龙
陈永健
孙凯
李名杨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Group Holding Ltd
Original Assignee
Alibaba Group Holding Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alibaba Group Holding Ltd filed Critical Alibaba Group Holding Ltd
Priority to CN201911084740.7A priority Critical patent/CN112784084B/zh
Publication of CN112784084A publication Critical patent/CN112784084A/zh
Application granted granted Critical
Publication of CN112784084B publication Critical patent/CN112784084B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种图像处理方法，包括：对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；获得所述目标道路部件对象所属的交通用途信息；获得所述目标道路部件对象中的内容信息；根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。本申请提供的图像处理方法，在获得所述待处理图像中的目标道路部件对象后，再进一步根据目标道路部件对象所属的交通用途信息和目标道路部件对象中的内容信息，确定目标道路部件对象所属的交通用途与内容信息组合类目，从而提高了对图像中的目标道路部件对象分类的准确度。

Description

一种图像处理方法、装置以及电子设备
技术领域
本申请涉及计算机技术领域，具体涉及一种图像处理方法、装置以及电子设备。
背景技术
在完成高精地图制作、辅助定位等任务的过程中，会涉及大量的对图像中的道路部件的分类和入库工作。其中，对图像中的道路部件精确的分类，对高精地图制作、辅助定位等任务能够准确的完成起到了关键性的作用。
现有对图像中的道路部件分类的方法一般为：首先，通过目标道路部件检测算法模型检测出图像中的目标道路部件；然后，再提取目标道路部件中的道路部件的图像特征，如颜色特征、纹理特征等，并根据这些道路部件的图像特征对目标道路部件进行分类，从而获得对目标道路部件的分类结果。但是，在根据目标道路部件的图像特征对图像中的目标道路部件进行分类时，往往会存在由于部分不同类目的目标道路部件之间的图像特征的区分度不够，而导致的分类结果出现错误的问题。
发明内容
本申请提供一种图像处理方法、装置、电子设备和存储介质，以提高对图像中目标道路部件对象分类的精确度。
本申请提供一种图像处理方法，包括：
对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
获得所述目标道路部件对象所属的交通用途信息；
获得所述目标道路部件对象中的内容信息；
根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
可选的，所述对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象，包括：
根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图；
根据所述目标道路部件对象对应的特征图，获得所述目标道路部件对象。
可选的，所述根据所述目标道路部件对象对应的特征图，获得所述目标道路部件对象，包括：根据所述目标道路部件对象对应的特征图，获得所述目标道路部件对象和所述目标道路部件对象在所述待处理图像中的位置信息。
可选的，所述获得所述目标道路部件对象所属的交通用途信息，包括：
根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图；
获得所述目标道路部件对象对应的特征图的交通用途特征数据；
根据所述目标道路部件对象对应的特征图的交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息。
可选的，所述根据所述目标道路部件对象对应的特征图的交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息，包括：
获得预设交通用途特征数据，所述预设交通用途特征数据为所述目标道路部件对象所属的交通用途信息对应的特征数据；
根据所述目标道路部件对象对应的特征图的交通用途特征数据和所述预设交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息。
可选的，根据所述目标道路部件对象对应的特征图的交通用途特征数据和所述预设交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息，包括：
获得所述目标道路部件对象对应的特征图的交通用途特征数据中包含的所述预设交通用途特征数据；
根据所述目标道路部件对象对应的特征图的交通用途特征数据中包含的所述预设交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息。
可选的，所述获得所述目标道路部件对象中的内容信息，包括：
根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图；
获得所述目标道路部件对象对应的特征图的内容特征数据；
根据所述目标道路部件对象对应的特征图的内容特征数据，获得所述目标道路部件对象中的内容信息。
可选的，所述根据所述目标道路部件对象对应的特征图的内容特征数据，获得所述目标道路部件对象中的内容信息，包括：
根据所述目标道路部件对象对应的特征图的内容特征数据，获得内容信息对应的特征图；
根据所述内容信息对应的特征图，获得所述内容信息和所述内容信息在所述目标道路部件对象中的位置信息。
可选的，所述目标道路部件对象中的内容信息至少包括数值信息、字母信息、文字信息以及符号信息中的一种。
可选的，所述根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图，包括：
根据所述待处理图像对应的特征图，获得候选目标道路部件对象对应的特征图；
根据所述候选目标道路部件对象对应的特征图，获得所述目标道路部件对象对应的特征图。
可选的，所述根据所述候选目标道路部件对象对应的特征图，获得所述目标道路部件对象对应的特征图，包括：
获得所述候选目标道路部件对象对应的特征图的图像特征数据；
根据所述候选目标道路部件对象对应的特征图的图像特征数据，获得所述目标道路部件对象对应的特征图。
可选的，所述根据所述候选目标道路部件对象对应的特征图的图像特征数据，获得所述目标道路部件对象对应的特征图，包括：
获得所述预设图像特征数据，所述预设图像特征数据为所述目标道路部件对象对应的特征图的图像特征数据中需要包括的图像特征数据；
根据所述候选目标道路部件对象对应的特征图的图像特征数据和所述预设图像特征数据，获得所述目标道路部件对象对应的特征图。
可选的，所述根据所述候选目标道路部件对象对应的特征图的图像特征数据和所述预设图像特征数据，获得所述目标道路部件对象对应的特征图，包括：
