CN113011497A - 图像比对方法和*** - Google Patents
图像比对方法和*** Download PDFInfo
- Publication number
- CN113011497A CN113011497A CN202110295349.2A CN202110295349A CN113011497A CN 113011497 A CN113011497 A CN 113011497A CN 202110295349 A CN202110295349 A CN 202110295349A CN 113011497 A CN113011497 A CN 113011497A
- Authority
- CN
- China
- Prior art keywords
- picture
- region
- target object
- scene
- scene graph
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及图像比对方法和***,其中方法包括:获取第一图片、第二图片;抠除所述第一图片中的每个所述目标物体,得到所述第一图片对应的第一场景图;在所述第二图片上生成与每个所述第一区域的位置和大小相同的每个第二区域,将所述第二图片中的每个所述第二区域抠除,得到所述第二图片对应的第二场景图;将所述第一场景图与所述第二场景图进行相似度计算获得计算结果,通过将所述计算结果与预设阈值比较,判断所述第一图片和所述第二图片是否为同一场景图片。本发明可以解决城管事件现场复核时上传的照片无法保证拍摄到有效的现场画面,以及审核人员难以辨认现场处理后的照片是否与案卷发生现场环境相同的问题。
Description
技术领域
本申请涉及图像拍摄技术领域,特别是涉及图像比对方法和***。
背景技术
城管事件指在城市中非固定、且与人的活动行为密切相关的问题,如:占道经营、张贴小广告、道路塌陷等,这些事件具有位置不固定、问题发生随机、种类繁多等特点,因此,需要通过城管人员前往待处理区域进行城管事件处理。
目前,城管事件处理完成后,由城管人员通过终端采集现场照片作为证据留底,并将照片上报至业务平台,再由人工审核现场照片确认该城管事件是否处理完成。由于城管人员拍照缺少约束,无法保证其拍摄到有效的现场画面,加上审核人员难以辨认现场处理后的照片是否与案卷发生现场环境相同,导致难以辨认时需要额外派遣人员现场核查,增加了城管事件复核的工作量。
此外,相关技术中如公告号为CN1186743C的“图像对比装置、方法、图像对比中心装置及图像对比***”提出了一种图像对比***将同一对象物所取得的数张图像的相关信息进行对比,最后输出相似图像的方法,该方法仍未解决数张图像在比对时的拍摄环境是否相同的问题。综上,针对现有技术中城管事件现场复核存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了图像比对方法和***,以至少解决相关技术中城管事件现场复核时审核人员难以辨认现场处理后的照片是否与案卷发生现场环境相同的问题。
第一方面,本申请实施例提供了图像比对方法,所述方法包括:获取第一图片、第二图片,其中,所述第一图片包括至少一个目标物体;提取所述第一图片内每个所述目标物体所在的每个第一区域,抠除所述第一图片中的每个所述目标物体,得到所述第一图片对应的第一场景图;根据每个所述第一区域的位置和大小,在所述第二图片上生成与每个所述第一区域的位置和大小相同的每个第二区域,将所述第二图片中的每个所述第二区域抠除,得到所述第二图片对应的第二场景图;将所述第一场景图与所述第二场景图进行相似度计算获得计算结果,通过将所述计算结果与预设阈值比较,判断所述第一图片和所述第二图片是否为同一场景图片。
在其中一些实施例中,“提取所述第一图片内每个所述目标物体所在的每个第一区域”具体为:检测所述第一图片中的每个目标物体,获得每个所述目标物体的检测结果,基于每个所述检测结果生成每个所述目标物体在所述第一图片中的每个第一区域。
在其中一些实施例中,“检测所述第一图片中的每个目标物体,获得每个所述目标物体的检测结果”包括:将所述第一图片输入到已训练的目标检测模型中,其中,所述第一图片经所述目标检测模型的特征提取网络被提取第一特征图,所述第一特征图通过所述目标检测网络的区域生成网络RPN生成至少一个目标候选框,其中,每个所述目标候选框用于描述一个所述目标物体在所述第一图片中的一个检测结果。
在其中一些实施例中,当所述计算结果满足预设阈值时,根据预设算法将每个相同位置和大小的所述第一区域与所述第二区域进行比对。
在其中一些实施例中,“根据预设算法将每个相同位置和大小的所述第一区域与所述第二区域进行比对”包括:分别提取每个相同位置和大小的所述第一区域与所述第二区域的ORB特征点,以所述ORB特征点为圆心选取多组随机点对,两两比较所述随机点对的像素大小至形成一个二进制编码,将所述二进制编码作为所述ORB特征点的BRIEF描述子;基于所述ORB特征点和所述BRIEF描述子对所述第一区域与所述第二区域进行比对。
在其中一些实施例中,适用于城管事件处理结果的核查,其中,所述第一图片表示为城管事件发生现场的待处理区域,所述第二图片表示为城管事件处置现场的处理后区域;判断每个相同位置和大小的所述第一区域与所述第二区域是否一致,若均不一致,表示所述待处理区域的城管事件已被处理。
