CN114648709A - 一种确定图像差异信息的方法与设备 - Google Patents

Abstract

本申请的目的是提供一种确定图像差异信息的方法与设备，包括：获取无人机设备拍摄的关于目标区域的无人机图像及所述无人机图像被拍摄时所述无人机设备对应的拍摄位姿信息；基于所述拍摄位姿信息从图像数据库中确定所述目标区域的模板图像；对所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像；根据所述匹配图像确定所述无人机图像的图像差异信息。本申请能够识别无人机图像中发生变化的区域，无需深度学习算法及相应的大数据预先学习过程，节省成本的同时，减少了大量部署时间。

Description

一种确定图像差异信息的方法与设备

技术领域

本申请涉及通信领域，尤其涉及一种用于确定图像差异信息的技术。

背景技术

随近年来，科学技术迅猛发展，无人机技术渐渐走入人们的视野。无人机凭借其特有的优势，迅速应用于各行业。随着高速公路数字化、智能化的逐渐普及，无人机在高速公路领域也展现出来越来越多的应用前景。无人机飞得高，看得远，特别是在监控特定场景时，无人机上搭载的高清摄像机可以第一时间将画面实时传输到监控平台，方便管理部门及时反应。目前已有基于遥感地图或航拍地图识别地理场景变化的***，***使用部署复杂，成本昂贵，很难适用于普通管理部门的使用。另外，此类***所使用的图像大多是超高空图像，很难识别小区域范围的场景变化。

发明内容

本申请的一个目的是提供一种确定图像差异信息的方法与设备。

根据本申请的一个方面，提供了一种确定图像差异信息的方法，该方法包括：

获取无人机设备拍摄的关于目标区域的无人机图像及所述无人机图像被拍摄时所述无人机设备对应的拍摄位姿信息；

基于所述拍摄位姿信息从图像数据库中确定所述目标区域的模板图像，其中，所述模板图像的模板拍摄位姿信息与所述拍摄位姿信息相匹配；

对所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像；

根据所述匹配图像确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。

根据本申请的另一个方面，提供了一种确定图像差异信息的设备，其中，该设备包括：

一一模块，用于获取无人机设备拍摄的关于目标区域的无人机图像及所述无人机图像被拍摄时所述无人机设备对应的拍摄位姿信息；

一二模块，用于基于所述拍摄位姿信息从图像数据库中确定所述目标区域的模板图像，其中，所述模板图像的模板拍摄位姿信息与所述拍摄位姿信息相匹配；

一三模块，用于对所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像；

一四模块，用于根据所述匹配图像确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。

根据本申请的一个方面，提供了一种计算机设备，其中，该设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上任一所述方法的步骤。

根据本申请的一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令在被执行时使得***进行执行如上任一所述方法的步骤。

根据本申请的一个方面，提供了一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现如上任一所述方法的步骤。

与现有技术相比，本申请通过分析无人机设备拍摄的无人机图像，并将其与数据库中的模板图像进行对比，识别无人机图像中发生变化的区域，无需深度学习算法及相应的大数据预先学习过程，节省成本的同时，减少了大量部署时间。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示出根据本申请一个实施例的一种确定图像差异信息的方法流程图；

图2示出根据本申请另一个实施例的一种计算机设备100的功能模块；

图3示出可被用于实施本申请中所述的各个实施例的示例性***。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本申请作进一步详细描述。

在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(例如，中央处理器(Central Processing Unit，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(RandomAccess Memory，RAM)和/或非易失性内存等形式，如只读存储器(Read Only Memory，ROM)或闪存(Flash Memory)。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(Phase-Change Memory，PCM)、可编程随机存取存储器(Programmable Random Access Memory，PRAM)、静态随机存取存储器(Static Random-Access Memory，SRAM)、动态随机存取存储器(Dynamic Random AccessMemory，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(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字多功能光盘(Digital Versatile Disc,DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备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。

本申请所指设备包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备。所述用户设备包括但不限于任何一种可与用户进行人机交互的移动电子产品，例如智能手机、平板电脑、无人机设备等，所述移动电子产品可以采用任意操作***，如Android操作***、iOS操作***等。其中，所述网络设备包括一种能够按照事先设定或存储的指令，自动进行数值计算和信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑器件(Programmable Logic Device，PLD)、现场可编程门阵列(Field Programmable GateArray，FPGA)、数字信号处理器(Digital Signal Processor，DSP)、嵌入式设备等。所述网络设备包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，所述设备还可以是运行于所述用户设备、网络设备、或用户设备与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的程序。

当然，本领域技术人员应能理解上述设备仅为举例，其他现有的或今后可能出现的设备如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。

在本申请的描述中，“多个”的含义是两个或者更多，除非另有明确具体的限定。

图1示出了根据本申请一个方面的一种确定图像差异信息的方法，其中，该方法应用于计算机设备，具体包括步骤S101、步骤S102、步骤S103以及步骤S104。在步骤S101中，获取无人机设备拍摄的关于目标区域的无人机图像及所述无人机图像被拍摄时所述无人机设备对应的拍摄位姿信息；在步骤S102中，基于所述拍摄位姿信息从图像数据库中确定所述目标区域的模板图像，其中，所述模板图像的模板拍摄位姿信息与所述拍摄位姿信息相匹配；在步骤S103中，对所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像；在步骤S104中，根据所述匹配图像确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。在此，所述计算机设备包括带有数据处理装置的设备，具体包括但不限于用户设备、网络设备、或用户设备与网络设备通过网络相集成所构成的设备，例如，该计算机设备包括带有数据处理装置的无人机设备，或者与无人机设备存在通信连接的地面处理设备，还或者与无人机设备存在通信连接的远程服务器等。在此，本申请以计算机设备包括地面处理设备为例阐述以下实施例，本领域技术人员应能理解以下该等实施例同样适用于其他场景。