判断所述候选目标道路部件对象对应的特征图的图像特征数据中是否包含所述预设图像特征数据；
若是，则将所述候选目标道路部件对象对应的特征图作为所述目标道路部件对象对应的特征图。
可选的，若所述候选目标道路部件对象对应的特征图的图像特征数据中不包含所述预设图像特征数据，则过滤所述候选目标道路部件对象对应的特征图。
可选的，所述根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目，包括：
根据所述目标道路部件对象所属的交通用途信息，获得所述目标道路部件对象所属的交通用途类目；
根据所述目标道路部件对象所属的交通用途类目和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
可选的，所述根据所述目标道路部件对象所属的交通用途信息，获得所述目标道路部件对象所属的交通用途类目，包括：
获得交通用途类目对应关系，所述交通用途类目对应关系为交通用途信息与交通用途类目之间预设的对应关系；
根据所述目标道路部件对象所属的交通用途信息和所述交通用途类目对应关系，获得所述目标道路部件对象所属的交通用途类目。
可选的，所述根据所述目标道路部件对象所属的交通用途类目和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目，包括：
获得所述内容信息中的字符数据；
根据所述内容信息中的字符数据和所述目标道路部件对象所属的交通用途类目，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
可选的，所述根据所述内容信息中的字符数据和所述目标道路部件对象所属的交通用途类目，确定所述目标道路部件对象所属的交通用途与内容信息组合类目，包括：将所述内容信息中的字符数据不同的所述目标道路部件对象，确定为属于不同的所述目标道路部件对象所属的交通用途与内容信息组合类目，并获得所述目标道路部件对象在所属的所述交通用途类目下的内容信息类目。
可选的，还包括：输出所述目标道路部件对象所属的交通用途与内容信息组合类目。
可选的，所述待处理图像为待处理道路场景图像，所述目标道路部件对象为交通标识牌。
可选的，还包括：获得初始图像；对所述初始图像进行去畸变处理，获得所述待处理图像。
本申请另一方面，提供一种图像处理装置，包括：
目标道路部件对象获得单元，用于对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
交通用途信息获得单元，用于获得所述目标道路部件对象所属的交通用途信息；
内容信息获得单元，用于获得所述目标道路部件对象中的内容信息；
组合类目确定单元，用于根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
本申请另一方面，提供一种电子设备，包括：
处理器；
存储器，用于存储图像处理方法的程序，该电子设备通电并通过所述处理器运行该图像处理方法的程序后，执行下述步骤：
对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
获得所述目标道路部件对象所属的交通用途信息；
获得所述目标道路部件对象中的内容信息；
根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
本申请另一方面，提供一种存储介质，存储有电子图像处理方法的程序，该程序被处理器运行，执行下述步骤：
对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
获得所述目标道路部件对象所属的交通用途信息；
获得所述目标道路部件对象中的内容信息；
根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
本申请另一方面，提供一种图像处理方法，包括：
向服务端发送待处理图像；
获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。
可选的，所述待处理图像为待处理道路场景图像，所述目标道路部件对象为交通标识牌。
本申请另一方面，提供一种图像处理装置，其特征在于，包括：
待处理图像发送单元，用于向服务端发送待处理图像；
组合类目获得单元，用于获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。
本申请另一方面，提供一种电子设备，包括：
处理器；
存储器，用于存储图像处理方法的程序，该电子设备通电并通过所述处理器运行该图像处理方法的程序后，执行下述步骤：
向服务端发送待处理图像；
获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。
本申请另一方面，提供一种存储介质，存储有电子图像处理方法的程序，该程序被处理器运行，执行下述步骤：
向服务端发送待处理图像；
获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。
本申请另一方面，提供一种图像处理***，包括：服务端、客户端；
所述服务端，用于获得所述客户端发送的待处理图像；对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；获得所述目标道路部件对象所属的交通用途信息；获得所述目标道路部件对象中的内容信息；根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目；输出所述目标道路部件对象所属的交通用途与内容信息组合类目；
所述客户端，用于向服务端发送待处理图像；获得所述服务端输出的所述目标道路部件对象所属的交通用途与内容信息组合类目。
与现有技术相比，本申请具有以下优点：
本申请提供的图像处理方法，在获得待处理图像中的目标道路部件对象后，再进一步根据目标道路部件对象所属的交通用途信息和目标道路部件对象中的内容信息，确定目标道路部件对象所属的交通用途与内容信息组合类目。由于目标道路部件的内容信息是相似度较高的不同目标道路部件之间的主要区别点，从而利用目标道路部件对象所属的交通用途信息和目标道路部件中的内容信息，对待处理图像中的目标道路部件进行分类，能够提高对图像中的目标道路部件对象分类的准确度。
附图说明
图1为本申请提供的第一应用场景实施例的示意图。
图2为本申请提供的第二应用场景实施例的示意图。
图3为本申请第一实施例中提供的一种图像处理方法的流程图。
图4为本申请第一实施例中提供的一种目标道路部件对象对应的特征图的获得方法的流程图。
图5为本申请第一实施例中提供的一种交通用途信息的获得方法的流程图。
图6为本申请第一实施例中提供的一种标道路部件对象中的内容信息的获得方法的流程图。
图7为本申请第一实施例中提供的一种目标道路部件对象所属的交通用途类目的确定方法的流程图。
图8为本申请第二实施例中提供的一种图像处理装置的示意图。
图9为本申请实施例中提供的一种电子设备的示意图。
图10为本申请第五实施例中提供的一种图像处理处理方法的流程图。
图11为本申请第六实施例中提供的一种图像处理处理装置的示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。
为了更清楚地展示本申请，先介绍一下本申请实施例提供的图像处理方法的应用场景。
本申请提供的一些实施例可以应用于服务端的内部处理，如图1所示，其为本申请提供的第一应用场景实施例的示意图。
