一种图像处理方法及系统技术方案

本发明专利技术公开了一种图像处理方法及系统，包括：获取样本场景信息及在样本场景拍摄的样本场景图像，根据所述样本场景信息及所述样本场景图像进行模型训练，得到样本cv模型；获取待识别场景的场景信息，并拍摄所述待识别场景的实际场景图像；将所述待识别场景的场景信息与样本场景信息进行比较，获取比较结果，根据所述比较结果对所述样本cv模型的像素的识别范围进行调整，得到修正cv模型；将所述实际场景图像输入所述修正cv模型，输出对所述实际场景图像的识别结果。有益效果：根据待识别场景的场景信息与样本场景信息对样本cv模型的最大识别像素及最小识别像素进行调节，增加最后识别结果的精确性。别结果的精确性。别结果的精确性。

【技术实现步骤摘要】
一种图像处理方法及系统


[0001]本专利技术属于视觉检测
，特别涉及一种图像处理方法及系统。

技术介绍

[0002]模型算法会根据模型训练数据集生成图像识别模型，由于训练数据集的场景不可能无限多,以及物体本身成像的物理原因,画面中的目标尺寸在超过一定范围后越小/越大,其可分辨性越差，因此算法模型对目标的可识別像素会有适合的最大识别像素及最小识别像素，由于超出最大识别像素及小于最小识别像素时，识别的正确率会大幅降低。目前，CV模型的识别参数是内化固定的，不能够灵活调节，如果画面中的目标尺寸超出最大识别像素及未达到最小识别像素后均不予识别，且在算法识别结果上不予体现。