在其中一些实施例中,判断所述第一图片和所述第二图片是否为同一场景图片,若否,表示所述处理后区域与所述待处理区域不一致,重新采集所述待处理区域的所述第二图片。
第二方面,本申请实施例提供了一种图像比对***,包括:获取模块,用于获取第一图片、第二图片,其中,所述第一图片包括至少一个目标物体;第一提取模块,用于提取所述第一图片内每个所述目标物体所在的每个第一区域,抠除所述第一图片中的每个所述目标物体,得到所述第一图片对应的第一场景图;第二提取模块,用于根据每个所述第一区域的位置和大小,在所述第二图片上生成与每个所述第一区域的位置和大小相同的每个第二区域,将所述第二图片中的每个所述第二区域抠除,得到所述第二图片对应的第二场景图;比较模块,用于将所述第一场景图与所述第二场景图进行相似度计算获得计算结果,通过将所述计算结果与预设阈值比较,判断所述第一图片和所述第二图片是否为同一场景图片。
第三方面,本申请实施例提供了一种电子装置,包括存储器、处理器以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如上述第一方面所述的图像比对方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的图像比对方法。
相比于相关技术,本申请实施例提供的图像比对方法,城管事件现场复核时审核人员难以辨认现场处理后的照片是否与案卷发生现场环境相同的问题。通过图片对比判断处理前后拍摄的图片场景是否一致,帮助用户自动化分析前后拍摄环境是否相同。利用图片对比判断两张图片相同区域内的图像是否一致,能够有效判断相同场景内事件是否完成处置,例如原有图片中存在垃圾,处置后图片中是否已完成处置,实现处置问题的自动化结案,减少人工复核工作量。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的用于城管事件现场复核的二次拍摄方法的流程图;
图2是本申请实施例的用于城管事件现场复核的二次拍摄***的结构框图;
图3是根据本申请实施例的电子装置的硬件结构示意图;
图4是本申请实施例一中第一图片的示意图;
图5是本申请实施例一中指引标识的示意图;
图6是本申请实施例一中二次拍摄时在终端的拍摄界面的示意图;
图7是本申请实施例的终端的一种可选的硬件结构示意图。
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说明书一个或多个实施例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、本说明书一个或多个实施例的一些方面相一致的装置和方法的例子。
需要说明的是:在其他实施例中并不一定按照本说明书示出和描述的顺序来执行相应方法的步骤。在一些其他实施例中,其方法所包括的步骤可以比本说明书所描述的更多或更少。此外,本说明书中所描述的单个步骤,在其他实施例中可能被分解为多个步骤进行描述;而本说明书中所描述的多个步骤,在其他实施例中也可能被合并为单个步骤进行描述。
实施例一
请参阅图1,所示为本发明实施例一中的图像比对方法,该方法包括步骤101至步骤104:
步骤101,获取第一图片、第二图片,其中,所述第一图片包括至少一个目标物体;
步骤102,提取所述第一图片内每个所述目标物体所在的每个第一区域,抠除所述第一图片中的每个所述目标物体,得到所述第一图片对应的第一场景图;
步骤103,根据每个所述第一区域的位置和大小,在所述第二图片上生成与每个所述第一区域的位置和大小相同的每个第二区域,将所述第二图片中的每个所述第二区域抠除,得到所述第二图片对应的第二场景图;
步骤104,将所述第一场景图与所述第二场景图进行相似度计算获得计算结果,通过将所述计算结果与预设阈值比较,判断所述第一图片和所述第二图片是否为同一场景图片。
在本实施例中,拍摄人员通过终端拍摄城管事件发生现场的第一图片。当城管事件处理完成后,拍摄人员再次对处理后的区域进行拍摄,得到第二图片。利用第一图片与第二图片的场景对比,判断采集到的第二图片与第一图片的拍摄场景是否一致,若不一致则表明处置前后采集的图像区域不一致需要重新采集,若对比一致则表明是相同的场景,***将自动完成拍照。
在步骤102中,“提取所述第一图片内每个所述目标物体所在的每个第一区域”具体为:检测所述第一图片中的每个目标物体,获得每个所述目标物体的检测结果,基于每个所述检测结果生成每个所述目标物体在所述第一图片中的每个第一区域。
在本步骤中,可以通过目前常用的目标检测算法对所述第一图片的目标物体进行检测,常用的目标检测算法有局部二进制模式(Local Binary Pattern,LBP)算法、定向梯度特征结合支持向量机模型以及卷积神经网络(Convolutional Neural Network,CNN)模型等。
作为优选地,本步骤选用卷积神经网络模型检测第一图片中的目标物体,具体地,“检测所述第一图片中的每个目标物体,获得每个所述目标物体的检测结果”包括:
将所述第一图片输入到已训练的目标检测模型中,其中,所述第一图片经所述目标检测模型的特征提取网络被提取第一特征图,所述第一特征图通过所述目标检测网络的区域生成网络RPN生成至少一个目标候选框,其中,每个所述目标候选框用于描述一个所述目标物体在所述第一图片中的一个检测结果。
在本例中,输入任意大小的第一图像,通过特征提取网络提取第一特征图,第一特征图通过RPN生成目标候选框,基于softmax判断anchors,是预测框还是背景,再通过边框回归(bounding box regression)进行修正anchors,也就是进一步确定目标候选框,提高目标候选框的精确度,在本步骤中,输入如图4所示的第一图像,目标检测模型能够检测到垃圾袋作为城管事件的目标物体,基于检测结果通过目标候选框来描述目标物体在第一图片中的位置(目标候选框在图4中未示出)。检测结果可以是目标物体的边界框参数,例如目标物体边界框的左上角坐标和右下角坐标,在本例中通过矩形的目标候选框表示目标物体的大小和位置,也就是说,相同位置和大小的第一区域和第二区域应当具有相同的左上角坐标和右下角坐标。
此外,在第一图片中的目标物体可以是单个,也可以是多个的,本申请对此不做限定。需要说明的是,本申请中示出的目标检测模型将描述待处理城管事件的区域作为作为目标物体,当同一场景下存在多个城管事件,则第一图片中的目标物体可以为多个,相应的,对应目标物体的目标候选框也为多个,根据目标候选框进行剪裁,提取出第一场景图。
目标候选框用于描述目标物体在第一图片中的第一区域,在第二图片上生成与第一区域的位置和大小对应的第二区域,根据第二区域进行检测,提取出第二场景图,通过模型进行相似度比对,当相似度满足预设阈值时,表示两次拍摄结果所处环境相同,***以第二图片作为拍摄到的处理后区域的图片,否则,重新拍摄处理后区域的照片。
在本例中,***判断城管事件是否处置完成之前,先对两次拍摄的场景图片进行相似度比对,防止采集到的第二图片与案卷发生现场的第一图片场景不同,导致后续难以辨认城管事件是否处置完成。
本申请应用场景为基于事件处理结果的判断诉求,根据终端针对同一区域或场景的拍摄照片,实现对该区域或场景的事件处理结果判断,一般由拍摄人员手持终端设备对现场进行拍照后上传。通常情况下,同一拍摄人员在案件处理前后的两次拍摄得到的图片大小一样,所以抠除每个第二区域后得到所述第二图片对应的第二场景图可以直接与第一场景图进行相似度比对。在其它实施例中,针对本申请应用场景存在的获取的两次拍摄图片的尺寸不一致的情况,可以先裁剪第一场景图和/或第二场景图的尺寸使比较前的图片大小一样,再进行相似度比对。
本申请中对场景图的比对以及对目标物体所在位置和大小的第一区域、第二区域的比对都可以通过特征点比对法。在本例中示出了比较同一位置和大小的第一区域、第二区域是否一致的方法。具体的,分别提取每个相同位置和大小的所述第一区域与所述第二区域的ORB特征点,以所述ORB特征点为圆心选取多组随机点对,两两比较所述随机点对的像素大小至形成一个二进制编码,将所述二进制编码作为所述ORB特征点的BRIEF描述子;基于所述ORB特征点和所述BRIEF描述子对所述第一区域与所述第二区域进行比对。
在本步骤中,图像的特征点可以简单理解为为图像中比较显著的点,如轮廓点,较暗区域中的亮点,较亮区域中的暗点等。当以某种理想的方式分别计算描述子时,应该得出同样的结果。即描述子应该对光照(亮度)不敏感,具备尺度一致性(大小),旋转一致性(角度)等。这个定义基于特征点周围的图像灰度值,检测候选特征点周围一圈的像素值,如果候选点周围领域内有足够多的像素点与该候选点的灰度值差别够大,则认为该候选点为一个特征点。得到特征点后需要用描述子来描述这些特征点的属性。
在现实生活中,我们从不同的距离,不同的方向、角度,不同的光照条件下观察一个物体时,物体的大小,形状,明暗都会有所不同。但我们的大脑依然可以判断它是同一件物体。理想的特征描述子应该具备这些性质。即,在大小、方向、明暗不同的图像中,同一特征点应具有足够相似的描述子,称之为描述子的可复现性。当以某种理想的方式分别计算描述子时,应该得出同样的结果。即描述子应该对光照(亮度)不敏感,具备尺度一致性(大小),旋转一致性(角度)等。
ORB并没有解决尺度一致性问题,在OpenCV的ORB实现中采用了图像金字塔来改善这方面的性能。ORB主要解决BRIEF描述子不具备旋转不变性的问题。在本方案中采用oFAST特征点和rBRIEF描述子相结合的方式获取ORB特征点,该ORB特征点在计算描述子时建立的坐标是以ORB特征点为圆心,以ORB特征点与取点区域形成的连线PQ为X轴建立二维坐标系,由于圆心是固定且随着物体的旋转而旋转的,当以连线PQ作为坐标轴时,在不同的旋转角度下,以同一取点模式取出的点是一致的。
在本例中,通过获取ORB特征点对第一区域、第二区域进行比较,判断每个相同位置和大小的第一区域与第二区域是否一致,若均不一致,表示城管事件已被处理,否则表明事件未被处理,需要重新上传第二图片。
在本方案中,为了保证两次拍摄都能拍摄到有效的现场照片,提供了一种便于采集第一图片、第二图片的方法。