服务端101在获得待处理图像102后，首先，对待处理图像进行道路部件对象目标检测，获得待处理图像102中的第一目标道路部件对象102-1和第二目标道路部件对象102-2；其次，获得目标道路部件对象102-1和第二目标道路部件对象102-2所属的交通用途信息；再次，获得目标道路部件对象中的内容信息102-11；最后，根据目标道路部件对象102-1目标道路部件对象102-1和第二目标道路部件对象102-2所属的交通用途信息和目标道路部件对象中的内容信息，确定目标道路部件对象102-1目标道路部件对象102-1和第二目标道路部件对象102-2所属的交通用途与内容信息组合类目。其中，待处理图像102为道路场景图像，目标道路部件对象102-1为交通标识牌。
本申请提供的一些实施例还可以应用于服务端与客户端交互的场景，如图2所示，其为本申请提供的第二应用场景实施例的示意图。
首先，将服务端201与客户端202建立连接；其次，客户端202向服务端201发送待处理图像；再次，服务端201在获得该待处理图像后，对待处理图像进行道路部件对象目标检测，获得待处理图像中的目标道路部件对象；获得目标道路部件对象所属的交通用途信息；获得目标道路部件对象中的内容信息；根据目标道路部件对象所属的交通用途信息和目标道路部件对象中的内容信息，确定目标道路部件对象所属的交通用途与内容信息组合类目；最后，服务端201会将目标道路部件对象所属的交通用途与内容信息组合类目发送给客户端202。
需要说明的是，上述两个应用场景仅仅是本申请提供的图像处理方法的应用场景的两个实施例，提供这两个应用场景实施例的目的是便于理解本申请提供的图像处理方法，而并非用于限定本申请提供的图像处理方法。本申请提供的图像处理方法还可以应用于其它场景，如客户端内部处理等，在此不再一一赘述。
第一实施例
本申请第一实施例提供一种道路场景图像处理方法，以下结合图3-图6进行说明。
步骤S301，对待处理图像进行道路部件对象目标检测，获得待处理图像中的目标道路部件对象。
本申请第一实施中的待处理图像一般为包含目标道路部件的道路场景图像，也可以为其它包含目标道路部件的图像。常见的道路部件包括：交通标识牌、道路标识牌等，本申请第一实施例中的目标道路部件一般是指交通标识牌。
在对待处理图像进行道路部件对象目标检测之前，需要获得待处理图像，具体的，可以先获得初始图像；再对初始图像进行去畸变处理，从而获得待处理图像。
对待处理图像进行道路部件对象目标检测，获得待处理图像中的目标道路部件对象的过程为：根据待处理图像对应的特征图，获得目标道路部件对象对应的特征图；根据目标道路部件对象对应的特征图，获得目标道路部件对象。其中，根据目标道路部件对象对应的特征图，获得目标道路部件对象，包括：根据目标道路部件对象对应的特征图，获得目标道路部件对象和目标道路部件对象在待处理图像中的位置信息。
在获得待处理图像对应的特征图时，一般是：首先，通过CNN(ConvolutionalNeural Networks，卷积神经网络)的对待处理图像进行卷积特征提取，获得由CNN的骨干网络Backbone(神经网络模型)输出的不同尺度的特征图；然后，通过FPN(Feature PyramidStructure)算法将由CNN的骨干网络Backbone(神经网络模型)输出的不同尺度的特征图进行融合，从而获得待处理图像对应的特征图。
在根据目标道路部件对象对应的特征图，获得目标道路部件对象时的具体过程请参照图4，其为本申请第一实施例中提供的一种目标道路部件对象对应的特征图的获得方法的流程图。
步骤S401，根据待处理图像对应的特征图，获得候选目标道路部件对象对应的特征图。
本申请第一实施例中在根据待处理图像对应的特征图，获得候选目标道路部件对象对应的特征图时，一般是先通过RPN(RegionProposalNetwork，候选区域生成网络)算法，在步骤S301中获得的待处理图像对应的特征图中提取候选目标道路部件对象的区域，再通过区域特征聚集方式获得候选目标道路部件对象对应的特征图。
步骤S402，根据候选目标道路部件对象对应的特征图，获得目标道路部件对象对应的特征图。
根据候选目标道路部件对象对应的特征图，获得目标道路部件对象对应的特征图，包括：获得候选目标道路部件对象对应的特征图的图像特征数据；根据候选目标道路部件对象对应的特征图的图像特征数据，获得目标道路部件对象对应的特征图。
具体的，根据候选目标道路部件对象对应的特征图的图像特征数据，获得目标道路部件对象对应的特征图，包括：获得预设图像特征数据，预设图像特征数据为目标道路部件对象对应的特征图的图像特征数据中需要包括的图像特征数据；根据候选目标道路部件对象对应的特征图的图像特征数据和预设图像特征数据，获得目标道路部件对象对应的特征图。
在根据候选目标道路部件对象对应的特征图的图像特征数据和预设图像特征数据，获得目标道路部件对象对应的特征图时，需要先判断候选目标道路部件对象对应的特征图的图像特征数据中是否包含预设图像特征数据，再根据候选目标道路部件对象对应的特征图的图像特征数据中包含预设图像特征数据，来进一步获得目标道路部件对象对应的特征图。具体的，如果候选目标道路部件对象对应的特征图的图像特征数据中包含预设图像特征数据，则将候选目标道路部件对象对应的特征图作为目标道路部件对象对应的特征图；如果候选目标道路部件对象对应的特征图的图像特征数据中不包含预设图像特征数据，则过滤候选目标道路部件对象对应的特征图。
本申请第一实施例中的步骤S402可以基于Region-CNN(Region-CNN；基于CNN的目标检测)算法来实现，此时，Region-CNN(Region-CNN；基于CNN的目标检测)算法的输入为候选目标道路部件对象对应的特征图，输出为目标道路部件对象和目标道路部件对象在待处理图像中的位置信息。
步骤S302，获得目标道路部件对象所属的交通用途信息。
目标道路部件对象所属的交通用途信息为用于说明该目标道路部件对象在交通中的应用功能的信息，以目标道路部件对象为交通标识牌为例，交通标识牌所属的交通用途信息为用于说明该目标道路部件对象在交通中的应用功能的信息，如：“限高2m”的交通标识牌所属的交通用途信息为用于说明该“限高2m”的交通标识牌是应用于限高的交通标识牌。
本申请第一实施例中提供的获得目标道路部件对象所属的交通用途信息的方法请参照图5，其为本申请第一实施例中提供的一种交通用途信息的获得方法的流程图。
步骤S501，根据待处理图像对应的特征图，获得目标道路部件对象对应的特征图。
本步骤S501中根据待处理图像对应的特征图，获得目标道路部件对象对应的特征图的详细过程请参照步骤S401-步骤S402。
步骤S502，获得目标道路部件对象对应的特征图的交通用途特征数据。
在获得目标道路部件对象对应的特征图后，可以进一步对目标道路部件对象对应的特征图进行交通用途特征数据的提取，从而获得目标道路部件对象对应的特征图的交通用途特征数据。
步骤S503，根据目标道路部件对象对应的特征图的交通用途特征数据，获得目标道路部件对象所属的交通用途信息。
根据目标道路部件对象对应的特征图的交通用途特征数据，获得目标道路部件对象所属的交通用途信息的具体过程为：获得预设交通用途特征数据，预设交通用途特征数据为目标道路部件对象所属的交通用途信息对应的特征数据；根据目标道路部件对象对应的特征图的交通用途特征数据和预设交通用途特征数据，获得目标道路部件对象所属的交通用途信息。其中，根据目标道路部件对象对应的特征图的交通用途特征数据和预设交通用途特征数据，获得目标道路部件对象所属的交通用途信息，包括：获得目标道路部件对象对应的特征图的交通用途特征数据中包含的预设交通用途特征数据；根据目标道路部件对象对应的特征图的交通用途特征数据中包含的预设交通用途特征数据，获得目标道路部件对象所属的交通用途信息。