技术实现思路

[0003]本专利技术旨在至少一定程度上解决上述技术中的技术问题之一。为此，本专利技术的第一个目的在在于提出了一种图像处理方法，根据待识别场景的场景信息对样本cv模型的最大识别像素及最小识别像素进行调节，增加最后检测结果的精确性。
[0004]本专利技术的第二个目的于提出一种图像处理系统。
[0005]为达到上述目的，本专利技术第一方面实施例提出了一种图像处理方法，包括：
[0006]获取样本场景信息及在样本场景拍摄的样本场景图像，根据所述样本场景信息及所述样本场景图像进行模型训练，得到样本cv模型；所述样本cv模型的配置参数包括像素的识别范围；所述识别范围包括最大识别像素及最小识别像素；
[0007]获取待识别场景的场景信息，并拍摄所述待识别场景的实际场景图像；
[0008]将所述待识别场景的场景信息与样本场景信息进行比较，获取比较结果，根据所述比较结果对所述样本cv模型的像素的识别范围进行调整，得到修正cv模型；
[0009]将所述实际场景图像输入所述修正cv模型，输出对所述实际场景图像的识别结果。
[0010]进一步地，所述样本场景信息包括样本场景的光线强度、拍摄所述样本场景图像时摄像头的角度及高度。
[0011]进一步地，在输出对所述实际场景图像的识别结果后，还包括：
[0012]对所述识别结果进行解析，在确定所述实际场景图像中对应的目标区域出现异常时，发出报警提示。
[0013]进一步地，所述将所述待识别场景的场景信息与样本场景信息进行比较，获取比较结果，根据所述比较结果对所述样本cv模型的像素的识别范围进行调整，包括：
[0014]根据所述比较结果，在确定所述待识别场景的光线强度大于样本场景的光线强度且拍摄所述待识别场景的摄像头的角度及高度均分别小于拍摄所述样本场景的摄像头的角度及高度时，确定所述待识别场景相对于所述样本场景为光线好的近景场景，将所述样本cv模型的最大识别像素及最小识别像素进行调大处理；
[0015]根据所述比较结果，在确定所述待识别场景的光线强度小于样本场景的光线强度且拍摄所述待识别场景的摄像头的角度及高度均分别大于拍摄所述样本场景的摄像头的角度及高度时，确定所述待识别场景相对于所述样本场景为光线差的远景场景，将所述样本cv模型的最大识别像素及最小识别像素进行调小处理。
[0016]进一步地，在输出对所述实际场景图像的识别结果后，还包括：
[0017]所述识别结果包括对所述实际场景图像包括的若干个待识别区域的子识别结果；获取若干个待识别区域的面积，分别与预设面积进行比较，将小于等于预设面积的待识别区域确定为第一目标区域，将大于预设面积的待识别区域确定为第二目标区域；
[0018]根据对第一目标区域的子识别结果，确定识别错误的第一数量，在确定所述第一数量大于预设数量时，将所述修正cv模型的最小识别范围进行调大处理；
[0019]根据对第二目标区域的子识别结果，确定识别错误的第二数量，在确定所述第二数量大于预设数量时，将所述修正cv模型的最大识别范围进行调小处理。
[0020]进一步地，所述样本cv模型的配置参数还包括开始时间、结束时间、检测周期、告警周期、算法阈值、检测区域设置中的至少一种。
[0021]进一步地，在将所述实际场景图像输入所述修正cv模型前，还包括：
[0022]获取所述实际场景图像的尺寸，判断所述尺寸是否与预设尺寸相同，在确定所述尺寸与预设尺寸不相同时，对所述实际场景图像的尺寸进行归一化处理；
[0023]获取经过所述归一化处理后的实际场景图像中每个像素点与其相邻像素点的像素差值的绝对值，得到若干个像素差值的绝对值，筛选出最小的像素差值的绝对值，将所述最小像素差值的绝对值与预设平滑系数相乘，得到平滑像素值，将所述实际场景图像中每个像素点的像素值与所述平滑像素值进行相加，得到平滑处理后的实际场景图像；所述相邻像素点为在预设距离范围内的任一像素点；
[0024]对所述平滑处理后的实际场景图像进行图像灰度化处理，得到灰度图像；
[0025]获取所述灰度图像中每个像素点在水平方向上的第一梯度值；
[0026]获取所述灰度图像中每个像素点在垂直方向上的第二梯度值；
[0027]根据每个像素点的第一梯度值与第二梯度值计算得到每个像素点的梯度幅值，根据所述每个像素点的梯度幅值计算得到平均幅值，筛选出所述梯度幅值大于所述平均幅值的像素点，生成第一像素点集合；所述第一像素点集合中的像素点为所述灰度图像中的边缘像素点；
[0028]获取所述灰度图像中每个像素点的灰度值，筛选出灰度值大于预设灰度值的像素点，生成第二像素点集合；
[0029]获取所述第一像素点集合与所述第二像素点集合的交集；
[0030]获取所述第一像素点集合与所述第二像素点集合的并集；