具体而言，在步骤S101中，获取无人机设备拍摄的关于目标区域的无人机图像及所述无人机图像被拍摄时所述无人机设备对应的拍摄位姿信息。例如，无人机设备包括摄像装置，用于拍摄对应区域的无人机图像，例如，通过自动巡航功能按照预设路线拍摄关于城市道路或者建筑区域的无人机视角影像，或者通过人工控制无人机巡航等；所述无人机设备还包括位姿传感器等，用于获取无人机设备对应的拍摄位姿信息，该拍摄位姿信息包括无人机设备的拍摄位置信息(例如，相对无人机起飞位置的相对高度、相对经纬度等；还如，无人机设备当前的绝对高度、绝对经纬度等)和无人机摄像装置的拍摄姿态信息，该拍摄姿态信息包括无人机云台的角度信息，如yaw/pitch/roll，其中，yaw为偏航角，pitch为俯仰角，roll为翻滚角等。所述无人机设备获取对应拍摄位姿信息，并与预设拍摄位姿信息相比较，若当前拍摄位姿信息与预设拍摄位姿信息的位姿差值小于位姿差值阈值时，无人机设备通过摄像装置拍摄对应区域的无人机图像；具体地，例如，无人机设备可以根据预设拍摄位姿信息设定巡航路线，然后自动巡航，或者人工控制巡航等，如，无人机设备先巡航到预设位置，再根据预设姿态信息调整当前摄像装置的拍摄姿态信息使得通过摄像装置能够拍摄到对应区域的无人机图像，又如，无人机设备先根据预设姿态信息调整当前摄像装置的拍摄姿态信息，再巡航到预设位置等。所述无人机设备还包括数据传输装置，用于将无人机图像发送至计算机设备或其他设备，还用于接收计算机设备或者其他设备的拍摄指令、飞行指令等。计算机设备可以接收无人机设备发送的无人机图像，或者接收无人机设备经由其他设备转发的无人机图像，该无人机图像的数量可以是一个或多个，计算机设备可以基于对应一个或多个无人机图像取一个图像帧作为当前无人机图像进行处理等。其中，无人机图像传输的同时还包括每个无人机图像被拍摄时无人机设备的拍摄位姿信息，该拍摄位姿信息包括无人机图像被拍摄时无人机设备对应的拍摄位置信息及拍摄姿态信息等。

在一些情形下，无人机设备可以按预先设定好的路线进行自动巡航，也可以人工控制无人机巡航等，通过挂载在无人机上的摄像装置在预先设定好的拍摄位置，基于预先设定好的拍摄姿态信息对监控点或者监控区域进行拍摄，并把拍摄到的无人机图像传输至计算机设备，用于后续视觉识别。

在步骤S102中，基于所述拍摄位姿信息从图像数据库中确定所述目标区域的模板图像，其中，所述模板图像的模板拍摄位姿信息与所述拍摄位姿信息相匹配。例如，对应图像数据库中用于存储目标区域的模板图像，每个目标区域包括一个或多个数量相同或不同的模板图像，每个模板图像包括该模板图像采集时的拍摄位姿信息，例如，每个模板图像采集时获取该模板图像对应的拍摄位置信息及对应拍摄姿态信息，从而将对应拍摄位置信息及拍摄姿态信息与模板图像建立映射关系，一并存储至模板图像数据库中。具体地，对于目标区域，根据预设拍摄位姿信息，提前对目标区域进行拍摄，确定目标区域对应的模板图像，即，模板图像对应的模板拍摄位姿信息与预设拍摄位姿信息相同。在一些实施方式下，该模板图像包括对应图像标识信息，例如，图像名称、图像对应目标区域标识或者序列号等。对应模板图像的拍摄位姿信息可以是预先获取，从而保证模板图像与无人机图像的拍摄位姿信息尽可能保持一致，用于识别相同目标区域的场景异常等。对于同一目标区域的模板图像的数量可以是一个或多个，在一些实施方式中，所述模板图像的图像数量大于或等于预设数量阈值。例如，对于每个目标区域基于预先设置的拍摄位姿信息采集图像数量为K的模板图像组，该图像数量K为对应模板图像数量阈值，如K取值为5或7等，该目标区域对应的K个模板图像组成的模板图像组对应同一个目标区域不同拍摄时间信息或者不同天气状况等，以保证模板图像组能覆盖实际场景中的不同状况，此处所指模板图像可以是该区域的模板图像组中一个或多个模板图像，或者是该区域的模板图像组中所有模板图像等。

图像数据库可以设置于计算机设备端，计算机设备根据该图像数据库中模板图像的模板拍摄位姿信息与该无人机图像的拍摄位姿信息进行比较，从而确定相匹配的模板图像等；或者，图像数据库设置于其他设备端，计算机设备将该无人机图像或该无人机图像的拍摄位姿信息发送至对应的其他设备，并接收其他设备基于该无人机图像的拍摄位姿信息返回的与拍摄位姿信息匹配的模板图像。其中，对应模板拍摄位姿信息与拍摄位姿信息相匹配包括对应模板拍摄位置信息与拍摄位置信息的位置差值小于或等于位置差值阈值，以及模板拍摄姿态信息与拍摄姿态信息的角度差值小于或等于角度差值阈值等，优选地，模板拍摄位姿信息与拍摄位姿信息相同。

在步骤S103中，对所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像。例如，由于不同天气或者不同拍摄时间会造成不同亮度(例如，不同光照情况等)的差异，从而造成无人机图像及模板图像全局和/或局部区域的像素值差异巨大，具体情形如太阳猛烈时和阴天时的同一场景、早上10点和下午2点时太阳在不同位置造成建筑物和树产生的不同位置的阴影等。如果简单的基于两个图像的像素差计算两个图像的差异，前述不同亮度情况必然会造成大量的图像差异，从而放大目标区域本身的差异性从而得到错误的图像差异信息等。在此，我们通过对无人机图像及模板图像进行分块处理，根据无人机图像及模板图像按照预设尺度分成多个图像块，对应预设尺度可以设置为无人机图像宽高的一定比例大小或者设置为N*N大小等，当对应预设尺度设置为N*N大小时，若对应无人机图像和模板图像的宽/高不能整除N，则可以去除或者补全无人机图像和模板图像边缘的多余部分从而确定对应的多个N*N大小的图像块。其中，无人机图像与模板图像的图像像素宽高一致，均根据相同的预设尺度(例如预设N*N)进行分块处理，从而得到分块后的多个无人机子图像及多个模板子图像，由于分块处理方式相同，在无人机图像中对应像素区域的无人机子图像在模板图像中存在相对位置相同的模板子图像等，对该相对位置相同的无人机子图像与模板子图像进行相似度匹配，计算该相对位置相同的两个子图像是否匹配，若匹配，则确定该相对位置相同的子图像为相匹配的子图像对。其中，相似度匹配可以是基于像素差值、通道像素差平均值或者子图像的特征向量等进行计算等。