示例性的,参考图4,在图4中第一次拍摄到的垃圾桶外存在垃圾,对垃圾桶进行拍摄,终端自动生成第一拍摄位置、第一拍摄角度。当二次拍摄时,如图5所示,当前地图,通过气泡点表示第一拍摄位置,以第一拍摄位置作为参照,指引拍摄人员前往拍摄地点进行拍摄。位于左上角的圆点标识用于描述第一拍摄方向,作为二次拍摄的参照,在圆点附近有一带方向箭头,箭头指向的方向即为终端的当前拍摄角度,调整当前拍摄角度使箭头指向圆点标识,即第二拍摄方向与第一拍摄方向达到一致,且GPS点位一致后对现场进行二次拍摄,***采集第二图片。通过图片对比判断处理前后拍摄的图片场景是否一致,帮助用户自动化分析前后拍摄环境是否相同,若不相同,需要重新拍摄处理后区域的照片。
确定场景一致后,利用图片对比判断两张图片相同区域内的图像是否一致,能够有效判断相同场景内事件是否完成处置,例如图4中存在垃圾,处置后的第二图片如图6中垃圾已被处理,在图像对比后能根据垃圾所在区域的前后图像是否一致,判断城管事件有无处理完成,若已处理,则自动化结案,大大减少人工复核工作量。
进一步地,在本申请中,终端可以是向用户提供拍照和/或数据连通性的设备,具有无线连接功能的手持式设备、或连接到无线调制解调器的其他处理设备,比如:数码相机、单反相机、摄像机、移动电话(或称为“蜂窝”电话)、智能手机,可以是便携式、袖珍式、手持式、可穿戴设备(如智能手表等)、平板电脑、个人电脑(PC,Personal Computer)、PDA(Personal Digital Assistant,个人数字助理)、车载电脑、无人机、航拍器等。
图7示出了终端700的一种可选的硬件结构示意图。
参考图7所示,终端700可以包括射频单元710、存储器720、输入单元730、显示单元740、摄像头750、音频电路760、扬声器761、麦克风762、处理器770、外部接口780、电源790等部件。本领域技术人员可以理解,图7仅仅是终端700的举例,并不构成对终端700的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
摄像头750用于采集图像或视频,可以通过应用程序指令触发开启,实现拍照或者摄像功能。摄像头可以包括成像镜头,滤光片,图像传感器等部件。物体发出或反射的光线进入成像镜头,通过滤光片,最终汇聚在图像传感器上。成像镜头主要是用于对拍照视角中的所有物体(也可称为待拍摄场景、待拍摄对象、目标场景或目标对象,也可以理解为用户期待拍摄的场景图像)发出或反射的光汇聚成像;滤光片主要是用于将光线中的多余光波(例如除可见光外的光波,如红外)滤去;图像传感器主要是用于对接收到的光信号进行光电转换,转换成电信号,并输入到处理器770进行后续处理。其中,摄像头可以位于终端设备的前面,也可以位于终端设备的背面,它们个个数以及具体的排布方式可以根据设计者或厂商策略的需求灵活确定,本申请不做限定。
所述输入单元730可用于接收输入的数字或字符信息,以及产生与所述便携式多功能装置的用户设置以及功能控制有关的键信号输入。具体地,输入单元730可包括触摸屏731以及其他输入设备732。所述触摸屏731可收集用户在其上或附近的触摸操作(比如用户使用手指、关节、触笔等任何适合的物体在触摸屏上或在触摸屏附近的操作),并根据预先设定的程序驱动相应的连接装置。触摸屏可以检测用户对触摸屏的触摸动作,将所述触摸动作转换为触摸信号发送给所述处理器770,并能接收所述处理器770发来的命令并加以执行;所述触摸信号至少包括触点坐标信息。所述触摸屏731可以提供所述终端700和用户之间的输入界面和输出界面。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触摸屏。除了触摸屏731,输入单元730还可以包括其他输入设备。具体地,其他输入设备732可以包括但不限于物理键盘、功能键(比如音量控制按键732、开关按键733等)、轨迹球、鼠标、操作杆等中的一种或多种。
所述显示单元740可用于显示由用户输入的信息或提供给用户的信息以及终端700的各种菜单。在本发明实施例中,显示单元还用于显示设备利用摄像头750获取到的图像,可以包括某些拍摄模式下的预览图像、拍摄的初始图像以及拍摄后经过一定算法处理后的目标图像。
进一步的,触摸屏731可覆盖显示面板741,当触摸屏731检测到在其上或附近的触摸操作后,传送给处理器770以确定触摸事件的类型,随后处理器770根据触摸事件的类型在显示面板741上提供相应的视觉输出。在本实施例中,触摸屏与显示单元可以集成为一个部件而实现终端700的输入、输出、显示功能;为便于描述,本发明实施例以触摸显示屏代表触摸屏和显示单元的功能集合;在某些实施例中,触摸屏与显示单元也可以作为两个独立的部件。
所述存储器720可用于存储指令和数据,存储器720可主要包括存储指令区和存储数据区,存储数据区可存储媒体文件和文本等数据;存储指令区可存储操作***、应用、至少一个功能所需的指令等软件单元,或者他们的子集、扩展集。还可以包括非易失性随机存储器;向处理器770提供包括管理计算处理设备中的硬件、软件以及数据资源,支持控制软件和应用,还用于多媒体文件的存储,以及运行程序和应用的存储。