步骤S303，获得目标道路部件对象中的内容信息。
目标道路部件对象中的内容信息如：“限速50”的交通标识牌中的“50”，
“限高2m”的交通标识牌中的“2”。本申请第一实施例中的获得目标道路部件对象中的内容信息的过程就是对目标道路部件对象进行文字识别的过程，如通过OCR(OpticalCharacter Recognition，光学字符识别)技术来获得目标道路部件对象中的内容信息。通过文字识别技术来获得目标道路部件对象中的内容信息，具体的过程如下：
本申请第一实施例中获得目标道路部件对象中的内容信息的过程请参照图6，其为本申请提供的一种标道路部件对象中的内容信息的获得方法的流程图。
步骤S601，根据待处理图像对应的特征图，获得目标道路部件对象对应的特征图。
步骤S602，获得目标道路部件对象对应的特征图的内容特征数据。
步骤S603，根据目标道路部件对象对应的特征图的内容特征数据，获得目标道路部件对象中的内容信息。
根据目标道路部件对象对应的特征图的内容特征数据，获得目标道路部件对象中的内容信息，包括：根据目标道路部件对象对应的特征图的内容特征数据，获得内容信息对应的特征图；根据内容信息对应的特征图，获得内容信息和内容信息在目标道路部件对象中的位置信息。其中，所述目标道路部件对象中的内容信息至少包括数值信息、字母信息、文字信息以及符号信息中的一种。以目标道路部件为限速交通标识牌为例，限速交通标识牌有多种类型，不同类型的限速交通标识牌中的内容信息不同，有些限速交通标识牌中的内容信息可能仅包含数值信息，如：“60”、“80”、“100”，有些限速交通标识牌中的内容信息不仅包含数值信息，还包含文字信息，如“60km/h”、“限速行驶5km”等。
步骤S304，根据目标道路部件对象所属的交通用途信息和目标道路部件对象中的内容信息，确定目标道路部件对象所属的交通用途与内容信息组合类目。
本申请第一实施例中提供的图像处理方法，需要先根据目标道路部件对象所属的交通用途信息，获得目标道路部件对象所属的交通用途类目。本申请第一实施例中提供的图像处理方法要获得目标道路部件对象所属的交通用途类目，由于在上述步骤S302已经获得目标道路部件对象所属的交通用途信息，一般在目标道路部件对象所属的交通用途信息后，本步骤S303就能够根据目标道路部件对象所属的交通用途信息，进一步确定目标道路部件对象所属的交通用途类目。
将目标道路部件对象按该目标道路部件对象所属的交通用途类目进行划分，如将“限速50”的交通标识牌、“限速60”的交通标识牌、“限速80”的交通标识牌都划分为“限速类”交通标识牌，将“限高2m”的交通标识牌、“限高2.5m”的交通标识牌、“限高3m”的交通标识牌都划分为和“限高类”交通标识牌。根据目标道路部件对象所属的交通用途信息，获得目标道路部件对象所属的交通用途类目的具体过程请参照图7，其为本申请第一实施例中提供的一种目标道路部件对象所属的交通用途类目的确定方法的流程图。
步骤S701，获得交通用途类目对应关系，交通用途类目对应关系为交通用途信息与交通用途类目之间预设的对应关系。
步骤S702，根据目标道路部件对象所属的交通用途信息和交通用途类目对应关系，获得目标道路部件对象所属的交通用途类目。
在获得目标道路部件对象所属的交通用途类目后，需要进一步根据目标道路部件对象所属的交通用途类目和目标道路部件对象中的内容信息，确定目标道路部件对象所属的交通用途与内容信息组合类目。具体的，根据目标道路部件对象所属的交通用途类目和目标道路部件对象中的内容信息，确定目标道路部件对象所属的交通用途与内容信息组合类目，包括：获得内容信息中的字符数据；根据内容信息中的字符数据和目标道路部件对象所属的交通用途类目，确定目标道路部件对象所属的交通用途与内容信息组合类目。
在确定目标道路部件对象所属的交通用途与内容信息组合类目时，需要将内容信息中的字符数据不同的目标道路部件对象，确定为属于不同的目标道路部件对象所属的交通用途与内容信息组合类目，并获得所述目标道路部件对象在所属的所述交通用途类目下的内容信息类目。以内容信息为数值信息为例，数值“60”由数字字符“6”和数字字符“0”组成。本申请第一实施例中在获得内容信息时的过程为获得内容信息中的字符数据，根据内容信息中的字符数据确定内容信息对应的数值信息或者文字信息。
如“限速50”的交通标识牌、“限速60”的交通标识牌、“限速80”的交通标识牌，虽然都为“限速类”交通标识牌，但是本申请第一实施例中提供的图像处理方法会将“限速50”的交通标识牌、“限速60”的交通标识牌、“限速80”划分成不同的“限速类”交通标识牌。即，根据字符数据，确定“限速类”交通标识牌中详细的数值信息或者文字信息，将“限速50”的交通标识牌划分为“限速类”交通标识牌，限速数值为“50”的交通标识牌，“限速60”的交通标识牌划分为“限速类”交通标识牌，限速数值为“60”的交通标识牌，“限速80”的交通标识牌划分为“限速类”交通标识牌，限速数值为“80”的交通标识牌。
本申请提供的图像处理方法，在获得所述待处理图像中的目标道路部件对象后，再进一步根据目标道路部件对象所属的交通用途信息和目标道路部件对象中的内容信息，确定目标道路部件对象所属的交通用途与内容信息组合类目。由于目标道路部件的内容信息是相似度较高的不同目标道路部件之间的主要区别点，从而利用目标道路部件对象所属的交通用途信息和目标道路部件中的内容信息，对待处理图像中的目标道路部件进行分类，能够提高对图像中的目标道路部件对象分类的准确度。
本申请第一实施中提供的图像处理方法，还包括：输出目标道路部件对象所属的交通用途与内容信息组合类目。由于本申请第一实施中提供的图像处理方法在确定待处理图像中的目标道路部件的同时，还能够获得目标道路部件在待处理图像中的位置信息，所以，在输出目标道路部件对象所属的交通用途与内容信息组合类目的同时，还可以输出目标道路部件在待处理图像中的位置信息。
第二实施例
与本申请第一实施例提供的一种图像处理方法相对应的，本申请第二实施例还提供了一种图像处理装置。由于装置实施例基本相似于方法第一实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
如图8所示，其为本申请第二实施例中提供的一种图像处理装置的示意图。
该图像处理装置包括：
目标道路部件对象获得单元801，用于对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
交通用途信息获得单元802，用于获得所述目标道路部件对象所属的交通用途信息；
内容信息获得单元803，用于获得所述目标道路部件对象中的内容信息；
组合类目确定单元804，用于根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
可选的，所述目标道路部件对象获得单元801，具体用于根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图；根据所述目标道路部件对象对应的特征图，获得所述目标道路部件对象。
可选的，所述根据所述目标道路部件对象对应的特征图，获得所述目标道路部件对象，包括：根据所述目标道路部件对象对应的特征图，获得所述目标道路部件对象和所述目标道路部件对象在所述待处理图像中的位置信息。