计算机设备可以基于多个相匹配的子图像对确定对应匹配图像，例如，在无人机图像中相匹配的子图像对的原像素区域标记为匹配区域，将无人机图像中无人机子图像与模板子图像不匹配的原像素区域标记为不匹配区域等，从而得到无人机图像的原图基础上的匹配图，该匹配图中可以简单直观了解匹配区域和不匹配区域的相关场景等。当然，为了节省计算资源提高处理效率，计算机设备基于多个相匹配的子图像对确定对应匹配缩略图，该匹配缩略图由M个点/像素构成，每个点存在一个子图像与之对应，且该对应的点在缩略图中相对位置与对应的子图像在无人机图像中相对位置相同，换言之，匹配缩略图的点分布与无人机图像的子图像分布相对应。匹配缩略图中可以将相匹配的子图像对对应的匹配点进行赋值(例如赋值为1)，并对不匹配的子图像对对应的匹配点赋不同值(如赋值为0等)，从而获取对应匹配图像。

在步骤S104中，根据所述匹配图像确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。例如，计算机设备可以根据对应匹配图像，确定匹配图像中不匹配部分从而确定无人机图像的图像差异信息，该图像差异信息用于指示目标区域的无人机图像与该目标区域的模板图像之间的图像差异程度，具体可以基于不匹配部分在无人机图像中占比或者不匹配部分在匹配图像中最大连通区域等来确定。在一些情形下，对应模板图像包括多个时，计算机设备可以基于每个模板图像确定一个候选图像差异信息，并根据多个候选图像差异信息确定无人机图像的对应图像差异信息等，如根据多个候选图像差异信息确定平均图像差异信息并将该平均图像差异信息确定为无人机图像的图像差异信息，或者取最大或者最小的候选图像差异信息作为无人机图像的图像差异信息等。

在一些实施方式中，在步骤S104中，根据多个模板图像确定多个匹配图像，基于所述多个匹配图像确定所述无人机图像的多个候选图像差异信息，其中，所述多个候选图像差异信息分别用于指示所述无人机图像与每个模板图像的图像差异程度；将所述多个候选图像差异信息中最小的候选图像差异信息确定为所述无人机图像的图像差异信息。例如，通常一个目标区域中存在对应模板图像组，每个模板图像组中存在多个模板图像，依次将无人机图像与多个模板图像中的每个模板图像进行相似匹配，确定多个匹配图像，我们仅需确定多个模板图像中与该无人机图像相似度最高的模板图像，与无人机图像的图像差异信息，将该图像差异信息作为无人机图像最终的图像差异信息，用于标识无人机图像与该目标区域的模板图像组的图像差异信息等。例如，计算机设备根据多个模板图像，基于前述分块匹配过程可以确定多个匹配图像，基于多个匹配图像确定多个候选图像差异信息，每个候选图像差异信息用于指示一个模板图像与无人机图像的图像差异程度；计算机设备取该多个候选图像差异信息中最小的候选图像差异信息作为无人机图像的图像差异信息，用于确定无人机图像与模板图像组中相似度最高的模板图像之间的图像差异信息等。

在一些实施方式中，所述方法还包括步骤S105(未示出)，在步骤S105中，基于所述模板图像对所述无人机图像进行图像校正，获取对应矫正后的无人机图像；其中，在步骤S103中，对校正后的所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像。例如，由于无人机设备每次巡航到预设的位置和预设的姿态拍摄无人机图像时，其拍摄位置和拍摄姿态信息都会存在一定的误差，导致拍摄的无人机图像存在一定空间上的差异，所以要对对比识别的两个图像的其中一个进行校正，以消除空间上的差异。对此，计算机设备对当前无人机设备拍摄的无人机图像和对应的预设位置和姿态(即模板拍摄位姿)对应的模板图像组的一个模板图像，计算两个图像的特征，如surf、sift、Fast等特征，通过特征匹配，计算两个图像的透视变换矩阵，以模板图像为基准，对无人机图像进行透视变换，得到校正后的无人机图像。当预设位置和姿态对应的模板图像组中存在多个模板图像时，在一些实施例中，依次计算无人机图像与多个模板图像中的每个模板图像的特征，分别对无人机图像进行校正，然后基于校正后的无人机图像进行分块匹配过程可以确定多个匹配图像；在另一些实施例中，对无人机图像与多个模板图像中选择的一个模板图像(例如，按照拍摄时间选择、随机选择一个或者选择平均像素差值最低/最高的模板图像等)计算两个图像的特征，并对无人机图像进行校正，然后基于校正后的无人机图像进行分块匹配过程可以确定多个匹配图像等。

在一些实施方式中，在步骤S103中，对所述无人机图像及所述模板图像通过预设尺度进行分块处理，确定对应的多个无人机子图像及多个模板子图像；根据所述多个无人机子图像及所述多个模板子图像，确定对应子图像对，其中，所述子图像对包括一个无人机子图像及与该无人机子图像的像素位置对应的模板子图像；对每个子图像对进行相似匹配，基于相匹配的子图像对确定所述匹配图像。例如，预设尺度包括但不限于设置为无人机图像或者模板图像的宽高一定比例大小或者设置为N*N大小等，其中，N取值包括但不限于16、32、64或96等，基于无人机图像的宽高像素数量，综合计算过程耗费资源，计算机设备可以灵活设置对应预设尺度，从而节省计算资源的同时，保证计算结果的精准、有效性等。如N为32，无人机图像大小为1920*1080时，则对无人机图像进行分块处理，分成(1920/32)*(1080/32)＝60*33个块(如不能整除，则忽略掉或者补全图像的左右和/或上下边缘，如这里我们忽略图像的上面的12行和下面的12行)。在一些实施方式中，所述预设尺度基于无人机子图像中预设单元在无人机图像中的占比确定。例如，无人机图像中为了保证不同图像大小的计算精确性等，我们根据目标区域中预设单元的大小确定对应预设尺度，例如，根据当前应用场景中无人机图像中的预设单元应该在无人机子图像中的占比确定对应预设尺度，具体地，所述预设单元包括但不限于在每个目标区域中具有移动性能够对目标区域带来场景变化的单元，如行人、汽车等。例如，确定单个行人在无人机子图像中占比应该小于1/4，根据单个行人在无人机子图像中的占比，从而确定对应预设尺度等。

