CN117934973B - 智能摄像机图像处理方法、装置、设备及存储介质 - Google Patents
智能摄像机图像处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117934973B CN117934973B CN202410326074.8A CN202410326074A CN117934973B CN 117934973 B CN117934973 B CN 117934973B CN 202410326074 A CN202410326074 A CN 202410326074A CN 117934973 B CN117934973 B CN 117934973B
- Authority
- CN
- China
- Prior art keywords
- image
- characteristic
- images
- preset
- pixel
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 83
- 238000002372 labelling Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 230000011218 segmentation Effects 0.000 claims description 30
- 238000001914 filtration Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000010612 desalination reaction Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 4
- 230000009469 supplementation Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 description 17
- 230000000007 visual effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 230000001131 transforming effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及一种智能摄像机图像处理方法、装置、设备及存储介质,其中方法包括:智能图像***获取智能摄像机所采集的原始图像,对获取到的原始图像进行预处理,得到处理图像;获取所述处理图像的特征,依据预设在所述智能图像***的对位模型对所述处理图像的特征进行坐标标注,得到特征坐标;通过预设在所述智能图像***的分割模型按照特征坐标对所述处理图像进行分割,得到特征图像;通过预设的像素模型对特征图像按照预设的像素规则进行处理,将得到的像素图像进行拼接,得到拼接图像;将拼接图像和原始图像进行差别比较,并依据得到的差别数据对所述智能图像***的***参数进行更新。本发明能获取物体目标在画面中的主体信息和主体特征细节。
Description
技术领域
本发明涉及智能摄像机图像处理的技术领域,特别涉及一种智能摄像机图像处理方法、装置、设备及存储介质。
背景技术
在视频监控领域中,通常使用普通的摄像机作为摄像头以进行视频监控,同时以人工进行对监控图像进行设别,以进行区域安全监控,但很多场景比较复杂,需要采集物体目标的具体画面,又需要看清物体目标的主体特征细节,需要大量的人力成本对监控图像进行分辨。
发明内容
本发明的主要目的为提供一种智能摄像机图像处理方法、装置、设备及存储介质,通过对画面的进行分割,特征提取以及画面重新拼接,能获取物体目标在画面中的主体信息和主体特征细节。
为实现上述目的,本发明提供一种智能摄像机图像处理方法,包括:
智能图像***获取智能摄像机所采集的原始图像,对获取到的原始图像进行预处理,得到处理图像;
获取所述处理图像的特征,依据预设在所述智能图像***的对位模型对所述处理图像的特征进行坐标标注,得到特征坐标;
通过预设在所述智能图像***的分割模型按照特征坐标对所述处理图像进行分割,得到特征图像;
通过预设的像素模型对特征图像按照预设的像素规则进行处理,将得到的像素图像进行拼接,得到拼接图像;
将拼接图像和原始图像进行差别比较,并依据得到的差别数据对所述智能图像***的***参数进行更新。
进一步地,所述对获取到的原始图像进行预处理;