处理器770是终端700的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器720内的指令以及调用存储在存储器720内的数据,执行终端700的各种功能和处理数据,从而对手机进行整体监控。可选的,处理器770可包括一个或多个处理单元;优选的,处理器770可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器770中。在一些实施例中,处理器、存储器、可以在单一芯片上实现,在一些实施例中,他们也可以在独立的芯片上分别实现。处理器770还可以用于产生相应的操作控制信号,发给计算处理设备相应的部件,读取以及处理软件中的数据,尤其是读取和处理存储器720中的数据和程序,以使其中的各个功能模块执行相应的功能,从而控制相应的部件按指令的要求进行动作。
所述射频单元710可用于收发信息或通话过程中信号的接收和发送,特别地,将基站的下行信息接收后,给处理器770处理;另外,将设计上行的数据发送给基站。通常,RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器(Low NoiseAmplifier,LNA)、双工器等。此外,射频单元710还可以通过无线通信与网络设备和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯***(Global System of Mobile communication,GSM)、通用分组无线服务(General PacketRadio Service,GPRS)、码分多址(Code Division Multiple Access,CDMA)、宽带码分多址(Wideband Code Division Multiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)、电子邮件、短消息服务(Short Messaging Service,SMS)等。
音频电路760、扬声器761、麦克风762可提供用户与终端700之间的音频接口。音频电路760可将接收到的音频数据转换后的电信号,传输到扬声器761,由扬声器761转换为声音信号输出;另一方面,麦克风762用于收集声音信号,还可以将收集的声音信号转换为电信号,由音频电路760接收后转换为音频数据,再将音频数据输出处理器770处理后,经射频单元710以发送给比如另一终端,或者将音频数据输出至存储器720以便进一步处理,音频电路也可以包括耳机插孔763,用于提供音频电路和耳机之间的连接接口。
终端700还包括给各个部件供电的电源790(比如电池),优选的,电源可以通过电源管理***与处理器770逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。
终端700还包括外部接口780,所述外部接口可以是标准的Micro USB接口,也可以是多针连接器,可以用于连接终端700与其他装置进行通信,也可以用于连接充电器为终端700充电。
尽管未示出,终端700还可以包括闪光灯、无线保真(wireless fidelity,WiFi)模块、蓝牙模块、不同功能的传感器等,在此不再赘述。下文中描述的部分或全部方法均可以应用在如图7所示的终端中。
综上,针对上述实施例一,本发明提出了一种图像比对方法,通过图像对比方法,***会自动采集当前现场的图片与第一次拍摄的图片进行对比,对比的内容有两块,一是第一次拍照时事件所在照片中的区域范围(图4所示的垃圾袋)与第二次采集现场图片相同区域对比,二是第一次照片中不含事件的区域范围(即图4中垃圾袋以外的区域)。值得注意的是,在本申请中识别目标物体的目标检测模型可以通过输入不同的训练集训练得到,例如,通过识别图片中是否有垃圾,判断城管事件是否处置完成;通过识别违停区域内是否有车辆,判断城管事件是否处置完成。此外,还可以用图像对比方法判断任意两帧视频图像中的城管事件是否属于相同事件。例如通过视频自动发现违停,那么在第一张图片中存在一辆违停车辆,根据车牌号***自动通知车主挪车,再次通过视频识别后第二章图片中若相同区域仍旧存在一辆车辆,可通过对比分析是否同一辆车,若不同则代表第一张图片的违停事件车主自治完成处理,减少任何核查工作量。
实施例二
基于相同的技术构思,图2示例性的示出了本发明实施例提供的一种图像比对***,包括:
获取模块201,用于获取第一图片、第二图片,其中,所述第一图片包括至少一个目标物体;
第一提取模块202,用于提取所述第一图片内每个所述目标物体所在的每个第一区域,抠除所述第一图片中的每个所述目标物体,得到所述第一图片对应的第一场景图;
第二提取模块203,用于根据每个所述第一区域的位置和大小,在所述第二图片上生成与每个所述第一区域的位置和大小相同的每个第二区域,将所述第二图片中的每个所述第二区域抠除,得到所述第二图片对应的第二场景图;
比较模块204,用于将所述第一场景图与所述第二场景图进行相似度计算获得计算结果,通过将所述计算结果与预设阈值比较,判断所述第一图片和所述第二图片是否为同一场景图片.
本实施例还提供了一种电子装置,参考图3,包括存储器304和处理器302,该存储器304中存储有计算机程序,该处理器302被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