可选的，所述交通用途信息获得单元，具体用于根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图；获得所述目标道路部件对象对应的特征图的交通用途特征数据；根据所述目标道路部件对象对应的特征图的交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息。
可选的，所述根据所述目标道路部件对象对应的特征图的交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息，包括：
获得预设交通用途特征数据，所述预设交通用途特征数据为所述目标道路部件对象所属的交通用途信息对应的特征数据；
根据所述目标道路部件对象对应的特征图的交通用途特征数据和所述预设交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息。
可选的，根据所述目标道路部件对象对应的特征图的交通用途特征数据和所述预设交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息，包括：
获得所述目标道路部件对象对应的特征图的交通用途特征数据中包含的所述预设交通用途特征数据；
根据所述目标道路部件对象对应的特征图的交通用途特征数据中包含的所述预设交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息。
可选的，所述内容信息获得单元803，具体用于根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图；获得所述目标道路部件对象对应的特征图的内容特征数据；根据所述目标道路部件对象对应的特征图的内容特征数据，获得所述目标道路部件对象中的内容信息。
可选的，所述根据所述目标道路部件对象对应的特征图的内容特征数据，获得所述目标道路部件对象中的内容信息，包括：
根据所述目标道路部件对象对应的特征图的内容特征数据，获得内容信息对应的特征图；
根据所述内容信息对应的特征图，获得所述内容信息和所述内容信息在所述目标道路部件对象中的位置信息。
可选的，所述目标道路部件对象中的内容信息至少包括数值信息、字母信息、文字信息以及符号信息中的一种。
可选的，所述根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图，包括：
根据所述待处理图像对应的特征图，获得候选目标道路部件对象对应的特征图；
根据所述候选目标道路部件对象对应的特征图，获得所述目标道路部件对象对应的特征图。
可选的，所述根据所述候选目标道路部件对象对应的特征图，获得所述目标道路部件对象对应的特征图，包括：
获得所述候选目标道路部件对象对应的特征图的图像特征数据；
根据所述候选目标道路部件对象对应的特征图的图像特征数据，获得所述目标道路部件对象对应的特征图。
可选的，所述根据所述候选目标道路部件对象对应的特征图的图像特征数据，获得所述目标道路部件对象对应的特征图，包括：
获得所述预设图像特征数据，所述预设图像特征数据为所述目标道路部件对象对应的特征图的图像特征数据中需要包括的图像特征数据；
根据所述候选目标道路部件对象对应的特征图的图像特征数据和所述预设图像特征数据，获得所述目标道路部件对象对应的特征图。
可选的，所述根据所述候选目标道路部件对象对应的特征图的图像特征数据和所述预设图像特征数据，获得所述目标道路部件对象对应的特征图，包括：
判断所述候选目标道路部件对象对应的特征图的图像特征数据中是否包含所述预设图像特征数据；
若是，则将所述候选目标道路部件对象对应的特征图作为所述目标道路部件对象对应的特征图。
可选的，若所述候选目标道路部件对象对应的特征图的图像特征数据中不包含所述预设图像特征数据，则过滤所述候选目标道路部件对象对应的特征图。
可选的，所述组合类目确定单元804，具体用于根据所述目标道路部件对象所属的交通用途信息，获得所述目标道路部件对象所属的交通用途类目；根据所述目标道路部件对象所属的交通用途类目和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
可选的，所述根据所述目标道路部件对象所属的交通用途信息，获得所述目标道路部件对象所属的交通用途类目，包括：
获得交通用途类目对应关系，所述交通用途类目对应关系为交通用途信息与交通用途类目之间预设的对应关系；
根据所述目标道路部件对象所属的交通用途信息和所述交通用途类目对应关系，获得所述目标道路部件对象所属的交通用途类目。
可选的，所述根据所述目标道路部件对象所属的交通用途类目和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目，包括：
获得所述内容信息中的字符数据；
根据所述内容信息中的字符数据和所述目标道路部件对象所属的交通用途类目，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
可选的，所述根据所述内容信息中的字符数据和所述目标道路部件对象所属的交通用途类目，确定所述目标道路部件对象所属的交通用途与内容信息组合类目，包括：将所述内容信息中的字符数据不同的所述目标道路部件对象，确定为属于不同的所述目标道路部件对象所属的交通用途与内容信息组合类目，并获得所述目标道路部件对象在所属的所述交通用途类目下的内容信息类目。
可选的，该图像处理装置，还包括：组合类目输出单元，用于输出所述目标道路部件对象所属的交通用途与内容信息组合类目。
可选的，所述待处理图像为待处理道路场景图像，所述目标道路部件对象为交通标识牌。
可选的，该图像处理装置，还包括：
初始图像获得单元，用于获得初始图像；
待处理图像获得单元，用于对所述初始图像进行去畸变处理，获得所述待处理图像。
第三实施例
与本申请第一实施例提供的图像处理方法相对应的，本申请第三实施例提供一种电子设备。
如图9所示，图9为本申请实施例提供的一种电子设备的示意图。所述电子设备包括：
处理器901；以及
存储器902，用于存储图像处理方法的程序，该设备通电并通过所述处理器运行该图像处理方法的程序后，执行下述步骤：
对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
获得所述目标道路部件对象所属的交通用途信息；
获得所述目标道路部件对象中的内容信息；
根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
需要说明的是，对于本申请第三实施例提供的电子设备的详细描述可以参考对本申请第一实施例的相关描述，这里不再赘述。
第四实施例
与本申请第一实施例提供的图像处理方法相对应的，本申请第四实施例提供一种存储介质，存储有图像处理方法的程序，该程序被处理器运行，执行下述步骤：
对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
获得所述目标道路部件对象所属的交通用途信息；
获得所述目标道路部件对象中的内容信息；
根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
需要说明的是，对于本申请第四实施例提供的存储介质的详细描述可以参考对本申请第一实施例的相关描述，这里不再赘述。
第五实施例
在上述第一实施例中，提供了一种图像处理处理方法，与之相对应的，本申请第五实施例提供了另一种图像处理处理方法。由于该图像处理处理方法实施例基本相似于方法第一实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的方法实施例仅仅是示意性的。
请参照图10，图10为本申请第五实施例中提供的一种图像处理处理方法的流程图。