计算机设备将无人机图像及模板图像进行分块处理后，可以确定多个无人机子图像及对应多个模板子图像，其中，多个无人机子图像包含对应无人机子图像分布信息(例如，每个无人机子图像在原无人机图像的像素位置，以无人机子图像的像素轮廓的表达式或者无人机子图像的图像中心的像素坐标作为标识等)，对应多个模板子图像包含对应模板子图像分布信息(例如，每个模板子图像在原模板图像的像素位置，以模板子图像的像素轮廓的表达式或者模板子图像的图像中心的像素坐标作为标识等)。基于两个图像的子图像分布信息，可以组成多个子图像对，如前述将无人机图像和模板图像确定为66*33个子图像后，可以基于对应子图像分布信息组成66*33个子图像对，其中，每个子图像对中两个子图像的像素位置(无人机子图像在无人机图像中的像素位置以及模板子图像在模板图像中的像素位置)相同等。

计算机设备确定对应多个子图像对后，可以对每个子图像对进行相似度匹配，若某个子图像对的相似度满足对应的相似度阈值，则确定该子图像对为相匹配的子图像对，并基于相匹配的子图像对确定对应的匹配图像等。

在一些实施方式中，所述对每个子图像对进行相似匹配，基于相匹配的子图像对确定所述匹配图像，包括：对每个子图像对中两个子图像进行像素差平均值计算，确定每个子图像对中两个子图像的三通道对应的三个像素差平均值；若某子图像对的所述三个像素差平均值中最大的像素差平均值小于或等于预设像素差阈值，则确定该子图像对为相匹配的子图像对，基于相匹配的子图像对确定所述匹配图像。例如，对于无人机图像、模板图像中同一位置的子图像对，我们计算两个子图像在RGB各个通道的像素差平均值D，具体计算过程如下：

其中，a(i,j)、b(i,j)为模板子图像a和无人机子图像b在位置(i,j)处的像素值，N为子图像的宽和高。对于RGB三个通道，子图像对中两个子图像存在3个D值，计算机设备取其中最大的像素差平均值作为最终的像素差平均值，并基于该像素差平均值确定子图像对中两个子图像是否相似。例如，计算机设备确定三个通道对应三个D值后，若其中最大的D值小于预设像素差阈值(如4等)时，我们认为这两个子图像没有发生变化，将该子图像对确定为相匹配的子图像对，基于相匹配的子图像对进行后续匹配图像的计算。否则说明两个子图像在像素值上存在较大的差异，确定该子图像对中两个子图像存在较大差异等。

如在一些实施方式中，所述对每个子图像对进行相似匹配，基于相匹配的子图像对确定所述匹配图像，还包括：若某子图像对的所述三个像素差平均值中最大的像素差平均值大于预设像素差阈值，则确定该子图像对中无人机子图像的无人机特征向量及对应模板子图像的模板特征向量；若所述无人机特征向量与所述模板特征向量的距离小于或等于预设距离阈值，则确定该子图像对为相匹配的子图像对，基于相匹配的子图像对确定所述匹配图像。例如，计算机设备基于像素差平均值确定两个子图像在像素值上存在较大的差异，这可能是真实的图像变化，也可能是光照、阴影所造成的，我们需要对其做进一步处理，例如，计算无人机子图像和模板子图像的特征向量，其中，特征向量可以为HOG特征、灰度共生矩阵、Gabor纹理特征、LBP纹理特征等，其中，特征向量在此仅为举例，不做限定。在一些实施例中，计算无人机子图像的特征向量前，还可以以模板图像的子图像a为基准，对当前无人机拍摄的子图像b进行直方图匹配得到子图像c，以消除光照、阴影造成亮度不一致的影响。然后对子图像a和c各自计算其特征向量，下文以特征向量为HOG特征为例进行介绍，具体过程如下：

1)对子图像a、c进行灰度化；

2)采用Gamma校正法对子图像对中两个子图像进行颜色空间的标准化(归一化)，目的是调节图像的对比度，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰；

3)计算图像每个像素的梯度(包括大小和方向)，主要是为了捕获轮廓信息，同时进一步弱化光照的干扰；

4)把图像块分成4*4个cell(单元)，如对于32*32的图像块，每个cell的大小为8*8，其中，cell尺寸也可以是其它值，此处是经验值；

5)统计每个cell的梯度直方图，得到每个cell的特征向量。这里直方图的bin的值取带方向的18或9份(即把360度分成18份或9份)，以18为例，每20°为一个单元，也就是这些像素可以根据角度分为18组。将每一份中所有像素对应的梯度值进行累加，可以得到18个数值。直方图就是由这18个数值组成的数组，对应于角度0、20、40、60...340。

6)把一个子图像内所有cell的特征向量串联起来并进行归一化，得到该子图像的HOG特征向量。如32*32的图像块，4*4个cell，直方图的bin为18，则此子图像的HOG特征向量的长度为288。

计算机设备得到子图像a和子图像c的HOG特征向量后，计算这两个特征向量的欧式距离，若欧式距离小于预设距离阈值(如0.1等)，则将该子图像对确定为相匹配的子图像对，并基于相匹配的子图像对进行后续匹配图像的计算等。