对所述原始图像进行数据解析,将解析得到的图像数据按照预设的图像数据格式进行转换,得到所述智能图像***对应的图像格式的初始原始图像,对初始原始图像依次按照预设的畸变规则和图像色度规则进行矫正处理,得到矫正图像,对矫正图像进行滤波处理,得到处理图像。
进一步地,所述获取所述处理图像的特征,依据预设在所述智能图像***的对位模型对所述处理图像的特征进行坐标标注,得到特征坐标,包括:
通过预设在所述智能图像***的特征模型依对所述处理图像进行特征提取,依据预设的特征规则将提取得到特征进行特征分类,得到主特征、背景特征和干扰特征,通过所述对位模型依据主特征、背景特征和干扰特征在所述处理图像上的对应位置进行坐标标注,得到主特征坐标、背景特征坐标和干扰特征坐标。
进一步地,通过预设在所述智能图像***的分割模型按照特征坐标对所述处理图像进行分割,得到特征图像,包括:
通过所述分割模型按照所述主特征坐标、所述背景特征坐标和所述干扰特征坐标进行初始分割,得到对应的主特征图像、背景特征图像和初始干扰特征图像,判断初始干扰特征图像的图像占比是否符合预设的占比比例要求,当初始干扰特征图像的图像占比不符合预设的占比比例要求时,依据主特征图像和背景特征图像对初始干扰特征图像进行淡化处理,得到干扰图像;当初始干扰特征图像的图像占比符合预设的占比比例要求时,对初始干扰特征图像的干扰特征进行清除处理,并依据主特征图像和背景特征图像对经过清除处理的初始干扰特征图像进行特征补充,得到干扰图像。
进一步地,所述通过预设的像素模型对特征图像按照预设的像素规则进行处理,将得到的像素图像进行拼接,得到拼接图像,包括:
将所述主特征图像、所述背景特征图像和所述干扰图像进行初步拼接,分别获取到对应的主特征图像拼接路径、背景特征图像拼接路径和干扰图像拼接路径,通过所述像素模型依据主特征图像拼接路径、背景特征图像拼接路径和干扰图像拼接路径分别将对应的图像进行像素化处理,得到对应的像素图像,判断像素图像是否符合所述像素规则的要求,当不符合要求时,依据所述像素规则对所述像素图像进行对应处理,将处理得到的所述像素图像进行格式转换并拼接,得到拼接图像。
进一步地,所述将拼接图像和原始图像进行差别比较,并依据得到的差别数据进行***参数更新,包括:
将所述拼接图像投影到所述原始图像上,记录所述拼接图像与所述原始图像的不同处的位置数据,将所述拼接图像和所述原始图像转换为图像数据并进行比较,得到图像相差数据,将位置数据和图像相差数据进行差别结合处理,得到所述差别数据,所述智能图像***依据所述差别数据对***参数进行数据更新。
本发明还提供一种智能摄像机图像处理装置,包括:
获取模块,所述获取模块用于获取智能摄像机所采集的原始图像,对获取到的原始图像进行预处理,得到处理图像;
对位模块,所述对位模块用于获取所述处理图像的特征,依据预设在智能图像***的对位模型对所述处理图像的特征进行坐标标注,得到特征坐标;
分割模块,所述分割模块用于通过预设在所述智能图像***的分割模型按照特征坐标对所述处理图像进行分割,得到特征图像;
处理模块,所述处理模块用于通过预设的像素模型对特征图像按照预设的像素规则进行处理,将得到的像素图像进行拼接,得到拼接图像;
控制模块,所述控制模块用于将拼接图像和原始图像进行差别比较,并依据得到的差别数据对智能图像***的***参数进行更新本发明还提供一种智能摄像机图像处理设备,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,实现上述任意一项所述的一种智能摄像机图像处理方法的各个步骤。
本发明还提供一种存储介质,存储有计算机指令,所述计算机指令用于使计算机执行根据上述任一项所述的方法。
本发明提供的一种智能摄像机图像处理方法、装置、设备及存储介质,具有以下有益效果:
本发明通过对特征进行坐标标注,能准确地定位图像中的目标物体,为后续的分析和处理提供准确的位置信息。通过分割模型和特征坐标,将处理图像按照特定目标进行分割,提取出特征图像,从而更好地关注和处理感兴趣的目标区域。通过像素模型和像素规则,特征图像进行更加细致的处理,例如增强、去噪、调整等操作,从而提高图像的质量和可用性。通过拼接图像,将像素图像进行转换后拼接,提供更全面的视角和信息,以便更好地理解和分析目标区域,使得目标的主题特征细节更突出。通过将拼接图像与原始图像进行差别比较,能检测图像中的变化和差异,并根据差别数据进行***参数的更新,从而优化图像处理算法和模型,提高处理的准确性和效果。
附图说明
图1是为本发明提供一种智能摄像机图像处理方法的流程图;
图2是为本发明提供一种智能摄像机图像处理装置的结构图;
