System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,具体涉及一种图像的预处理方法、装置、设备及介质。
技术介绍
1、工地现场需要进行风险识别,以排除工地现场可能存在的安全隐患。现有技术中,可以基于计算机视觉技术,对工地现场布置的摄像头采集的图像进行风险识别。
2、然而,摄像头采集到的图像中会有许多与风险识别不相关的信息,由于神经网络模型通常基于标注的目标场景数据进行深度学习,单个经网络模型的标注数据又难以涵盖整个工地现场或是非工地现场的场景,因此仅仅基于存在目标隐患的标注数据训练得到的风险识别模型很容易因为输入一张包含无关场景的图像而出现风险识别的误检。
3、因此,如何对风险识别模型输入的图像进行排除输入图像包含的无关场景相关的预处理,以此提高风险识别的准确率,是目前业界亟待解决的重要课题。
技术实现思路
1、有鉴于此,本专利技术提供一种图像的预处理方法、装置、设备及介质,以解决现有技术中由于输入数据包含无关场景进而导致风险识别模型出现误检的问题。
2、第一方面,本实施例提供了一种图像的预处理方法,所述方法包括:
3、确定工地现场图像,并将工地现场图像输入至训练好的预设要素提取模型,得到由预设要素提取模型输出的至少一个预设要素的特征信息;
4、基于预设要素对应的特征信息,从工地现场图像中确定至少一张待处理图像;待处理图像中包含感兴趣区域,感兴趣区域中包含至少一个预设要素,不同的待处理图像具有不同的感兴趣区域,感兴趣区域是基于对应的待处理图像所要执行的
5、结合第一方面,在第一方面第一实施方式中,所述特征信息为类别信息以及在工地现场图像中的位置信息;
6、所述基于预设要素对应的特征信息,从工地现场图像中提取至少一张待处理图像,具体包括:
7、确定待处理图像对应的感兴趣区域以及感兴趣区域对应的预设要素;
8、基于感兴趣区域对应的预设要素的特征信息,确定感兴趣区域在工地现场图像中的提取区域;
9、基于提取区域,从工地现场图像提取出对应的待处理图像。
10、结合第一方面,在第一方面第二实施方式中,所述特征信息为类别信息以及在工地现场图像中的位置信息;
11、所述基于预设要素对应的特征信息,从工地现场图像中提取至少一张待处理图像,具体包括:
12、确定待处理图像对应的感兴趣区域以及感兴趣区域对应的预设要素;
13、基于感兴趣区域对应的预设要素的特征信息,确定感兴趣区域在工地现场图像中的区域信息;
14、基于区域信息,从工地现场图像中标识出对应的待处理图像。
15、结合第一方面,在第一方面第三实施方式中,所述特征信息为类别信息以及在工地现场图像中的位置信息;
16、所述基于预设要素对应的特征信息,从工地现场图像中提取至少一张待处理图像,具体包括:
17、确定待处理图像对应的感兴趣区域以及感兴趣区域对应的预设要素;
18、基于感兴趣区域对应的预设要素的特征信息,确定感兴趣区域对应的预设要素在工地现场图像中的所属区域以及所属区域之间的区域距离;
19、基于所属区域之间的区域距离,从工地现场图像中确定待处理图像。
20、结合第一方面第三实施方式,在第一方面第四实施方式中,所述基于所属区域之间的区域距离,从工地现场图像中确定待处理图像,具体包括:
21、确定存在所属区域之间的最近距离超过预设距离,基于预设要素在工地现场图像中的位置信息,确定感兴趣区域在工地现场图像中的至少两个区域信息,基于区域信息,从工地现场图像中标识出包含对应的待处理图像;
22、确定所属区域之间的最近距离均不超过预设距离,基于感兴趣区域对应的预设要素在工地现场图像中的位置信息,确定感兴趣区域在工地现场图像中的提取区域,基于提取区域,从工地现场图像提取出对应的待处理图像。
23、结合第一方面第,在第一方面第五实施方式中,所述特征信息为类别信息;
24、所述基于预设要素对应的特征信息,从工地现场图像中提取至少一张待处理图像,具体包括:
25、确定待处理图像对应的感兴趣区域以及感兴趣区域对应的预设要素;
26、基于感兴趣区域对应的预设要素的特征信息,从工地现场图像中确定待处理图像。
27、结合第一方面,在第一方面第六实施方式中,预设要素提取模型是基于预训练模型、样本工地现场图像、样本工地现场图像对应的样本预设要素以及样本预设要素对应的样本特征信息训练得到的,预训练模型是基于样本工地现场图像训练得到的;
28、相应的,所述预训练模型通过以下步骤训练得到:
29、确定样本工地现场图像;