在一些实施方式中，所述方法还包括步骤S106(未示出)，在步骤S106中，根据每个子图像对在所述无人机图像中的区域位置确定对应匹配缩略图，其中，每个子图像对在所述匹配缩略图中存在与之对应的匹配像素，该匹配像素在所述匹配缩略图中的像素位置与对应的子图像对在所述无人机图像中的位置相对应；其中，所述基于相匹配的子图像对确定所述匹配图像，包括：根据所述相匹配的子图像对，对所述匹配缩略图对应的匹配像素进行赋值，以确定对应的匹配图像，其中，所述相匹配的子图像对的匹配像素的赋值与不相匹配的子图像对的匹配像素的赋值不同。例如，计算机设备可以先根据无人机图像的子图像分布信息生成一个匹配缩略图，该匹配缩略图中一个匹配像素对应一个无人机子图像，且每个匹配像素在缩略图的相对位置与对应无人机子图像在无人机图像的相对位置相同，换言之，匹配像素的像素数量与无人机子图像的数量相同，每个匹配像素在缩略图中的分布与对应无人机子图像在无人机图像中的分布相同等。基于前述步骤，计算机设备可以确定多个相匹配的子图像对，我们将相匹配的子图像对对应的匹配像素进行赋值，并对剩下的不匹配的子图像对对应的匹配像素赋另一个值，如将相匹配的子图像对对应的匹配像素赋值为1，剩下的匹配像素赋值为0等，从而得到由0和1构成的匹配图像。在一些实施例中，将匹配图像中相匹配的子图像对对应的匹配像素对应的区域标记为匹配区域，将匹配图像中不匹配的子图像对对应的匹配像素对应的区域标记为不匹配区域。

在一些实施方式中，在步骤S104中，根据所述匹配图像确定对应一个或多个差异区域，其中，每个差异区域包括所述匹配图像中除匹配区域之外的连通区域；根据所述一个或多个差异区域确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。例如，计算机设备确定对应匹配图像后，在一些实施例中，若匹配图像是基于无人机图像的原图基础上的匹配图，可以将此匹配图像中的不匹配区域(即无人机图像中无人机子图像与模板子图像不匹配的原像素区域)进行联通，得到对应连通区域，在另一些实施例中，若匹配图像是基于匹配缩略图确定的匹配图，也可以将匹配图像中的不匹配区域(即匹配图像中不匹配的子图像对对应的匹配像素对应的区域)进行联通，得到对应连通区域，具体如，计算机设备确定赋值为0的连通区域并计算每个连通区域的大小，将连通区域确定为差异区域，计算机设备确定一个或多个差异区域后，可以基于该一个或多个差异区域的大小确定对应图像差异信息，当差异区域为多个时，如取平均值或者取最大的差异区域输出对应差异分数等。如在一些实施方式中，所述根据所述一个或多个差异区域确定所述无人机图像的图像差异信息，包括：将所述一个或多个差异区域中像素区域最大的差异区域确定为目标差异区域，根据所述目标差异区域确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。例如，当匹配图像中的差异区域为多个时，计算机设备把最大的差异区域的大小作为无人机图像与模板图像的差异分数，将该差异分数作为无人机图像的图像差异信息。在一些实施例中，当目标区域对应多个模板图像时，针对每个模板图像确定对应的匹配图像，针对每个匹配图像，计算机设备将该匹配图像中最大的差异区域的大小作为无人机图像与该模板图像的候选差异分数，将该候选差异分数作为无人机图像的候选图像差异信息，然后将多个候选图像差异信息中最小的候选图像差异信息确定为无人机图像的图像差异信息等。在一些情形下，计算机设备可以输出并呈现对应匹配图，根据匹配图，用户可知道无人机图像中哪些区域发生差异程度较大的变化等。

在一些实施方式中，所述方法还包括步骤S107(未示出)，在步骤S107中，若所述图像差异信息小于或等于预设图像差异阈值，则根据所述无人机图像更新所述模板图像。例如，计算机设备确定无人机图像对应图像差异信息之后，基于该图像差异信息，计算机设备可以确定无人机图像与模板图像的差异程度，若差异程度较大，则输出对应预警信息，若差异程度较小，则基于无人机图像进一步更新模板图像，如将无人机图像添加至模板图像组中或者替换模板图像之一等。例如，同一场景的目标区域，随着时间可能慢慢发生变化，如草坪从绿色慢慢变成黄色，树叶从绿色变成黄色然后掉落，地面的沥青慢慢从黑色变成灰色，等等，如果图像模板组不更新，必然会造成误报。若计算机设备确定对应图像差异信息小于或等于预设图像差异阈值(例如，设置为2等)，则基于该无人机图像更新对应模板图像。还如在一些实施方式中，所述方法还包括步骤S108(未示出)，在步骤S108中，若所述图像差异信息大于所述预设图像差异阈值，则输出关于所述目标区域的差异预警提示信息。例如，图像差异信息大于对应预设图像差异阈值，则输出对应差异预警提示信息，其中，该差异预警提示信息用于指示无人机图像对应目标区域的图像差异较大，具体提示信息包括但不限于以文字、语音、视频或者震动等形式呈现的预警信息等。在一些实施方式中，该差异预警提示信息还包括对应不匹配的无人机图像区域，用于进一步示出差异所在区域等。

在一些实施方式中，所述根据所述无人机图像信息更新所述模板图像，包括：若所述模板图像的图像数量小于预设数量阈值，则将所述无人机图像添加至所述模板图像组中以更新所述模板图像。例如，如果图像差异信息小于或等于图像差异阈值信息，则计算机设备不输出预警，说明当前拍摄的无人机图像没有发生场景变化，用该无人机图像去更新模板图像组，例如，如果当前目标区域对应的模板图像组里模板图像的个数小于预先设定的数量阈值(如预设的K＝5等)，则直接把当前无人机图像添加到图像模板组。若当前目标区域对应的模板图像组中模板图像数量大于或等于预设数量阈值，则我们可以基于该无人机图像替换模板图像之一以更新该图像模板组。如在一些实施方式中，所述根据所述无人机图像信息更新所述模板图像，还包括：若所述模板图像的图像数量大于或等于预设数量阈值，则将所述无人机图像与所述模板图像确定为候选模板图像；根据所述候选模板图像中两两图像确定多个图像对，并计算所述多个图像对中两个图像的图像相似度；取所述多个图像对的图像相似度中最大的图像相似度对应的图像对作为目标图像对，基于目标图像对更新所述模板图像。例如，计算机设备若确定当前目标区域对应的模板图像组中模板图像数量大于或等于预设数量阈值，则计算机设备将无人机图像和模板图像组内的模板图像确定数量为K+1的候选模板图像组，再根据该候选模板图像组中两两图像组成图像对，并计算对应图像相似度(例如，图像的欧式距离等)，确定相似度最大的一组图像对作为目标图像对，具体的相似度计算方式可以基于前述分块匹配过程计算两图像对应的子图像对的特征向量(如HOG特征)的欧式距离，按照以下公式计算：