图3是为本发明提供一种智能摄像机图像处理设备的结构图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面,结合附图以及具体实施方式,对本发明做进一步描述。
参照图1所示,本发明提供一种智能摄像机图像处理方法,包括:
步骤S1:智能图像***获取智能摄像机所采集的原始图像,对获取到的原始图像进行预处理,得到处理图像;
步骤S2:获取处理图像的特征,依据预设在智能图像***的对位模型对处理图像的特征进行坐标标注,得到特征坐标;
步骤S3:通过预设在智能图像***的分割模型按照特征坐标对处理图像进行分割,得到特征图像;
步骤S4:通过预设的像素模型对特征图像按照预设的像素规则进行处理,将得到的像素图像进行拼接,得到拼接图像;
步骤S5:将拼接图像和原始图像进行差别比较,并依据得到的差别数据对智能图像***的***参数进行更新。
如上述步骤所述,具体的步骤,包括如下:
步骤S1:智能图像***接收智能摄像机采集的原始图像数据,对原始图像进行预处理,包括去噪、增强、调整亮度和对比度等操作,以提高图像质量和清晰度,得到处理图像。
步骤S2:智能图像***接收处理图像,使用计算机视觉算法和特征提取技术,从处理图像中提取出与目标特征相关的信息。在智能图像***中预设对位模型,该模型描述了目标特征在图像中的位置和形状信息,其中对位模型是基于几何形状的模型(如矩形、圆形等)或基于统计学习的模型(如支持向量机、随机森林等)。
根据预设的对位模型,将特征在处理图像中的位置进行坐标标注,包括通过使用图像配准算法(如特征匹配、光流法等)或目标检测算法(如边界框回归、关键点定位等)来确定特征的坐标。
步骤S3:在智能图像***中预设分割模型,该模型用于将处理图像中的目标特征进行分割,分割模型是基于传统图像处理方法的模型(如阈值分割、边缘检测等)或基于深度学习的模型(如语义分割网络、实例分割网络等)。根据特征坐标,将处理图像进行分割,根据特征的形状和大小,在处理图像中应用适当的分割算法(如基于区域生长、基于像素分类等)来实现分割操作。
将分割得到的特征区域提取出来,得到特征图像,特征图像能包括二值图像(表示特征的像素为前景,其他像素为背景)或灰度图像(表示特征的像素具有不同的灰度值)。
步骤S4:在智能图像***中预设像素模型,该模型描述了对特征图像进行像素级处理的规则和方法,其中像素模型包括像素值的调整、颜色空间转换、滤波处理等操作。根据预设的像素模型,对特征图像案子像素规则进行像素处理,根据特征的属性和应用需求,应用适当的像素处理算法(如直方图均衡化、滤波器卷积等)来调整特征图像的像素值和特征表达。
将处理后的特征图像按照预设的像素规则进行拼接,根据特征图像的位置和大小,在拼接图像中按照一定的规则进行像素的复制、覆盖或融合操作。
步骤S5:智能图像***将原始图像和拼接图像进行差别比较,通过使用各种图像相似度度量方法(如均方误差、结构相似性指数等)来评估它们之间的差异程度,差别比较在整个图像范围内进行,也能针对特定的区域或特征进行局部比较。通过差别比较,得到原始图像和拼接图像之间的差别数据,差别数据包括像素级的差异值、特征区域的差异度量等。根据差别数据,智能图像***可以进行***参数的更新,参数更新涉及各个步骤的算法参数、模型参数或***配置参数等。
本发明提供的一种智能摄像机图像处理方法,本发明通过对特征进行坐标标注,能准确地定位图像中的目标物体,为后续的分析和处理提供准确的位置信息。通过分割模型和特征坐标,将处理图像按照特定目标进行分割,提取出特征图像,从而更好地关注和处理感兴趣的目标区域。通过像素模型和像素规则,特征图像进行更加细致的处理,例如增强、去噪、调整等操作,从而提高图像的质量和可用性。通过拼接图像,将像素图像进行转换后拼接,提供更全面的视角和信息,以便更好地理解和分析目标区域,使得目标的主题特征细节更突出。通过将拼接图像与原始图像进行差别比较,能检测图像中的变化和差异,并根据差别数据进行***参数的更新,从而优化图像处理算法和模型,提高处理的准确性和效果。
在一个实施例中,对获取到的原始图像进行预处理;
对获取到的原始图像进行初始化操作,包括去噪、增强对比度、调整亮度和对比度调整后。对原始图像进行数据解析,将解析得到的图像数据按照预设的图像数据格式进行转换,将其转换为智能图像***所需的图像格式,以便后续处理。
对转换后的初始原始图像按照预设的畸变规则进行矫正处理,主要是校正图像的几何畸变,如去除镜头畸变和透视畸变,以保证图像的几何形状和比例准确。
对矫正后的图像按照预设的图像色度规则进行处理,调整图像的颜色饱和度、色调和对比度,以保证图像的色彩准确和鲜明。对处理后的图像进行滤波处理,通过滤波算法,如高斯滤波算法和中值滤波算法,去除图像中的噪声和干扰,得到处理图像。