具体地,上述处理器302可以包括中央处理器(CPU),或者特定集成电路(ApplicationSpecificIntegratedCircuit,简称为ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中,存储器304可以包括用于数据或指令的大容量存储器304。举例来说而非限制,存储器304可包括硬盘驱动器(HardDiskDrive,简称为HDD)、软盘驱动器、固态驱动器(SolidStateDrive,简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerialBus,简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器304可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器304可在数据处理装置的内部或外部。在特定实施例中,存储器304是非易失性(Non-Volatile)存储器。在特定实施例中,存储器304包括只读存储器(Read-OnlyMemory,简称为ROM)和随机存取存储器(RandomAccessMemory,简称为RAM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(ProgrammableRead-OnlyMemory,简称为PROM)、可擦除PROM(ErasableProgrammableRead-OnlyMemory,简称为EPROM)、电可擦除PROM(ElectricallyErasableProgrammableRead-OnlyMemory,简称为EEPROM)、电可改写ROM(ElectricallyAlterableRead-OnlyMemory,简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下,该RAM可以是静态随机存取存储器(StaticRandom-AccessMemory,简称为SRAM)或动态随机存取存储器(DynamicRandomAccessMemory,简称为DRAM),其中,DRAM可以是快速页模式动态随机存取存储器304(FastPageModeDynamicRandomAccessMemory,简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDateOutDynamicRandomAccessMemory,简称为EDODRAM)、同步动态随机存取内存(SynchronousDynamicRandom-AccessMemory,简称SDRAM)等。
存储器304可以用来存储或者缓存需要处理和/或通信使用的各种数据文件,以及处理器302所执行的可能的计算机程序指令。
处理器302通过读取并执行存储器304中存储的计算机程序指令,以实现上述实施例中的任意图像比对方法。
可选地,上述电子装置还可以包括传输设备306以及输入输出设备308,其中,该传输设备306和上述处理器302连接,该输入输出设备308和上述处理器302连接。
传输设备306可以用来经由一个网络接收或者发送数据。上述的网络具体实例可包括电子装置的通信供应商提供的有线或无线网络。在一个实例中,传输设备包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备306可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
输入输出设备308用于输入或输出信息。例如,上述输入输出设备可以是显示屏、音箱、麦克、鼠标、键盘或其他设备。在本实施例中,输入的信息可以是数据、表格、图像、实时视频,输入的信息可以是推荐结果的文本、图表等等。
可选地,在本实施例中,上述处理器302可以被设置为通过计算机程序执行以下步骤:
S101、获取第一图片、第二图片,其中,所述第一图片包括至少一个目标物体;
S102、提取所述第一图片内每个所述目标物体所在的每个第一区域,抠除所述第一图片中的每个所述目标物体,得到所述第一图片对应的第一场景图;
S103、根据每个所述第一区域的位置和大小,在所述第二图片上生成与每个所述第一区域的位置和大小相同的每个第二区域,将所述第二图片中的每个所述第二区域抠除,得到所述第二图片对应的第二场景图;
S104、将所述第一场景图与所述第二场景图进行相似度计算获得计算结果,通过将所述计算结果与预设阈值比较,判断所述第一图片和所述第二图片是否为同一场景图片。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
另外,结合上述实施例中的图像比对方法,本申请实施例可提供一种存储介质来实现。该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上述实施例中的任意图像比对方法。
本领域的技术人员应该明白,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像比对方法,其特征在于,所述方法包括:
获取第一图片、第二图片,其中,所述第一图片包括至少一个目标物体;
提取所述第一图片内每个所述目标物体所在的每个第一区域,抠除所述第一图片中的每个所述目标物体,得到所述第一图片对应的第一场景图;