其中，S为两图像的相似度，M为子图像的数量，Pi为第i个子图像对的欧式距离等。计算机设备确定对应目标图像对后，将该目标图像对中包含的两图像之一删除，以确定数量为K的更新后的模板图像组。例如，若该目标图像对中包含无人机图像，则将该目标图像对中另一图像删除，若该目标图像对中不包含无人机图像，则可以随机删除或者基于一定条件删除其中之一图像，从而保留其他图像以更新图像模板组等。如在一些实施方式中，所述无人机图像与模板图像组中的模板图像包括对应拍摄时间信息；其中，所述基于目标图像对更新所述模板图像，包括：根据所述目标图像对中两个图像的拍摄时间信息，将拍摄时间信息距离当前时间较远的图像确定为目标图像，从所述候选模板图像中移除所述目标图像，以确定更新后所述模板图像。例如，无人机图像获取时还包括对应拍摄时间信息，基于拍摄时间信息可以取目标图像对中最新的图像进行保留，将拍摄时间较远的删除。具体地，计算机设备选出相似度最大(最像的)的目标图像对，并基于目标图像对中两个图像，把拍摄时间较远的那个删除，这样剩下的图像能更好覆盖同一场景在不同外界环境下的特征，确定更新后的模板图像等。

上文主要对本申请的一种确定图像差异信息的方法的各实施例进行具体介绍，此外，本申请还提供了能够实施上述各实施例的具体设备，下面我们结合图2进行介绍。

图2示出了根据本申请一个方面的一种确定图像差异信息的计算机设备100，具体包括一一模块101、一二模块102、一三模块103以及一四模块104。一一模块101，用于获取无人机设备拍摄的关于目标区域的无人机图像及所述无人机图像被拍摄时所述无人机设备对应的拍摄位姿信息；一二模块102，用于基于所述拍摄位姿信息从图像数据库中确定所述目标区域的模板图像，其中，所述模板图像的模板拍摄位姿信息与所述拍摄位姿信息相匹配；一三模块103，用于对所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像；一四模块104，用于根据所述匹配图像确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。

在一些实施方式中，所述模板图像的图像数量大于或等于预设数量阈值。

在一些实施方式中，一四模块104，用于根据多个模板图像确定多个匹配图像，基于所述多个匹配图像确定所述无人机图像的多个候选图像差异信息，其中，所述多个候选图像差异信息分别用于指示所述无人机图像与每个模板图像的图像差异程度；将所述多个候选图像差异信息中最小的候选图像差异信息确定为所述无人机图像的图像差异信息。

在此，所述图2示出的一一模块101、一二模块102、一三模块103以及一四模块104对应具体实施方式与前述图2示出的步骤S101、步骤S102、步骤S103以及步骤S104的实施例相同或相似，因而不再赘述，以引用的方式包含于此。

在一些实施方式中，所述设备还包括一五模块(未示出)，用于基于所述模板图像对所述无人机图像进行图像校正，获取对应矫正后的无人机图像；其中，一三模块103，用于对校正后的所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像。

在一些实施方式中，一三模块103，用于对所述无人机图像及所述模板图像通过预设尺度进行分块处理，确定对应的多个无人机子图像及多个模板子图像；根据所述多个无人机子图像及所述多个模板子图像，确定对应子图像对，其中，所述子图像对包括一个无人机子图像及与该无人机子图像的像素位置对应的模板子图像；对每个子图像对进行相似匹配，基于相匹配的子图像对确定所述匹配图像。在一些实施方式中，所述预设尺度基于无人机图像中预设单元在无人机子图像中的占比确定。

在一些实施方式中，所述对每个子图像对进行相似匹配，基于相匹配的子图像对确定所述匹配图像，包括：对每个子图像对中两个子图像进行像素差平均值计算，确定每个子图像对中两个子图像的三通道对应的三个像素差平均值；若某子图像对的所述三个像素差平均值中最大的像素差平均值小于或等于预设像素差阈值，则确定该子图像对为相匹配的子图像对，基于相匹配的子图像对确定所述匹配图像。

如在一些实施方式中，所述对每个子图像对进行相似匹配，基于相匹配的子图像对确定所述匹配图像，还包括：若某子图像对的所述三个像素差平均值中最大的像素差平均值大于预设像素差阈值，则确定该子图像对中无人机子图像的无人机特征向量及对应模板子图像的模板特征向量；若所述无人机特征向量与所述模板特征向量的距离小于或等于预设距离阈值，则确定该子图像对为相匹配的子图像对，基于相匹配的子图像对确定所述匹配图像。

在一些实施方式中，所述设备还包括一六模块(未示出)，用于根据每个子图像对在所述无人机图像中的区域位置确定对应匹配缩略图，其中，每个子图像对在所述匹配缩略图中存在与之对应的匹配像素，该匹配像素在所述匹配缩略图中的像素位置与对应的子图像对在所述无人机图像中的位置相对应；其中，所述基于相匹配的子图像对确定所述匹配图像，包括：根据所述相匹配的子图像对，对所述匹配缩略图对应的匹配像素进行赋值，以确定对应的匹配图像，其中，所述相匹配的子图像对的匹配像素的赋值与不相匹配的子图像对的匹配像素的赋值不同。

在一些实施方式中，一四模块104，用于根据所述匹配图像确定对应一个或多个差异区域，其中，每个差异区域包括所述匹配图像中除所述匹配区域之外的连通区域；根据所述一个或多个差异区域确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。