本实施例通过初始化操作、格式转换、矫正和滤波步骤,使原始图像的质量得到改善,去除噪声、增强对比度和清晰度,提高图像的可视化效果。通过矫正步骤,去除图像中畸变处,保证图像的几何形状和比例准确,提高后续处理的准确性。通过图像色度规则处理,调整图像的颜色饱和度、色调和对比度,使图像的色彩更加准确和鲜明,提高图像的视觉效果和识别能力。通过滤波处理,去除图像中的噪声和干扰,提高图像的清晰度和质量,使后续处理算法更加稳定和可靠。
在一个实施例中,获取处理图像的特征,依据预设在智能图像***的对位模型对处理图像的特征进行坐标标注,得到特征坐标,包括:
通过预设在智能图像***的特征模型,对处理图像进行特征提取,通过使用计算机视觉算法和深度学习技术,提取出图像中的关键特征,如物体、人脸、车辆等。根据预设的特征规则,对提取得到的特征进行分类,并依据特征的属性和用途,将特征分为主特征(目标物体或感兴趣的区域)、背景特征(环境或背景)和干扰特征(可能引起误判的物体或区域)等。
在智能图像***中,预设了对位模型,用于将特征在处理图像上的位置进行坐标标注,对位模型是一种几何模型或深度学习模型,用于确定特征在图像中的位置。根据对位模型,依据主特征、背景特征和干扰特征在处理图像上的对应位置,进行坐标标注,并为每个特征提供相应的坐标信息,得到主特征坐标、背景特征坐标和干扰特征坐标。
本实施例通过特征模型进行特征分类步骤,将提取得到的特征进行分类,区分出主特征、背景特征和干扰特征,有助于对不同类型的特征进行不同的处理和分析。通过对位模型准确地定位和标识处理图像中的主特征、背景特征和干扰特征,有助于后续的目标跟踪、行为分析和异常检测等任务。通过坐标标注,为每个特征提供准确的坐标信息,为后续的数据分析和处理提供基础。这有助于建立数据集、训练模型和进行更精确的分析。通过特征提取和坐标标注能提高智能图像***对目标物体的识别准确性,并且准确的坐标信息能帮助***更好地跟踪和分析目标物体的动态行为。
在一个实施例中,通过预设在智能图像***的分割模型按照特征坐标对处理图像进行分割,得到特征图像,包括:
分割模型获取主特征坐标、背景特征坐标和干扰特征坐标,并据预设的特征坐标,对处理图像进行初始分割,得到对应的主特征图像、背景特征图像和初始干扰特征图像。
对初始干扰特征图像进行分析,判断其中的图像占比是否符合预设的占比比例要求。
如果初始干扰特征图像的图像占比不符合预设的占比比例要求时,将根据主特征图像和背景特征图像对初始干扰特征图像进行淡化处理,得到干扰图像,淡化处理能通过调整干扰特征图像的透明度或者降低干扰特征的饱和度等方式实现。
如果初始干扰特征图像的图像占比符合预设的占比比例要求,将对初始干扰特征图像进行干扰特征的清除处理,通过使用图像处理算法,如阈值分割方法和边缘检测方法,去除干扰特征。对经过清除处理的初始干扰特征图像,根据主特征图像和背景特征图像进行特征补充,特征补充通过将主特征和背景特征与干扰特征进行融合或者填充的方式实现,以得到最终的干扰图像。
本实施例通过分割模型和特征坐标,将处理图像中的主特征、背景特征和干扰特征分割为不同的图像区域,有助于更精确地分析和处理不同特征的图像信息。通过判断干扰特征图像的图像占比是否符合要求,对干扰特征进行处理,如果占比不符合要求,进行淡化处理,以减轻干扰特征的影响。如果占比符合要求,进行清除处理,并根据主特征图像和背景特征图像进行特征补充,以消除干扰特征并保留有用的信息。通过分割模型和特征坐标的结合,能提高智能图像***对处理图像中不同特征的分割准确性。
在一个实施例中,通过预设的像素模型对特征图像按照预设的像素规则进行处理,将得到的像素图像进行拼接,得到拼接图像,包括:
在智能图像***中预设了像素模型,用于对特征图像按照预设的像素规则进行处理,像素模型用于对图像的像素进行调整、变换或修正。将主特征图像、背景特征图像和干扰图像进行初步拼接,包括简单的图像拼接操作,将不同特征的图像按照一定的顺序或位置进行组合。
分别获取到主特征图像拼接路径、背景特征图像拼接路径和干扰图像拼接路径,所获取的三个路径是根据特征图像的位置或区域确定的路径信息。
根据像素模型和拼接路径,依据主特征图像拼接路径、背景特征图像拼接路径和干扰图像拼接路径,对对应的图像进行像素化处理,包括对图像的像素进行调整、变换或修正,以满足预设的像素规则要求。
判断像素图像是否符合预设的像素规则要求,具体包括对像素图像的像素值、分布、颜色或其他特征进行判断和比较。