根据每个所述第一区域的位置和大小,在所述第二图片上生成与每个所述第一区域的位置和大小相同的每个第二区域,将所述第二图片中的每个所述第二区域抠除,得到所述第二图片对应的第二场景图;
将所述第一场景图与所述第二场景图进行相似度计算获得计算结果,通过将所述计算结果与预设阈值比较,判断所述第一图片和所述第二图片是否为同一场景图片。
2.根据权利要求1所述的图像比对方法,其特征在于,“提取所述第一图片内每个所述目标物体所在的每个第一区域”具体为:
检测所述第一图片中的每个目标物体,获得每个所述目标物体的检测结果,基于每个所述检测结果生成每个所述目标物体在所述第一图片中的每个第一区域。
3.根据权利要求1所述的图像比对方法,其特征在于,“检测所述第一图片中的每个目标物体,获得每个所述目标物体的检测结果”包括:
将所述第一图片输入到已训练的目标检测模型中,其中,所述第一图片经所述目标检测模型的特征提取网络被提取第一特征图,所述第一特征图通过所述目标检测网络的区域生成网络RPN生成至少一个目标候选框,其中,每个所述目标候选框用于描述一个所述目标物体在所述第一图片中的一个检测结果。
4.根据权利要求1所述的图像比对方法,其特征在于,当所述计算结果满足预设阈值时,根据预设算法将每个相同位置和大小的所述第一区域与所述第二区域进行比对。
5.根据权利要求4所述的图像比对方法,其特征在于,
“根据预设算法将每个相同位置和大小的所述第一区域与所述第二区域进行比对”包括:
分别提取每个相同位置和大小的所述第一区域与所述第二区域的ORB特征点,以所述ORB特征点为圆心选取多组随机点对,两两比较所述随机点对的像素大小至形成一个二进制编码,将所述二进制编码作为所述ORB特征点的BRIEF描述子;
基于所述ORB特征点和所述BRIEF描述子对所述第一区域与所述第二区域进行比对。
6.根据权利要求4所述的图像比对方法,其特征在于,
适用于城管事件处理结果的核查,其中,所述第一图片表示为城管事件发生现场的待处理区域,所述第二图片表示为城管事件处置现场的处理后区域;
判断每个相同位置和大小的所述第一区域与所述第二区域是否一致,若均不一致,表示所述待处理区域的城管事件已被处理。
7.根据权利要求6所述的图像比对方法,其特征在于,判断所述第一图片和所述第二图片是否为同一场景图片,若否,表示所述处理后区域与所述待处理区域不一致,重新采集所述待处理区域的所述第二图片。
8.一种图像比对***,其特征在于,包括:
获取模块,用于获取第一图片、第二图片,其中,所述第一图片包括至少一个目标物体;
第一提取模块,用于提取所述第一图片内每个所述目标物体所在的每个第一区域,抠除所述第一图片中的每个所述目标物体,得到所述第一图片对应的第一场景图;
第二提取模块,用于根据每个所述第一区域的位置和大小,在所述第二图片上生成与每个所述第一区域的位置和大小相同的每个第二区域,将所述第二图片中的每个所述第二区域抠除,得到所述第二图片对应的第二场景图;
比较模块,用于将所述第一场景图与所述第二场景图进行相似度计算获得计算结果,通过将所述计算结果与预设阈值比较,判断所述第一图片和所述第二图片是否为同一场景图片。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的图像比对方法。
10.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至7中任一项所述的图像比对方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110295349.2A CN113011497B (zh) | 2021-03-19 | 2021-03-19 | 图像比对方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110295349.2A CN113011497B (zh) | 2021-03-19 | 2021-03-19 | 图像比对方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113011497A true CN113011497A (zh) | 2021-06-22 |
CN113011497B CN113011497B (zh) | 2023-06-20 |
Family
ID=76403063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110295349.2A Active CN113011497B (zh) | 2021-03-19 | 2021-03-19 | 图像比对方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011497B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113807445A (zh) * | 2021-09-23 | 2021-12-17 | 城云科技(中国)有限公司 | 案卷复核方法、装置及电子装置、计算机程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002787A (zh) * | 2018-07-09 | 2018-12-14 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