在一些实施方式中，所述设备还包括一七模块(未示出)，用于若所述图像差异信息小于或等于预设图像差异阈值，则根据所述无人机图像更新所述模板图像。在一些实施方式中，所述设备还包括一八模块(未示出)，用于若所述图像差异信息大于所述预设图像差异阈值，则输出关于所述目标区域的差异预警提示信息。在一些实施方式中，所述根据所述无人机图像信息更新所述模板图像，包括：若所述模板图像的图像数量小于预设数量阈值，则将所述无人机图像添加至所述模板图像组中以更新所述模板图像。在一些实施方式中，所述根据所述无人机图像信息更新所述模板图像，还包括：若所述模板图像的图像数量大于或等于预设数量阈值，则将所述无人机图像与所述模板图像确定为候选模板图像；根据所述候选模板图像中两两图像确定多个图像对，并计算所述多个图像对中两个图像的图像相似度；取所述多个图像对的图像相似度中最大的图像相似度对应的图像对作为目标图像对，基于目标图像对更新所述模板图像。

在一些实施方式中，所述无人机图像与模板图像组中的模板图像包括对应拍摄时间信息；其中，所述基于目标图像对更新所述模板图像，包括：根据所述目标图像对中两个图像的拍摄时间信息，将拍摄时间信息距离当前时间较远的图像确定为目标图像，从所述候选模板图像中移除所述目标图像，以确定更新后所述模板图像。

在此，所述一五模块至一八模块对应的具体实施方式与前述步骤S105至步骤S108的实施例相同或相似，因而不再赘述，以引用的方式包含于此。

除上述各实施例介绍的方法和设备外，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机代码，当所述计算机代码被执行时，如前任一项所述的方法被执行。

本申请还提供了一种计算机程序产品，当所述计算机程序产品被计算机设备执行时，如前任一项所述的方法被执行。

本申请还提供了一种计算机设备，所述计算机设备包括：

一个或多个处理器；

存储器，用于存储一个或多个计算机程序；

当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前任一项所述的方法。

图3示出了可被用于实施本申请中所述的各个实施例的示例性***；

如图3所示在一些实施例中，***300能够作为各所述实施例中的任意一个上述设备。在一些实施例中，***300可包括具有指令的一个或多个计算机可读介质(例如，***存储器或NVM/存储设备320)以及与该一个或多个计算机可读介质耦合并被配置为执行指令以实现模块从而执行本申请中所述的动作的一个或多个处理器(例如，(一个或多个)处理器305)。

对于一个实施例，***控制模块310可包括任意适当的接口控制器，以向(一个或多个)处理器305中的至少一个和/或与***控制模块310通信的任意适当的设备或组件提供任意适当的接口。

***控制模块310可包括存储器控制器模块330，以向***存储器315提供接口。存储器控制器模块330可以是硬件模块、软件模块和/或固件模块。

***存储器315可被用于例如为***300加载和存储数据和/或指令。对于一个实施例，***存储器315可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，***存储器315可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。

对于一个实施例，***控制模块310可包括一个或多个输入/输出(I/O)控制器，以向NVM/存储设备320及(一个或多个)通信接口325提供接口。

例如，NVM/存储设备320可被用于存储数据和/或指令。NVM/存储设备320可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。

NVM/存储设备320可包括在物理上作为***300被安装在其上的设备的一部分的存储资源，或者其可被该设备访问而不必作为该设备的一部分。例如，NVM/存储设备320可通过网络经由(一个或多个)通信接口325进行访问。

(一个或多个)通信接口325可为***300提供接口以通过一个或多个网络和/或与任意其他适当的设备通信。***300可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信。

对于一个实施例，(一个或多个)处理器305中的至少一个可与***控制模块310的一个或多个控制器(例如，存储器控制器模块330)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器305中的至少一个可与***控制模块310的一个或多个控制器的逻辑封装在一起以形成***级封装(SiP)。对于一个实施例，(一个或多个)处理器305中的至少一个可与***控制模块310的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器305中的至少一个可与***控制模块310的一个或多个控制器的逻辑集成在同一模具上以形成片上***(SoC)。

在各个实施例中，***300可以但不限于是：服务器、工作站、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)。在各个实施例中，***300可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，***300包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。

需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。本领域技术人员应能理解，计算机程序指令在计算机可读介质中的存在形式包括但不限于源文件、可执行文件、安装包文件等，相应地，计算机程序指令被计算机执行的方式包括但不限于：该计算机直接执行该指令，或者该计算机编译该指令后再执行对应的编译后程序，或者该计算机读取并执行该指令，或者该计算机读取并安装该指令后再执行对应的安装后程序。在此，计算机可读介质可以是可供计算机访问的任意可用的计算机可读存储介质或通信介质。

通信介质包括藉此包含例如计算机可读指令、数据结构、程序模块或其他数据的通信信号被从一个***传送到另一***的介质。通信介质可包括有导的传输介质(诸如电缆和线(例如，光纤、同轴等))和能传播能量波的无线(未有导的传输)介质，诸如声音、电磁、RF、微波和红外。计算机可读指令、数据结构、程序模块或其他数据可被体现为例如无线介质(诸如载波或诸如被体现为扩展频谱技术的一部分的类似机制)中的已调制数据信号。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被更改或设定的信号。调制可以是模拟的、数字的或混合调制技术。

作为示例而非限制，计算机可读存储介质可包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动的介质。例如，计算机可读存储介质包括，但不限于，易失性存储器，诸如随机存储器(RAM,DRAM,SRAM)；以及非易失性存储器，诸如闪存、各种只读存储器(ROM,PROM,EPROM,EEPROM)、磁性和铁磁/铁电存储器(MRAM,FeRAM)；以及磁性和光学存储设备(硬盘、磁带、CD、DVD)；或其它现在已知的介质或今后开发的能够存储供计算机***使用的计算机可读信息/数据。

在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (20)

1.一种确定图像差异信息的方法，其中，该方法包括：

获取无人机设备拍摄的关于目标区域的无人机图像及所述无人机图像被拍摄时所述无人机设备对应的拍摄位姿信息；

基于所述拍摄位姿信息从图像数据库中确定所述目标区域的模板图像，其中，所述模板图像的模板拍摄位姿信息与所述拍摄位姿信息相匹配；

对所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像；

根据所述匹配图像确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。

2.根据权利要求1所述的方法，其中，所述模板图像的图像数量大于或等于预设数量阈值。

3.根据权利要求2所述的方法，其中，所述根据所述匹配图像确定所述无人机图像的图像差异信息，包括：

根据多个模板图像确定多个匹配图像，基于所述多个匹配图像确定所述无人机图像的多个候选图像差异信息，其中，所述多个候选图像差异信息分别用于指示所述无人机图像与每个模板图像的图像差异程度；