步骤S1001，向服务端发送待处理图像。其中，待处理图像为待处理道路场景图像。
步骤S1002，获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。其中，目标道路部件对象为交通标识牌。
第六实施例
在上述第五实施例中，提供了一种图像处理处理方法，与之相对应的，本申请第六实施例提供了一种图像处理处理装置。由于装置实施例基本相似于方法第五实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
请参照图11，图11为本申请第六实施例中提供的一种图像处理处理装置的示意图。
该图像处理处理装置，包括：
待处理图像发送单元1101，用于向服务端发送待处理图像；
组合类目获得单元1102，用于获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。
可选的，所述待处理图像为待处理道路场景图像，所述目标道路部件对象为交通标识牌。
第七实施例
与本申请第五实施例提供的图像处理处理方法相对应的，本申请第七实施例提供一种电子设备。
如图9所示，所述电子设备包括：
处理器901；以及
存储器902，用于存储图像处理处理方法的程序，该设备通电并通过所述处理器运行该图像处理处理方法的程序后，执行下述步骤：
向服务端发送待处理图像；
获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。
需要说明的是，对于本申请第七实施例提供的电子设备的详细描述可以参考对本申请第五实施例的相关描述，这里不再赘述。
第八实施例
与本申请第五实施例提供的图像处理处理方法相对应的，本申请第八实施例提供一种存储介质，存储有图像处理处理方法的程序，该程序被处理器运行，执行下述步骤：
向服务端发送待处理图像；
获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。
需要说明的是，对于本申请第八实施例提供的存储介质的详细描述可以参考对本申请第五实施例的相关描述，这里不再赘述。
第九实施例
在上述第一实施例中，提供了一种图像处理方法，与之相对应的，本申请第九实施例提供了另一种图像处理***。由于第九实施例中的图像处理***基本相似于方法第一实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
请再参照图2，该图像处理***，包括：服务端201、客户端202
所述服务端201，用于获得所述客户端202发送的待处理图像；对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；获得所述目标道路部件对象所属的交通用途信息；获得所述目标道路部件对象中的内容信息；根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目；输出所述目标道路部件对象所属的交通用途与内容信息组合类目；
所述客户端202，用于向服务端201发送待处理图像；获得所述服务端201输出的所述目标道路部件对象所属的交通用途与内容信息组合类目。
第十实施例
与本申请第一实施例提供的一种图像处理方法相对应的，本申请第十实施例还提供了另一种图像处理方法。由于该方法实施例基本相似于方法第一实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请第十实施例中提供的图像处理方法，可用于车辆在行驶过程中对车载图像采集装置获得道路场景图像的处理，如自动驾驶汽车在行驶过程中需要通过车载图像采集装置来获得道路场景图像，并结合车载导航***来实现自动导航。本申请第十实施例中待处理图像为自动驾驶汽车在行驶过程中通过车载图像采集装置获得的道路场景图像。
在获得道路场景图像后，车辆中的图像处理***会先对待处理图像进行道路部件对象目标检测，获得待处理图像中的目标道路部件对象。然后，再获得目标道路部件对象所属的交通用途类目，并根据获得的目标道路部件对象所属的交通用途类目来调整自动驾驶汽车的驾驶模式，如获得目标道路部件对象所属的交通用途类目为“限速类”，则将自动驾驶汽车的驾驶模式调整为限速模式，在自动驾驶汽车的驾驶模式调整为限速模式后，自动驾驶汽车开始调节行驶速度。
为了进一步确定自动驾驶汽车需要调节到的行驶速度，还需要获得目标道路部件对象中的内容信息，并根据该目标道路部件对象中的内容信息来确定自动驾驶汽车需要调节到的行驶速度。具体的，获得目标道路部件对象中的内容信息的过程为：根据目标道路部件对象所属的交通用途类目，获得目标道路部件对象所属的交通用途类目对应的内容信息获得模型，内容信息获得模型为根据目标道路部件对象所属的交通用途类目来识别目标道路部件中的内容信息的模型；根据目标道路部件对象所属的交通用途类目对应的内容信息获得模型，获得目标道路部件对象中的内容信息。
其中，根据目标道路部件对象所属的交通用途类目对应的内容信息获得模型，获得目标道路部件对象中的内容信息，包括：根据目标道路部件对象所属的交通用途类目对应的内容信息获得模型，获得目标道路部件对象中与目标道路部件对象所属的交通用途类目对应的内容信息。目标道路部件对象中的内容信息至少包括数值信息、字母信息、文字信息以及符号信息中的一种。
第十一实施例
与本申请第一实施例提供的一种图像处理方法相对应的，本申请第十一实施例还提供了另一种图像处理方法。由于该方法实施例基本相似于方法第一实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。下述描述的方法实施例仅仅是示意性的。
本申请第十一实施例中提供的图像处理方法，可用于车辆在行驶过程中对车载图像采集装置获得道路场景图像的处理，如自动驾驶汽车在行驶过程中需要通过车载图像采集装置来获得道路场景图像，并结合车载导航***来实现自动导航。由于车辆在行驶过程中在获得道路场景图像后，需要快速地对该道路场景图像进行识别，以便自动驾驶汽车能够先行获得自动驾驶汽车需要执行何种操作，并开始执行该操作。但是，为了能够进一步确定自动驾驶汽车应如何执行该操作，则需要进一步获得目标道路部件对象中的内容信息，并根据目标道路部件对象中的内容信息来确定自动驾驶汽车应如何执行该操作。由于车辆在行驶过程中的行驶速度经常会很快，所以本申请第十一实施例中提供的图像处理方法需要能够快速获得目标道路部件对象中的内容信息。所以，本申请第十一实施例中提供的图像处理方法采取如下方式来获得目标道路部件对象中的内容信息：
首先，通过一级神经网络模型，获得待处理图像的目标道路部件对象所属的交通用途类目，一级神经网络模型为用于对待处理图像进行道路部件对象目标检测，获得待处理图像中的目标道路部件对象，并获得目标道路部件对象所属的交通用途类目的模型。仅获得目标道路部件对象所属的交通用途类目的模型，能够确保自动驾驶汽车能够更快速地获得自动驾驶汽车需要执行何种操作。
然后，根据目标道路部件对象所属的交通用途类目，在一级神经网络模型中获得用于识别目标道路部件中的内容信息的二级神经网络模型。
最后，通过二级神经网络模型，获得目标道路部件对象中的内容信息。
本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本发明的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储介质或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