[0031]根据所述交集与所述并集计算得到所述灰度图像的清晰度，判断所述清晰度是否小于预设清晰度，在确定所述清晰度小于预设清晰度时，将所述灰度图像输入预先训练好的深度信息获取模型中，输出所述灰度图像中每个像素点的深度值，根据所述每个像素点的深度值计算得到每个像素点的弥散圆直径，根据所述每个像素点的弥散圆直径对所述灰度图像中的对应像素点进行去模糊化处理。
[0032]进一步地，在将所述实际场景图像输入所述修正cv模型前，还包括：
[0033]计算所述实际场景图像的信噪比，判断所述信噪比是否小于预设信噪比，在确定所述信噪比小于预设信噪比时，对所述实际场景图像进行滤波处理；
[0034]所述计算所述实际场景图像的信噪比C，如公式(1)所示：
[0035][0036]其中，G为所述实际场景图像中的像素点的最大灰度值；M为所述实际场景图像的长度；N为所述实际场景图像的宽度；H(i,j)为所述实际场景图像中像素点(i,j)的灰度值。
[0037]进一步地，在对所述实际场景图像进行滤波处理后，还包括：
[0038]计算对所述实际场景图像的滤波系数K，如公式(2)所示：
[0039][0040]其中，W为滤波窗口的大小；λ为拉普拉斯算子；L(i,j)为所述实际场景图像中像素点(i,j)的权值；所述权值为根据像素点的梯度信息计算得到；...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取样本场景信息及在样本场景拍摄的样本场景图像，根据所述样本场景信息及所述样本场景图像进行模型训练，得到样本cv模型；所述样本cv模型的配置参数包括像素的识别范围；所述识别范围包括最大识别像素及最小识别像素；获取待识别场景的场景信息，并拍摄所述待识别场景的实际场景图像；将所述待识别场景的场景信息与样本场景信息进行比较，获取比较结果，根据所述比较结果对所述样本cv模型的像素的识别范围进行调整，得到修正cv模型；将所述实际场景图像输入所述修正cv模型，输出对所述实际场景图像的识别结果。2.根据权利要求1的所述图像处理方法，其特征在于，所述样本场景信息包括样本场景的光线强度、拍摄所述样本场景图像时摄像头的角度及高度。3.根据权利要求1的所述图像处理方法，其特征在于，在输出对所述实际场景图像的识别结果后，还包括：对所述识别结果进行解析，在确定所述实际场景图像中对应的目标区域出现异常时，发出报警提示。4.根据权利要求1的所述图像处理方法，其特征在于，所述将所述待识别场景的场景信息与样本场景信息进行比较，获取比较结果，根据所述比较结果对所述样本cv模型的像素的识别范围进行调整，包括：根据所述比较结果，在确定所述待识别场景的光线强度大于样本场景的光线强度且拍摄所述待识别场景的摄像头的角度及高度均分别小于拍摄所述样本场景的摄像头的角度及高度时，确定所述待识别场景相对于所述样本场景为光线好的近景场景，将所述样本cv模型的最大识别像素及最小识别像素进行调大处理；根据所述比较结果，在确定所述待识别场景的光线强度小于样本场景的光线强度且拍摄所述待识别场景的摄像头的角度及高度均分别大于拍摄所述样本场景的摄像头的角度及高度时，确定所述待识别场景相对于所述样本场景为光线差的远景场景，将所述样本cv模型的最大识别像素及最小识别像素进行调小处理。5.根据权利要求1的所述图像处理方法，其特征在于，在输出对所述实际场景图像的识别结果后，还包括：所述识别结果包括对所述实际场景图像包括的若干个待识别区域的子识别结果；获取若干个待识别区域的面积，分别与预设面积进行比较，将小于等于预设面积的待识别区域确定为第一目标区域，将大于预设面积的待识别区域确定为第二目标区域；根据对第一目标区域的子识别结果，确定识别错误的第一数量，在确定所述第一数量大于预设数量时，将所述修正cv模型的最小识别范围进行调大处理；根据对第二目标区域的子识别结果，确定识别错误的第二数量，在确定所述第二数量大于预设数量时，将所述修正cv模型的最大识别范围进行调小处理。6.根据权利要求1的所述图像处理方法，其特征在于，所述样本cv模型的配置参数还包括开始时间、结束时间、检测周期、告警周期、算法阈值、检测区域设置中的至少一种。7.根据权利要求1的所述图像处理方法，其特征在于，在将所述实际场景图像输入所述修正cv模型前，还包括：获取所述实际场景图像的尺寸，判断所述尺寸是否与预设尺寸相同，在确定所述尺寸
与预设尺寸不相同时，对所述实际场景图像的尺寸进行归一化处理；获取经过所述归一化处理后的实际场景图像中每个像素点与其相邻像素点的像素差值的绝对值，得到若干个像素差值的绝对值，筛选出最小的像素差值的绝对值，将所述最小像素差值的绝对值与预设平滑系数相乘，得到平滑像素值，将所述实际场景图像中每个像素点...

【专利技术属性】
技术研发人员：任永建，师天磊，许志强，孙昌勋，
申请(专利权)人：北京容联易通信息技术有限公司，
类型：发明
国别省市：