CN110933299A (zh) * | 2019-11-18 | 2020-03-27 | 深圳传音控股股份有限公司 | 一种图像处理方法、装置及计算机存储介质 |
WO2020062804A1 (zh) * | 2018-09-25 | 2020-04-02 | 平安科技(深圳)有限公司 | 自然场景中行驶证拍照影像的识别方法、装置及电子设备 |
-
2021
- 2021-03-19 CN CN202110295349.2A patent/CN113011497B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109002787A (zh) * | 2018-07-09 | 2018-12-14 | Oppo广东移动通信有限公司 | 图像处理方法和装置、存储介质、电子设备 |
WO2020062804A1 (zh) * | 2018-09-25 | 2020-04-02 | 平安科技(深圳)有限公司 | 自然场景中行驶证拍照影像的识别方法、装置及电子设备 |
CN110933299A (zh) * | 2019-11-18 | 2020-03-27 | 深圳传音控股股份有限公司 | 一种图像处理方法、装置及计算机存储介质 |
Non-Patent Citations (1)
Title |
---|
李祥攀;张彪;孙凤池;刘杰;: "基于多视角RGB-D图像帧数据融合的室内场景理解", 计算机研究与发展, no. 06 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113807445A (zh) * | 2021-09-23 | 2021-12-17 | 城云科技(中国)有限公司 | 案卷复核方法、装置及电子装置、计算机程序产品 |
CN113807445B (zh) * | 2021-09-23 | 2024-04-16 | 城云科技(中国)有限公司 | 案卷复核方法、装置及电子装置、可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113011497B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107590461B (zh) | 人脸识别方法及相关产品 | |
CN104135609B (zh) | 辅助拍照方法、装置及终端 | |
CN108664957B (zh) | 车牌号码匹配方法及装置、字符信息匹配方法及装置 | |
CN107729889B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
CN109002787B (zh) | 图像处理方法和装置、存储介质、电子设备 | |
CN111464716B (zh) | 一种证件扫描方法、装置、设备及存储介质 | |
CN107463818B (zh) | 解锁控制方法及相关产品 | |
CN107679481B (zh) | 解锁控制方法及相关产品 | |
EP3623973B1 (en) | Unlocking control method and related product | |
CN109671106A (zh) | 一种图像处理方法、装置与设备 | |
CN104143078A (zh) | 活体人脸识别方法、装置和设备 | |
CN109086761B (zh) | 图像处理方法和装置、存储介质、电子设备 | |
CN107563170A (zh) | 指纹解锁方法及相关产品 | |
CN107451454B (zh) | 解锁控制方法及相关产品 | |
CN108989665A (zh) | 图像处理方法、装置、移动终端及计算机可读介质 | |
CN109325518B (zh) | 图像的分类方法、装置、电子设备和计算机可读存储介质 | |
WO2015100913A1 (zh) | 图像缩略图的生成方法、装置和终端 | |
CN107623806B (zh) | 图像处理方法及相关产品 | |
CN110463177A (zh) | 文档图像的校正方法及装置 | |
CN104463105A (zh) | 路牌识别方法及装置 | |
CN111104967A (zh) | 图像识别网络训练方法、图像识别方法、装置及终端设备 | |
CN108427938A (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN110677580B (zh) | 拍摄方法、装置、存储介质及终端 | |
CN109561255B (zh) | 终端拍照方法、装置及存储介质 | |
CN110519503A (zh) | 一种扫描图像的获取方法及移动终端 |
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 |