30、将样本工地现场图像作为训练使用的输入数据,采用自监督学习方式进行训练,得到用于感知工地现场图像的图像语义特征的预训练模型;
31、所述预设要素提取模型通过以下步骤训练得到:
32、确定预设比例的样本工地现场图像的对应的样本预设要素以及样本预设要素对应的样本特征信息;
33、将样本工地现场图像作为训练使用的输入数据,将样本预设要素对应的样本特征信息作为训练使用的标签,采用有监督学习方式对训练好的预训练模型进行训练,得到用于生成工地现场图像的预设要素、预设要素对应的特征信息以及位置信息的预设要素提取模型。
34、第二方面,本实施例提供了一种图像的预处理装置,所述装置包括:
35、要素确定模块,用于确定工地现场图像,并将工地现场图像输入至训练好的预设要素提取模型,得到由预设要素提取模型输出的至少一个预设要素的特征信息以及预设要素在工地现场图像中的位置信息;
36、图像预处理模块,用于基于预设要素对应的特征信息以及位置信息,从工地现场图像中确定至少一张待处理图像;待处理图像中包含感兴趣区域,感兴趣区域中包含至少一个预设要素,不同的待处理图像具有不同的感兴趣区域,感兴趣区域是基于对应的待处理图像所要执行的风险识别算法确定的。
37、第三方面,本实施例提供了一种电子设备,包括:
38、存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或第一方面中任一项优选实施例所述的图像的预处理方法。
39、第四方面,本实施例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指令,所述计算机指令用于使所述计算机执行第一方面或第一方面中任一项优选实施例所述的图像的预处理方法。
40、本专利技术提供的图像的预处理方法、装置、设备及介质,通过预设要素提取模型输出工地现场图像中至少一个预设要素的特征信息,再基于预设要素对应的特征信息,从工地现场图像中确定至少一张向下游的风险识别算法输入的待处理图像,使得待处理图像包含算法执行时所需的由至少一个预设要素组成本文档来自技高网...
【技术保护点】
1.一种图像的预处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的图像的预处理方法,其特征在于,所述特征信息为类别信息以及在工地现场图像中的位置信息;
3.根据权利要求1所述的图像的预处理方法,其特征在于,所述特征信息为类别信息以及在工地现场图像中的位置信息;
4.根据权利要求1所述的图像的预处理方法,其特征在于,所述特征信息为类别信息以及在工地现场图像中的位置信息;
5.根据权利要求4所述的图像的预处理方法,其特征在于,所述基于所属区域之间的区域距离,从工地现场图像中确定待处理图像,具体包括:
6.根据权利要求1所述的图像的预处理方法,其特征在于,所述特征信息为类别信息;
7.根据权利要求1所述的图像的预处理方法,其特征在于,预设要素提取模型是基于预训练模型、样本工地现场图像、样本工地现场图像对应的样本预设要素以及样本预设要素对应的样本特征信息训练得到的,预训练模型是基于样本工地现场图像训练得到的;
8.一种图像的预处理装置,其特征在于,所述装置包括:
9.一种电子设备,
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述图像的预处理的步骤。
...【技术特征摘要】
1.一种图像的预处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的图像的预处理方法,其特征在于,所述特征信息为类别信息以及在工地现场图像中的位置信息;
3.根据权利要求1所述的图像的预处理方法,其特征在于,所述特征信息为类别信息以及在工地现场图像中的位置信息;
4.根据权利要求1所述的图像的预处理方法,其特征在于,所述特征信息为类别信息以及在工地现场图像中的位置信息;
5.根据权利要求4所述的图像的预处理方法,其特征在于,所述基于所属区域之间的区域距离,从工地现场图像中确定待处理图像,具体包括:
6.根据权利要求1所述的图像的预处理方法,其特征在于,所述特征信息为类别信息;
【专利技术属性】
技术研发人员:罗靖宇,武晓敏,
申请(专利权)人:广联达数字科技广州有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。