当像素图像不符合像素规则要求时,根据像素规则对像素图像进行对应处理,包括对像素进行调整、修正或过滤,以使其符合要求。将处理得到的像素图像进行格式转换,并进行拼接操作,将像素图像转换为目标格式,如JPEG、PNG等,并将不同特征的图像按照一定的顺序或位置进行拼接,得到最终的拼接图像。
本实施例通过像素模型对特征图像进行像素化处理,包括调整、变换或修正图像的像素,以满足预设的像素规则要求,并提高图像的质量、清晰度和一致性。通过判断像素图像是否符合预设的像素规则要求,对图像进行质量控制和调整,有助于确保图像在拼接过程中的像素质量和一致性。通过格式转换和拼接操作,将处理得到的像素图像转换为目标格式,并按照预设的顺序或位置进行拼接,得到最终的拼接图像,从而将不同特征的图像组合在一起,提供完整的视觉信息。
在一个实施例中,将拼接图像和原始图像进行差别比较,并依据得到的差别数据进行***参数更新,包括:
将拼接图像投影到原始图像上,以确定拼接图像与原始图像的不同处的位置,能通过图像配准或特征匹配等方法实现,将拼接图像与原始图像进行对齐。记录拼接图像与原始图像的不同处的位置数据,包括像素坐标、区域边界框或其他位置信息,用于表示拼接图像与原始图像的差异区域。
将拼接图像和原始图像转换为图像数据,并进行比较,包括对图像的像素值、颜色分布和纹理特征等进行比较,以获取拼接图像与原始图像之间的差异数据。
根据图像数据比较的结果,计算拼接图像与原始图像之间的差异数据,包括像素差异、颜色差异和结构差异等,用于表示拼接图像与原始图像的差异程度。将位置数据和图像相差数据进行结合处理,包括将位置数据与图像相差数据进行关联或加权处理,得到差别数据,以获取更全面和准确的差别信息。
根据差别数据,智能图像***对***参数进行数据更新,包括根据差别数据调整图像处理算法、阈值设定、特征提取方法等,以提高***的准确性和性能。
本实施例通过拼接图像的投影和位置数据记录,准确定位拼接图像与原始图像的差异区域,有助于分析和理解拼接图像与原始图像之间的差异性。通过图像数据比较和图像相差数据计算,获取拼接图像与原始图像之间的差异数据,有助于了解拼接图像的质量、准确性和一致性,以及对图像处理算法的改进和优化。通过差别数据对***参数进行更新,改进智能图像***的性能和准确性,有助于提高图像处理和分析的效果,使***能够更好地适应不同场景和应用需求。
参照图2所示,本发明还提供一种智能摄像机图像处理装置,包括:
获取模块,获取模块用于获取智能摄像机所采集的原始图像,对获取到的原始图像进行预处理,得到处理图像;
对位模块,对位模块用于获取处理图像的特征,依据预设在智能图像***的对位模型对处理图像的特征进行坐标标注,得到特征坐标;
分割模块,分割模块用于通过预设在智能图像***的分割模型按照特征坐标对处理图像进行分割,得到特征图像;
处理模块,处理模块用于通过预设的像素模型对特征图像按照预设的像素规则进行处理,将得到的像素图像进行拼接,得到拼接图像;
控制模块,控制模块用于将拼接图像和原始图像进行差别比较,并依据得到的差别数据对所述智能图像***的***参数进行更新。
本发明提供的一种智能摄像机图像处理装置,通过对特征进行坐标标注,能准确地定位图像中的目标物体,为后续的分析和处理提供准确的位置信息。通过分割模型和特征坐标,将处理图像按照特定目标进行分割,提取出特征图像,从而更好地关注和处理感兴趣的目标区域。通过像素模型和像素规则,特征图像进行更加细致的处理,例如增强、去噪、调整等操作,从而提高图像的质量和可用性。通过拼接图像,将像素图像进行转换后拼接,提供更全面的视角和信息,以便更好地理解和分析目标区域,使得目标的主题特征细节更突出。通过将拼接图像与原始图像进行差别比较,能检测图像中的变化和差异,并根据差别数据进行***参数的更新,从而优化图像处理算法和模型,提高处理的准确性和效果。
参照图3所示,本发明还提供一种智能摄像机图像处理设备,包括:
存储器,用于存储程序;
处理器,用于执行程序,实现上述任意一项的一种智能摄像机图像处理方法的各个步骤。
本实施例中,处理器和存储器可通过总线或其他方式连接。存储器可以包括易失性存储器,例如随机存取存储器;存储器也可以包括非易失性存储器,例如只读存储器、快闪存储器、硬盘或固态硬盘。处理器可以是通用处理器,例如中央处理器、数字信号处理器、专用集成电路,或者被配置成实施本发明实施例的一个或多个集成电路。
本发明还提供一种存储介质,存储有计算机指令,所述计算机指令用于使计算机执行根据上述任一项所述的方法。
