天空区域预测模型的训练方法和识别天空区域的方法技术

本发明专利技术实施例提出一种天空区域预测模型的训练方法和识别天空区域的方法。训练方法包括获取多张样本图像，样本图像中包括天空区域；利用多张样本图像训练轻量级卷积神经网络模型，得到天空区域预测模型，天空区域预测模型用于识别目标图像中的天空区域。本发明专利技术实施例的方法可以快速有效地识别天空区域，满足移动终端的实时性要求。

【技术实现步骤摘要】
天空区域预测模型的训练方法和识别天空区域的方法
本专利技术涉及图像处理
，尤其涉及一种天空区域预测模型的训练方法和识别天空区域的方法。
技术介绍
目前，识别图像中的天空区域(也可以叫做天空分割)可以采用阈值法，即根据天空场景的颜色等特征，根据阈值提取天空区域。这种方案只考虑像素特征，不适用于复杂场景，鲁棒性不高。天空分割也可以采用边缘检测法，即使用梯度算子等特征检测区域的边缘，提取天空区域。这种方案得到的边缘较为复杂，不能确保连续性和闭合性。还有一种方法是区域生长法，即选择种子像素，通过与近邻像素合并生长得到天空区域，这种方案可能会破坏区域边界。
技术实现思路
本专利技术实施例提供一种识别天空区域的方法、装置、设备和存储介质，以解决现有技术中的一个或多个技术问题。第一方面，本专利技术实施例提供了一种天空区域预测模型的训练方法，包括：获取多张样本图像，样本图像中包括天空区域；利用多张样本图像训练轻量级卷积神经网络模型，得到天空区域预测模型，天空区域预测模型用于识别目标图像中的天空区域。在一种实施方式中，轻量级卷积神经网络模型包括多层编码器和多层解码器，编码器用于从原始大小的样本图像中提取低纬度特征，解码器用于将低纬度特征恢复到原始大小的输出图像。在一种实施方式中，获取多张样本图像，包括：从样本视频中获取多张第一天空场景图像；将多个云层素材分别与第二天空场景图像融合，生成多张生成第三天空场景图像；将第一天空场景图像和第三天空场景图像作为样本图像。在一种实施方式中，利用多张样本图像训练轻量级卷积神经网络模型，得到天空区域预测模型，包括：将训练好的轻量级卷积神经网络模型作为待选预测模型；将待测图像输入待选预测模型，得到与待测图像对应的预测数据；在所述预测数据错误的情况下获取待测图像的天空场景类型；基于多张与天空场景类型对应的样本图像，训练待选预测模型，得到天空区域预测模型。第二方面，本专利技术实施例提供一种识别天空区域的方法，包括：获取目标图像，目标图像中包括天空区域；根据天空区域预测模型识别目标图像中的天空区域，天空区域预测模型根据上述任一项的训练方法得到。在一种实施方式中，获取目标图像，包括：采集目标视频；从目标视频中获取目标图像。在一种实施方式中，根据天空区域预测模型识别目标图像中的天空区域，包括：将从目标视频中获取的各目标图像分别输入天空区域预测模型，得到与各目标图像分别对应的多个天空区域预测结果；基于各目标图像的时序特征，使用光流法对各天空区域预测结果进行后处理，得到对各目标图像中的天空区域的识别结果。第三方面，本专利技术实施例提供一种天空区域预测模型的训练装置，包括：样本图像获取模块，用于获取多张样本图像，样本图像中包括天空区域；训练模块，用于利用多张样本图像训练轻量级卷积神经网络模型，得到天空区域预测模型，天空区域预测模型用于识别目标图像中的天空区域。在一种实施方式中，轻量级卷积神经网络模型包括多层编码器和多层解码器，编码器用于从原始大小的样本图像中提取低纬度特征，解码器用于将低纬度特征恢复到原始大小的输出图像。在一种实施方式中，训练模块包括：待选预测模型确定子模块，用于将训练好的轻量级卷积神经网络模型作为待选预测模型；输入子模块，用于将待测图像输入待选预测模型，得到与待测图像对应的预测数据；获取子模块，用于在预测数据错误的情况下获取待测图像的天空场景类型；训练子模块，用于基于多张与天空场景类型对应的样本图像，训练待选预测模型，得到天空区域预测模型。第四方面，本专利技术实施例提供一种识别天空区域的装置，包括：目标图像获取模块，用于获取目标图像，目标图像中包括天空区域；识别模块，用于根据天空区域预测模型识别目标图像中的天空区域，天空区域预测模型根据上述任一项的训练方法得到。第五方面，本专利技术实施例提供了一种天空区域预测模型的训练设备，天空区域预测模型的训练设备的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的设计中，天空区域预测模型的训练设备的结构中包括处理器和存储器，存储器用于存储支持识别天空区域的设备执行上述天空区域预测模型的训练方法的程序，处理器被配置为用于执行存储器中存储的程序。天空区域预测模型的训练设备还可以包括通信接口，用于与其他设备或通信网络通信。第六方面，本专利技术实施例提供了一种识别天空区域的设备，识别天空区域的设备的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的设计中，识别天空区域的设备的结构中包括处理器和存储器，存储器用于存储支持识别天空区域的设备执行上述识别天空区域的方法的程序，处理器被配置为用于执行存储器中存储的程序。识别天空区域的设备还可以包括通信接口，用于与其他设备或通信网络通信。第七方面，本专利技术实施例提供了一种计算机可读存储介质，用于存储天空区域预测模型的训练方法和/或识别天空区域的设备所用的计算机软件指令，其包括用于执行上述天空区域预测模型的训练设备和/或识别天空区域的设备所涉及的程序。本专利技术实施例中，可以采用天空区域预测模型识别图像中的天空区域，由于天空区域预测模型是基于轻量级卷积神经网络训练得到，进而可以快速有效地识别天空区域，满足移动终端的实时性要求。上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本专利技术进一步的方面、实施方式和特征将会是容易明白的。附图说明在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本专利技术公开的一些实施方式，而不应将其视为是对本专利技术范围的限制。图1示出根据本专利技术实施例的天空区域预测模型的训练方法的流程图。图2示出了本专利技术实施例中的轻量级卷积神经网络模型的一个示例的示意图。图3示出根据本专利技术实施例一种实施方式的天空区域预测模型的训练方法的流程图。图4示出根据本专利技术实施例的识别天空区域的方法的流程图。图5示出根据本专利技术实施例的天空区域预测模型的训练装置的结构框图。图6示出根据本专利技术实施例一种实施方式的天空区域预测模型的训练装置的结构框图。图7示出根据本专利技术实施例的识别天空区域的装置的结构框图。图8示出根据本专利技术实施例的天空区域预测模型的训练设备的结构框图。图9示出根据本专利技术实施例的识别天空区域的设备的结构框图。具体实施方式在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本专利技术的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。图1示出根据本专利技术实施例的天空区域预测模型的训练方法的流程图。如图1，该方法可以包括：步骤S101、获取多张样本图像，样本图像中包括天空区域。在一个示例中，可以随机采集多张包括天空区域的图像作为样本图像。在另一个示例中，可以从移动终端中采集包括天空区域图像流的样本视频，然后从样本视频中抽取多帧图像作为样本图像。在一种实施方式中，在步骤S101中可以包括：从样本视频中获取多张第一天空场景图像；将多个特征素材分别与第二天空场景本文档来自技高网...