Claims (35)

1.一种图像处理方法，其特征在于，包括：
对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
获得所述目标道路部件对象所属的交通用途信息；
获得所述目标道路部件对象中的内容信息；
根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
2.根据权利要求1所述的图像处理方法，其特征在于，所述对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象，包括：
根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图；
根据所述目标道路部件对象对应的特征图，获得所述目标道路部件对象。
3.根据权利要求2所述的图像处理方法，其特征在于，所述根据所述目标道路部件对象对应的特征图，获得所述目标道路部件对象，包括：根据所述目标道路部件对象对应的特征图，获得所述目标道路部件对象和所述目标道路部件对象在所述待处理图像中的位置信息。
4.根据权利要求1所述的图像处理方法，其特征在于，所述获得所述目标道路部件对象所属的交通用途信息，包括：
根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图；
获得所述目标道路部件对象对应的特征图的交通用途特征数据；
根据所述目标道路部件对象对应的特征图的交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息。
5.根据权利要求4所述的图像处理方法，其特征在于，所述根据所述目标道路部件对象对应的特征图的交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息，包括：
获得预设交通用途特征数据，所述预设交通用途特征数据为所述目标道路部件对象所属的交通用途信息对应的特征数据；
根据所述目标道路部件对象对应的特征图的交通用途特征数据和所述预设交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息。
6.根据权利要求5所述的图像处理方法，其特征在于，根据所述目标道路部件对象对应的特征图的交通用途特征数据和所述预设交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息，包括：
获得所述目标道路部件对象对应的特征图的交通用途特征数据中包含的所述预设交通用途特征数据；
根据所述目标道路部件对象对应的特征图的交通用途特征数据中包含的所述预设交通用途特征数据，获得所述目标道路部件对象所属的交通用途信息。
7.根据权利要求1所述的图像处理方法，其特征在于，所述获得所述目标道路部件对象中的内容信息，包括：
根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图；
获得所述目标道路部件对象对应的特征图的内容特征数据；
根据所述目标道路部件对象对应的特征图的内容特征数据，获得所述目标道路部件对象中的内容信息。
8.根据权利要求7所述的图像处理方法，其特征在于，所述根据所述目标道路部件对象对应的特征图的内容特征数据，获得所述目标道路部件对象中的内容信息，包括：
根据所述目标道路部件对象对应的特征图的内容特征数据，获得内容信息对应的特征图；
根据所述内容信息对应的特征图，获得所述内容信息和所述内容信息在所述目标道路部件对象中的位置信息。
9.根据权利要求7所述的图像处理方法，其特征在于，所述目标道路部件对象中的内容信息至少包括数值信息、字母信息、文字信息以及符号信息中的一种。
10.根据权利要求2、4、7任一所述的图像处理方法，其特征在于，所述根据所述待处理图像对应的特征图，获得所述目标道路部件对象对应的特征图，包括：
根据所述待处理图像对应的特征图，获得候选目标道路部件对象对应的特征图；
根据所述候选目标道路部件对象对应的特征图，获得所述目标道路部件对象对应的特征图。
11.根据权利要求10所述的图像处理方法，其特征在于，所述根据所述候选目标道路部件对象对应的特征图，获得所述目标道路部件对象对应的特征图，包括：
获得所述候选目标道路部件对象对应的特征图的图像特征数据；
根据所述候选目标道路部件对象对应的特征图的图像特征数据，获得所述目标道路部件对象对应的特征图。
12.根据权利要求11所述的图像处理方法，其特征在于，所述根据所述候选目标道路部件对象对应的特征图的图像特征数据，获得所述目标道路部件对象对应的特征图，包括：
获得所述预设图像特征数据，所述预设图像特征数据为所述目标道路部件对象对应的特征图的图像特征数据中需要包括的图像特征数据；
根据所述候选目标道路部件对象对应的特征图的图像特征数据和所述预设图像特征数据，获得所述目标道路部件对象对应的特征图。
13.根据权利要求12所述的图像处理方法，其特征在于，所述根据所述候选目标道路部件对象对应的特征图的图像特征数据和所述预设图像特征数据，获得所述目标道路部件对象对应的特征图，包括：
判断所述候选目标道路部件对象对应的特征图的图像特征数据中是否包含所述预设图像特征数据；
若是，则将所述候选目标道路部件对象对应的特征图作为所述目标道路部件对象对应的特征图。
14.根据权利要求13所述的图像处理方法，其特征在于，若所述候选目标道路部件对象对应的特征图的图像特征数据中不包含所述预设图像特征数据，则过滤所述候选目标道路部件对象对应的特征图。
15.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目，包括：
根据所述目标道路部件对象所属的交通用途信息，获得所述目标道路部件对象所属的交通用途类目；
根据所述目标道路部件对象所属的交通用途类目和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
16.根据权利要求15所述的图像处理方法，其特征在于，所述根据所述目标道路部件对象所属的交通用途信息，获得所述目标道路部件对象所属的交通用途类目，包括：
获得交通用途类目对应关系，所述交通用途类目对应关系为交通用途信息与交通用途类目之间预设的对应关系；
根据所述目标道路部件对象所属的交通用途信息和所述交通用途类目对应关系，获得所述目标道路部件对象所属的交通用途类目。
17.根据权利要求15所述的图像处理方法，其特征在于，所述根据所述目标道路部件对象所属的交通用途类目和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目，包括：
获得所述内容信息中的字符数据；
根据所述内容信息中的字符数据和所述目标道路部件对象所属的交通用途类目，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
18.根据权利要求17所述的图像处理方法，其特征在于，所述根据所述内容信息中的字符数据和所述目标道路部件对象所属的交通用途类目，确定所述目标道路部件对象所属的交通用途与内容信息组合类目，包括：将所述内容信息中的字符数据不同的所述目标道路部件对象，确定为属于不同的所述目标道路部件对象所属的交通用途与内容信息组合类目，并获得所述目标道路部件对象在所属的所述交通用途类目下的内容信息类目。
19.根据权利要求1所述的图像处理方法，其特征在于，还包括：输出所述目标道路部件对象所属的交通用途与内容信息组合类目。
20.根据权利要求1所述的图像处理方法，其特征在于，所述待处理图像为待处理道路场景图像，所述目标道路部件对象为交通标识牌。
21.根据权利要求1所述的图像处理方法，其特征在于，还包括：
获得初始图像；
对所述初始图像进行去畸变处理，获得所述待处理图像。
22.一种图像处理装置，其特征在于，包括：
目标道路部件对象获得单元，用于对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
交通用途信息获得单元，用于获得所述目标道路部件对象所属的交通用途信息；
内容信息获得单元，用于获得所述目标道路部件对象中的内容信息；
组合类目确定单元，用于根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
23.一种电子设备，其特征在于，包括：
处理器；
存储器，用于存储图像处理方法的程序，该电子设备通电并通过所述处理器运行该图像处理方法的程序后，执行下述步骤：
对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
获得所述目标道路部件对象所属的交通用途信息；
获得所述目标道路部件对象中的内容信息；
根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
24.一种存储介质，其特征在于，存储有电子图像处理方法的程序，该程序被处理器运行，执行下述步骤：
对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
获得所述目标道路部件对象所属的交通用途信息；
获得所述目标道路部件对象中的内容信息；
根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
25.一种图像处理方法，其特征在于，包括：
向服务端发送待处理图像；
获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。
26.根据权利要求25所述的图像处理方法，其特征在于，所述待处理图像为待处理道路场景图像，所述目标道路部件对象为交通标识牌。
27.一种图像处理装置，其特征在于，包括：
待处理图像发送单元，用于向服务端发送待处理图像；
组合类目获得单元，用于获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。
28.一种电子设备，其特征在于，包括：
处理器；
存储器，用于存储图像处理方法的程序，该电子设备通电并通过所述处理器运行该图像处理方法的程序后，执行下述步骤：
向服务端发送待处理图像；
获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。
29.一种存储介质，其特征在于，存储有电子图像处理方法的程序，该程序被处理器运行，执行下述步骤：
向服务端发送待处理图像；
获得所述服务端输出的所述待处理图像中的目标道路部件对象所属的交通用途与内容信息组合类目。
30.一种图像处理***，其特征在于，包括：服务端、客户端；
所述服务端，用于获得所述客户端发送的待处理图像；对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；获得所述目标道路部件对象所属的交通用途信息；获得所述目标道路部件对象中的内容信息；根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目；输出所述目标道路部件对象所属的交通用途与内容信息组合类目；
所述客户端，用于向服务端发送待处理图像；获得所述服务端输出的所述目标道路部件对象所属的交通用途与内容信息组合类目。
31.一种图像处理方法，其特征在于，包括：
对待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象；
获得所述目标道路部件对象所属的交通用途类目；
根据所述目标道路部件对象所属的交通用途类目，获得所述目标道路部件对象所属的交通用途类目对应的内容信息获得模型，所述内容信息获得模型为根据所述目标道路部件对象所属的交通用途类目来识别所述目标道路部件中的内容信息的模型；
根据所述目标道路部件对象所属的交通用途类目对应的内容信息获得模型，获得所述目标道路部件对象中的内容信息。
32.根据权利要求31所述的图像处理方法，其特征在于，所述根据所述目标道路部件对象所属的交通用途类目对应的内容信息获得模型，获得所述目标道路部件对象中的内容信息，包括：
根据所述目标道路部件对象所属的交通用途类目对应的内容信息获得模型，获得所述目标道路部件对象中与所述目标道路部件对象所属的交通用途类目对应的内容信息。
33.根据权利要求31所述的图像处理方法，其特征在于，所述目标道路部件对象中的内容信息至少包括数值信息、字母信息、文字信息以及符号信息中的一种。
34.根据权利要求31所述的图像处理方法，其特征在于，还包括：根据所述目标道路部件对象所属的交通用途信息和所述目标道路部件对象中的内容信息，确定所述目标道路部件对象所属的交通用途与内容信息组合类目。
35.一种图像处理方法，其特征在于，包括：
通过一级神经网络模型，获得待处理图像的目标道路部件对象所属的交通用途类目，所述一级神经网络模型为用于对所述待处理图像进行道路部件对象目标检测，获得所述待处理图像中的目标道路部件对象，并获得所述目标道路部件对象所属的交通用途类目的模型；
根据所述目标道路部件对象所属的交通用途类目，在所述一级神经网络模型中获得用于识别所述目标道路部件中的内容信息的二级神经网络模型；
通过所述二级神经网络模型，获得所述目标道路部件对象中的内容信息。
CN201911084740.7A 2019-11-08 2019-11-08 一种图像处理方法、装置以及电子设备 Active CN112784084B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911084740.7A CN112784084B (zh) 2019-11-08 2019-11-08 一种图像处理方法、装置以及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911084740.7A CN112784084B (zh) 2019-11-08 2019-11-08 一种图像处理方法、装置以及电子设备