需要说明的是,所属技术领域的技术人员可以清楚了解到,为了描述的方便和简洁,上述描述的***和各个模块的具体工作过程,可以参考前述智能摄像机图像处理方法实施例中的对应过程,在此不再赘述。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其它相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (6)
1.一种智能摄像机图像处理方法,其特征在于,包括:
智能图像***获取智能摄像机所采集的原始图像,对获取到的原始图像进行预处理,得到处理图像;
获取所述处理图像的特征,依据预设在所述智能图像***的对位模型对所述处理图像的特征进行坐标标注,得到特征坐标;
通过预设在所述智能图像***的分割模型按照特征坐标对所述处理图像进行分割,得到特征图像;
通过预设的像素模型对特征图像按照预设的像素规则进行处理,将得到的像素图像进行拼接,得到拼接图像;
将拼接图像和原始图像进行差别比较,并依据得到的差别数据对所述智能图像***的***参数进行更新;
所述获取所述处理图像的特征,依据预设在所述智能图像***的对位模型对所述处理图像的特征进行坐标标注,得到特征坐标,包括:
通过预设在所述智能图像***的特征模型依对所述处理图像进行特征提取,依据预设的特征规则将提取得到特征进行特征分类,得到主特征、背景特征和干扰特征,通过所述对位模型依据主特征、背景特征和干扰特征在所述处理图像上的对应位置进行坐标标注,得到主特征坐标、背景特征坐标和干扰特征坐标;
通过预设在所述智能图像***的分割模型按照特征坐标对所述处理图像进行分割,得到特征图像,包括:
通过所述分割模型按照所述主特征坐标、所述背景特征坐标和所述干扰特征坐标进行初始分割,得到对应的主特征图像、背景特征图像和初始干扰特征图像,判断初始干扰特征图像的图像占比是否符合预设的占比比例要求,当初始干扰特征图像的图像占比不符合预设的占比比例要求时,依据主特征图像和背景特征图像对初始干扰特征图像进行淡化处理,得到干扰图像;当初始干扰特征图像的图像占比符合预设的占比比例要求时,对初始干扰特征图像的干扰特征进行清除处理,并依据主特征图像和背景特征图像对经过清除处理的初始干扰特征图像进行特征补充,得到干扰图像;
所述通过预设的像素模型对特征图像按照预设的像素规则进行处理,将得到的像素图像进行拼接,得到拼接图像,包括:
将所述主特征图像、所述背景特征图像和所述干扰图像进行初步拼接,分别获取到对应的主特征图像拼接路径、背景特征图像拼接路径和干扰图像拼接路径,通过所述像素模型依据主特征图像拼接路径、背景特征图像拼接路径和干扰图像拼接路径分别将对应的图像进行像素化处理,得到对应的像素图像,判断像素图像是否符合所述像素规则的要求,当不符合要求时,依据所述像素规则对所述像素图像进行对应处理,将处理得到的所述像素图像进行格式转换并拼接,得到拼接图像。
2.根据权利要求1所述的智能摄像机图像处理方法,其特征在于,所述对获取到的原始图像进行预处理;
对所述原始图像进行数据解析,将解析得到的图像数据按照预设的图像数据格式进行转换,得到所述智能图像***对应的图像格式的初始原始图像,对初始原始图像依次按照预设的畸变规则和图像色度规则进行矫正处理,得到矫正图像,对矫正图像进行滤波处理,得到处理图像。
3.根据权利要求1所述的智能摄像机图像处理方法,其特征在于,所述将拼接图像和原始图像进行差别比较,并依据得到的差别数据进行***参数更新,包括:
将所述拼接图像投影到所述原始图像上,记录所述拼接图像与所述原始图像的不同处的位置数据,将所述拼接图像和所述原始图像转换为图像数据并进行比较,得到图像相差数据,将位置数据和图像相差数据进行差别结合处理,得到所述差别数据,所述智能图像***依据所述差别数据对***参数进行数据更新。
4.一种智能摄像机图像处理装置,其特征在于,包括:
获取模块,所述获取模块用于获取智能摄像机所采集的原始图像,对获取到的原始图像进行预处理,得到处理图像;
对位模块,所述对位模块用于获取所述处理图像的特征,依据预设在智能图像***的对位模型对所述处理图像的特征进行坐标标注,得到特征坐标;
分割模块,所述分割模块用于通过预设在智能图像***的分割模型按照特征坐标对所述处理图像进行分割,得到特征图像;
处理模块,所述处理模块用于通过预设的像素模型对特征图像按照预设的像素规则进行处理,将得到的像素图像进行拼接,得到拼接图像;
控制模块,所述控制模块用于将拼接图像和原始图像进行差别比较,并依据得到的差别数据对所述智能图像***的***参数进行更新;
所述获取所述处理图像的特征,依据预设在所述智能图像***的对位模型对所述处理图像的特征进行坐标标注,得到特征坐标,包括:
通过预设在所述智能图像***的特征模型依对所述处理图像进行特征提取,依据预设的特征规则将提取得到特征进行特征分类,得到主特征、背景特征和干扰特征,通过所述对位模型依据主特征、背景特征和干扰特征在所述处理图像上的对应位置进行坐标标注,得到主特征坐标、背景特征坐标和干扰特征坐标;
通过预设在所述智能图像***的分割模型按照特征坐标对所述处理图像进行分割,得到特征图像,包括:
通过所述分割模型按照所述主特征坐标、所述背景特征坐标和所述干扰特征坐标进行初始分割,得到对应的主特征图像、背景特征图像和初始干扰特征图像,判断初始干扰特征图像的图像占比是否符合预设的占比比例要求,当初始干扰特征图像的图像占比不符合预设的占比比例要求时,依据主特征图像和背景特征图像对初始干扰特征图像进行淡化处理,得到干扰图像;当初始干扰特征图像的图像占比符合预设的占比比例要求时,对初始干扰特征图像的干扰特征进行清除处理,并依据主特征图像和背景特征图像对经过清除处理的初始干扰特征图像进行特征补充,得到干扰图像;
所述通过预设的像素模型对特征图像按照预设的像素规则进行处理,将得到的像素图像进行拼接,得到拼接图像,包括:
将所述主特征图像、所述背景特征图像和所述干扰图像进行初步拼接,分别获取到对应的主特征图像拼接路径、背景特征图像拼接路径和干扰图像拼接路径,通过所述像素模型依据主特征图像拼接路径、背景特征图像拼接路径和干扰图像拼接路径分别将对应的图像进行像素化处理,得到对应的像素图像,判断像素图像是否符合所述像素规则的要求,当不符合要求时,依据所述像素规则对所述像素图像进行对应处理,将处理得到的所述像素图像进行格式转换并拼接,得到拼接图像。
5.一种智能摄像机图像处理设备,其特征在于,包括:
存储器,用于存储程序;
处理器,用于执行所述程序,实现如权利要求1-3任意一项所述的一种智能摄像机图像处理方法的各个步骤。
6.一种存储介质,其特征在于,存储有计算机指令,所述计算机指令用于使计算机执行根据权利要求1至3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410326074.8A CN117934973B (zh) | 2024-03-21 | 2024-03-21 | 智能摄像机图像处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410326074.8A CN117934973B (zh) | 2024-03-21 | 2024-03-21 | 智能摄像机图像处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117934973A CN117934973A (zh) | 2024-04-26 |
CN117934973B true CN117934973B (zh) | 2024-06-18 |
Family
ID=90763436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410326074.8A Active CN117934973B (zh) | 2024-03-21 | 2024-03-21 | 智能摄像机图像处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117934973B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113628221A (zh) * | 2021-08-03 | 2021-11-09 | Oppo广东移动通信有限公司 | 图像处理方法、图像分割模型训练方法及相关装置 |
CN116503388A (zh) * | 2023-06-25 | 2023-07-28 | 广东利元亨智能装备股份有限公司 | 缺陷检测方法、装置及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7173623B2 (en) * | 2003-05-09 | 2007-02-06 | Microsoft Corporation | System supporting animation of graphical display elements through animation object instances |
US8774485B2 (en) * | 2012-07-26 | 2014-07-08 | General Electric Company | Systems and methods for performing segmentation and visualization of multivariate medical images |