【技术保护点】
1.一种天空区域预测模型的训练方法，其特征在于，包括：获取多张样本图像，所述样本图像中包括天空区域；利用多张所述样本图像训练轻量级卷积神经网络模型，得到天空区域预测模型，所述天空区域预测模型用于识别目标图像中的天空区域。

【技术特征摘要】
1.一种天空区域预测模型的训练方法，其特征在于，包括：获取多张样本图像，所述样本图像中包括天空区域；利用多张所述样本图像训练轻量级卷积神经网络模型，得到天空区域预测模型，所述天空区域预测模型用于识别目标图像中的天空区域。2.根据权利要求1所述的训练方法，其特征在于，所述轻量级卷积神经网络模型包括多层编码器和多层解码器，所述编码器用于从原始大小的样本图像中提取低纬度特征，所述解码器用于将所述低纬度特征恢复到原始大小的输出图像。3.根据权利要求1所述的训练方法，其特征在于，获取多张样本图像，包括：从样本视频中获取多张第一天空场景图像；将多个云层素材分别与第二天空场景图像融合，生成多张生成第三天空场景图像；将所述第一天空场景图像和所述第三天空场景图像作为所述样本图像。4.根据权利要求1所述的训练方法，其特征在于，利用多张所述样本图像训练轻量级卷积神经网络模型，得到天空区域预测模型，包括：将训练好的轻量级卷积神经网络模型作为待选预测模型；将待测图像输入所述待选预测模型，得到与所述待测图像对应的预测数据；在所述预测数据错误的情况下获取所述待测图像的天空场景类型；基于多张与所述天空场景类型对应的样本图像，训练所述待选预测模型，得到所述天空区域预测模型。5.一种识别天空区域的方法，其特征在于，包括：获取目标图像，所述目标图像中包括天空区域；根据天空区域预测模型识别所述目标图像中的天空区域，所述天空区域预测模型根据如权利要求1至4任一项所述的训练方法得到。6.根据权利要求5所述的方法，其特征在于，获取目标图像，包括：采集目标视频；从所述目标视频中获取所述目标图像。7.根据权利要求6所述的方法，其特征在于，根据天空区域预测模型识别所述目标图像中的天空区域，包括：将从所述目标视频中获取的各所述目标图像分别输入所述天空区域预测模型，得到与各所述目标图像分别对应的多个天空区域预测结果；基于各所述目标图像的时序特征，使用光流法对各所述天空区域预测结果进行后处理，得到对各所述目标图像中的...

【专利技术属性】
技术研发人员：彭冕，傅依，张赫男，文石磊，丁二锐，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京,11