一种含有热点信息的全景图像自动生成方法及系统技术方案

本发明专利技术公开了一种含有热点信息的全景图像自动生成方法及系统，该方法包括以下步骤:对多个设备进行分类，并将每个设备的分类信息与参数信息对应存储；构建设备识别模型；接收终端发送来的全景图像；将全景图像输入到设备识别模型中，通过设备识别模型识别出全景图像中的各个设备作为图像设备，并得到各个图像设备的分类信息以及位置信息；根据各个图像设备的分类信息，检索得到各个图像设备的参数信息；根据各个图像设备的位置信息在全景图像上叠加各个图像设备的参数信息对应的热点得到含有热点信息的全景图像；将含有热点信息的全景图像输出；本发明专利技术能够自动将热点叠加在全景图像上，效率高、质量好、成本低、实用性强、使用简单方便。

An automatic panoramic image generation method and system with hot spot information

【技术实现步骤摘要】
一种含有热点信息的全景图像自动生成方法及系统
本专利技术涉及图像处理
，尤其是一种含有热点信息的全景图像自动生成方法及系统。
技术介绍
近年来，随着社会与科技不断发展，越来越多的场合需要通过360全景方式进行实时监控，并为各个全景图像中的各个监控设备配置热点信息。目前，全景图像热点配置工作主要通过人力手动配置，配置工作量巨大；配置过程中容易出错、遗漏；自动化程度低、项目实施耗时长、整体工作效率低，因此需要寻找一种能够解决此类问题的方法。
技术实现思路
有鉴于此，需要克服现有技术中的上述缺陷中的至少一个，本专利技术提供了一种含有热点信息的全景图像自动生成方法，包括以下步骤:对多个需要识别的设备进行分类，并将每个设备的分类信息与参数信息对应存储到设备参数信息存储模块中；构建设备识别模型；接收终端发送来的全景图像；将所述全景图像输入到所述设备识别模型中，通过所述设备识别模型识别出所述全景图像中的各个设备作为图像设备，并得到各个所述图像设备的分类信息以及各个所述图像设备在所述全景图像中的位置信息；根据各个所述图像设备的本文档来自技高网...

【技术保护点】
1.一种含有热点信息的全景图像自动生成方法，其特征在于，包括以下步骤:/n对多个需要识别的设备进行分类，并将每个设备的分类信息与参数信息对应存储到设备参数信息存储模块中；/n构建设备识别模型；/n接收终端发送来的全景图像；/n将所述全景图像输入到所述设备识别模型中，通过所述设备识别模型识别出所述全景图像中的各个设备作为图像设备，并得到各个所述图像设备的分类信息以及各个所述图像设备在所述全景图像中的位置信息；/n根据各个所述图像设备的分类信息，在所述设备参数信息存储模块中检索得到各个所述图像设备的参数信息；/n根据各个所述图像设备的位置信息在所述全景图像上叠加各个所述图像设备的参数信息对应的热点...

【技术特征摘要】
1.一种含有热点信息的全景图像自动生成方法，其特征在于，包括以下步骤:
对多个需要识别的设备进行分类，并将每个设备的分类信息与参数信息对应存储到设备参数信息存储模块中；
构建设备识别模型；
接收终端发送来的全景图像；
将所述全景图像输入到所述设备识别模型中，通过所述设备识别模型识别出所述全景图像中的各个设备作为图像设备，并得到各个所述图像设备的分类信息以及各个所述图像设备在所述全景图像中的位置信息；
根据各个所述图像设备的分类信息，在所述设备参数信息存储模块中检索得到各个所述图像设备的参数信息；
根据各个所述图像设备的位置信息在所述全景图像上叠加各个所述图像设备的参数信息对应的热点得到含有热点信息的全景图像；
将所述含有热点信息的全景图像输出。


2.一种含有热点信息的全景图像自动生成方法，其特征在于，包括以下步骤:
对多个需要识别的设备进行分类，并将每个设备的分类信息与参数信息对应存储到设备参数信息存储模块中；
构建设备识别模型；
接收终端发送来的全景图像；
对所述全景图像进行预处理得到处理后图像；
将所述处理后图像输入到所述设备识别模型中，通过所述设备识别模型识别出所述处理后图像中的各个设备作为图像设备，并得到各个所述图像设备的分类信息以及各个所述图像设备在所述处理后图像中的位置信息；
根据各个所述图像设备的分类信息，在所述设备参数信息存储模块中检索得到各个所述图像设备的参数信息；
根据各个所述图像设备的位置信息在所述全景图像上叠加各个所述图像设备的参数信息对应的热点得到含有热点信息的全景图像；
将所述含有热点信息的全景图像输出。


3.根据权利要求1或2所述的一种含有热点信息的全景图像自动生成方法，其特征在于，构建所述设备识别模型的步骤包括以下步骤：
步骤1,确定待识别设备的所述分类信息；
步骤2,获取所述待识别设备的多个设备图像；
步骤3，构建卷积神经网络模型，将多个所述设备图像作为训练集输入到所述卷积神经网络模型中对所述神经网络模型进行训练；
步骤4，重复步骤3直至达到训练完成条件得到训练后的所述卷积神经网络模型作为所述设备识别模型。


4.根据权利要求3所述的一种含有热点信息的全景图像自动生成方法，其特征在于，所述步骤4中的所述训练完成条件为完成了预定的循环次数、所述卷积神经网络模型的识别误差小于0.1。


5.根据权利要求3所述的一种含有热点信息的全景图像自动生成方法，其特征在于，所述步骤3包括如下子步骤：
步骤3-1，构建含有输入层、卷积层、池化层、激活函数以及输出层的卷积神经网络模型，该卷积神经网络模型中各层的参数矩阵中的参数为随机设置；
步骤3-2，将多个所述设备图像作为所述训练集输入到所述卷积神经网络模型中；
步骤3-3，对所述卷积神经网络模型进行前向传递计算识别误差；
步骤3-4，采用反向传播算法传递所述识别误差更新所述参数。


6.根据权利要求2所述的一种含有热点信息的全景图像自动生成方法，其特征在于，基于OpenCv对所述全景图像进行所述预处理。


7.根据权利要求2所述的一种含有热点信息的全景图像自动生成方法，其特征在于，对所述全景图像进行所述预处理的步骤...

【专利技术属性】
技术研发人员：吴文祥，田维波，张树龙，姜明武，顾晓君，
申请(专利权)人：苏州光格设备有限公司，
类型：发明
国别省市：江苏;32