CN117314766B (zh) * | 2023-08-31 | 2024-04-19 | 湖南景为电子科技有限公司 | 一种手机钢化玻璃膜表面图像增强方法和*** |
-
2024
- 2024-03-21 CN CN202410326074.8A patent/CN117934973B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113628221A (zh) * | 2021-08-03 | 2021-11-09 | Oppo广东移动通信有限公司 | 图像处理方法、图像分割模型训练方法及相关装置 |
CN116503388A (zh) * | 2023-06-25 | 2023-07-28 | 广东利元亨智能装备股份有限公司 | 缺陷检测方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117934973A (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Object-oriented shadow detection and removal from urban high-resolution remote sensing images | |
US10592754B2 (en) | Shadow removing method for color image and application | |
US6453069B1 (en) | Method of extracting image from input image using reference image | |
US8175384B1 (en) | Method and apparatus for discriminative alpha matting | |
CN111415363B (zh) | 一种图像边缘识别方法 | |
CN112686812B (zh) | 银行卡倾斜矫正检测方法、装置、可读存储介质和终端 | |
CN109146832B (zh) | 一种视频图像的拼接方法、装置、终端设备及存储介质 | |
CN111145209A (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
CN111695373B (zh) | 斑马线的定位方法、***、介质及设备 | |
CN112861654A (zh) | 一种基于机器视觉的名优茶采摘点位置信息获取方法 | |
CN108038458B (zh) | 基于特征摘要图的视频中的户外场景文本自动获取方法 | |
CN113505702A (zh) | 基于双神经网络优化的路面病害识别方法及*** | |
JP3814353B2 (ja) | 画像分割方法および画像分割装置 | |
CN113989814A (zh) | 图像生成方法、装置、计算机设备及存储介质 | |
CN116843581B (zh) | 一种多场景图的图像增强方法、***、设备和存储介质 | |
CN113724273A (zh) | 一种基于神经网络区域目标分割的边缘光影融合方法 | |
CN107704864B (zh) | 基于图像对象性语义检测的显著目标检测方法 | |
CN117934973B (zh) | 智能摄像机图像处理方法、装置、设备及存储介质 | |
CN111667509A (zh) | 目标与背景颜色相似下的运动目标自动跟踪方法及*** | |
CN109145875B (zh) | 一种人脸图像中的黑框眼镜去除方法及装置 | |
Shyam et al. | Retaining image feature matching performance under low light conditions | |
Parente et al. | Assessing facial image accordance to ISO/ICAO requirements | |
CN113436263B (zh) | 一种基于图像处理的特征点提取方法及*** | |
WO2012005242A1 (ja) | 画像処理装置及び画像分割方法 | |
CN114782459B (zh) | 一种基于语义分割的拼接图像分割方法、装置及设备 |
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 |