将所述多个候选图像差异信息中最小的候选图像差异信息确定为所述无人机图像的图像差异信息。

4.根据权利要求1所述的方法，其中，所述方法还包括：

基于所述模板图像对所述无人机图像进行图像校正，获取对应校正后的无人机图像；

其中，所述对所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像，包括：

对校正后的所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像。

5.根据权利要求1所述的方法，其中，所述对所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像，包括：

对所述无人机图像及所述模板图像通过预设尺度进行分块处理，确定对应的多个无人机子图像及多个模板子图像；

根据所述多个无人机子图像及所述多个模板子图像，确定对应子图像对，其中，所述子图像对包括一个无人机子图像及与该无人机子图像的像素位置对应的模板子图像；

对每个子图像对进行相似匹配，基于相匹配的子图像对确定所述匹配图像。

6.根据权利要求5所述的方法，其中，所述预设尺度基于无人机图像中预设单元在无人机子图像中的占比确定。

7.根据权利要求5所述的方法，其中，所述对每个子图像对进行相似匹配，基于相匹配的子图像对确定所述匹配图像，包括：

对每个子图像对中两个子图像进行像素差平均值计算，确定每个子图像对中两个子图像的三通道对应的三个像素差平均值；

若某子图像对的所述三个像素差平均值中最大的像素差平均值小于或等于预设像素差阈值，则确定该子图像对为相匹配的子图像对，基于相匹配的子图像对确定所述匹配图像。

8.根据权利要求7所述的方法，其中，所述对每个子图像对进行相似匹配，基于相匹配的子图像对确定所述匹配图像，还包括：

若某子图像对的所述三个像素差平均值中最大的像素差平均值大于预设像素差阈值，则确定该子图像对中无人机子图像的无人机特征向量及对应模板子图像的模板特征向量；

若所述无人机特征向量与所述模板特征向量的距离小于或等于预设距离阈值，则确定该子图像对为相匹配的子图像对，基于相匹配的子图像对确定所述匹配图像。

9.根据权利要求7或8所述的方法，其中，所述方法还包括：

根据每个子图像对在所述无人机图像中的区域位置确定对应匹配缩略图，其中，每个子图像对在所述匹配缩略图中存在与之对应的匹配像素，该匹配像素在所述匹配缩略图中的像素位置与对应的子图像对在所述无人机图像中的位置相对应；

其中，所述基于相匹配的子图像对确定所述匹配图像，包括：

根据所述相匹配的子图像对，对所述匹配缩略图对应的匹配像素进行赋值，以确定对应的匹配图像，其中，所述相匹配的子图像对的匹配像素的赋值与不相匹配的子图像对的匹配像素的赋值不同。

10.根据权利要求1所述的方法，其中，所述根据所述匹配图像确定所述无人机图像的图像差异信息，包括：

根据所述匹配图像确定对应一个或多个差异区域，其中，每个差异区域包括所述匹配图像中除匹配区域之外的连通区域；

根据所述一个或多个差异区域确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。

11.根据权利要求10所述的方法，其中，所述根据所述一个或多个差异区域确定所述无人机图像的图像差异信息，包括：

将所述一个或多个差异区域中像素区域最大的差异区域确定为目标差异区域，根据所述目标差异区域确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。

12.根据权利要求11所述的方法，其中，所述方法还包括：

若所述图像差异信息小于或等于预设图像差异阈值，则根据所述无人机图像更新所述模板图像。

13.根据权利要求12所述的方法，其中，所述根据所述无人机图像信息更新所述模板图像，包括：

若所述模板图像的图像数量小于预设数量阈值，则将所述无人机图像添加至所述模板图像组中以更新所述模板图像。

14.根据权利要求13所述的方法，其中，所述根据所述无人机图像信息更新所述模板图像，还包括：

若所述模板图像的图像数量大于或等于预设数量阈值，则将所述无人机图像与所述模板图像确定为候选模板图像；

根据所述候选模板图像中两两图像确定多个图像对，并计算所述多个图像对中两个图像的图像相似度；

取所述多个图像对的图像相似度中最大的图像相似度对应的图像对作为目标图像对，基于目标图像对更新所述模板图像。

15.根据权利要求14所述的方法，其中，所述无人机图像与模板图像组中的模板图像包括对应拍摄时间信息；其中，所述基于目标图像对更新所述模板图像，包括：

根据所述目标图像对中两个图像的拍摄时间信息，将拍摄时间信息距离当前时间较远的图像确定为目标图像，从所述候选模板图像中移除所述目标图像，以确定更新后所述模板图像。

16.根据权利要求12所述的方法，其中，所述方法还包括：

若所述图像差异信息大于所述预设图像差异阈值，则输出关于所述目标区域的差异预警提示信息。

17.一种确定图像差异信息的设备，其中，该设备包括：

一一模块，用于获取无人机设备拍摄的关于目标区域的无人机图像及所述无人机图像被拍摄时所述无人机设备对应的拍摄位姿信息；

一二模块，用于基于所述拍摄位姿信息从图像数据库中确定所述目标区域的模板图像，其中，所述模板图像的模板拍摄位姿信息与所述拍摄位姿信息相匹配；

一三模块，用于对所述无人机图像及所述模板图像进行分块处理，确定对应的多个无人机子图像及多个模板子图像，并基于所述多个无人机子图像与所述多个模板子图像进行相似匹配，确定匹配图像；

一四模块，用于根据所述匹配图像确定所述无人机图像的图像差异信息，其中，所述图像差异信息用于指示所述无人机图像与所述模板图像的图像差异程度。

18.一种计算机设备，其中，该设备包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1至16中任一项所述方法的步骤。

19.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令在被执行时使得***进行执行如权利要求1至16中任一项所述方法的步骤。

20.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至16中任一项所述方法的步骤。

Images