Publications (2)

Publication Number Publication Date
CN112784084A true CN112784084A (zh) 2021-05-11
CN112784084B CN112784084B (zh) 2024-01-26

Family

ID=75748060

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911084740.7A Active CN112784084B (zh) 2019-11-08 2019-11-08 一种图像处理方法、装置以及电子设备

Country Status (1)

Country Link
CN (1) CN112784084B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080137908A1 (en) * 2006-12-06 2008-06-12 Mobileye Technologies Ltd. Detecting and recognizing traffic signs
CN104517103A (zh) * 2014-12-26 2015-04-15 广州中国科学院先进技术研究所 一种基于深度神经网络的交通标志分类方法
CN106326858A (zh) * 2016-08-23 2017-01-11 北京航空航天大学 一种基于深度学习的公路交通标志自动识别与管理***
CN106372571A (zh) * 2016-08-18 2017-02-01 宁波傲视智绘光电科技有限公司 路面交通标志检测与识别方法
CN106909886A (zh) * 2017-01-20 2017-06-30 中国石油大学(华东) 一种基于深度学习的高精度交通标志检测方法及***
CN107301383A (zh) * 2017-06-07 2017-10-27 华南理工大学 一种基于Fast R‑CNN的路面交通标志识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080137908A1 (en) * 2006-12-06 2008-06-12 Mobileye Technologies Ltd. Detecting and recognizing traffic signs
CN104517103A (zh) * 2014-12-26 2015-04-15 广州中国科学院先进技术研究所 一种基于深度神经网络的交通标志分类方法
CN106372571A (zh) * 2016-08-18 2017-02-01 宁波傲视智绘光电科技有限公司 路面交通标志检测与识别方法
CN106326858A (zh) * 2016-08-23 2017-01-11 北京航空航天大学 一种基于深度学习的公路交通标志自动识别与管理***
CN106909886A (zh) * 2017-01-20 2017-06-30 中国石油大学(华东) 一种基于深度学习的高精度交通标志检测方法及***
CN107301383A (zh) * 2017-06-07 2017-10-27 华南理工大学 一种基于Fast R‑CNN的路面交通标志识别方法

Also Published As

Publication number Publication date
CN112784084B (zh) 2024-01-26

Similar Documents

Publication Publication Date Title
CN111695486B (zh) 一种基于点云的高精度方向标志牌目标提取方法
CN110348392B (zh) 车辆匹配方法及设备
CN112560971B (zh) 一种主动学习自迭代的图像分类方法和***
WO2023050810A1 (zh) 一种目标检测的方法、装置、电子设备及存储介质、计算机程序产品
CN110599453A (zh) 一种基于图像融合的面板缺陷检测方法、装置及设备终端
CN111126393A (zh) 车辆外观改装判断方法、装置、计算机设备及存储介质
CN109102026B (zh) 一种车辆图像检测方法、装置及***
CN111967545B (zh) 文本检测方法、装置、电子设备及计算机存储介质
CN111915635A (zh) 支持自阅卷的试题解析信息生成方法及***
CN106156691A (zh) 复杂背景图像的处理方法及其装置
CN110728193B (zh) 一种脸部图像丰富度特征的检测方法及设备
CN111444911A (zh) 车牌识别模型的训练方法及装置、车牌识别方法及装置
US9830532B1 (en) Object detection in images using distance maps
CN112926595B (zh) 深度学习神经网络模型的训练装置、目标检测***及方法
CN112287905A (zh) 车辆损伤识别方法、装置、设备及存储介质
CN112784084B (zh) 一种图像处理方法、装置以及电子设备
CN110555344B (zh) 车道线识别方法、装置、电子设备、存储介质
CN113743434A (zh) 一种目标检测网络的训练方法、图像增广方法及装置
CN112801987B (zh) 一种手机零件异常检测方法及设备
CN111383271A (zh) 一种基于图片的方向标注方法及装置
CN112825145B (zh) 人体朝向检测方法、装置、电子设备和计算机存储介质
CN111967460A (zh) 文本检测方法、装置、电子设备及计算机存储介质
CN107886102B (zh) Adaboost分类器训练方法及***
CN110852210A (zh) 车辆重识别模型的生成方法及设备
CN111242112A (zh) 一种图像处理方法、身份信息处理方法及装置

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