隧道管廊的图像处理方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种隧道管廊的图像处理方法、装置、计算机设备和存储介质。所述方法包括：获取隧道管廊的待识别图像；将所述待识别图像输入至训练好的图像识别模型中进行目标识别，得到所述待识别图像的识别结果；根据所述识别结果生成控制指令，所述控制指令用于对所述隧道管廊进行自动监控。采用本方法能够提高了对隧道管廊的安全检测的准确性。

【技术实现步骤摘要】
隧道管廊的图像处理方法、装置、计算机设备和存储介质
本申请涉及图像处理
，特别是涉及一种图像处理方法、装置、计算机设备和存储介质。
技术介绍
综合管廊就是地下城市管道综合走廊，即在城市地下建造一个隧道空间，将电力、通信，燃气、供热、给排水等各种工程管线集于一体，设有专门的检修口、吊装口和监测系统，实施统一规划、统一设计、统一建设和管理，是保障城市运行的重要基础设施和“生命线”。地下综合管廊系统不仅解决城市交通拥堵问题，还极大方便了电力、通信、燃气、供排水等市政设施的维护和检修。然而，现有的地下综合管廊巡检方式以人工巡视为主，导致管廊隧道安全性的检测结果不准确。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高隧道管廊安全性的检测结果准确性的隧道管廊的图像处理方法、装置、计算机设备和存储介质。一种隧道管廊的图像处理方法，所述方法包括：获取隧道管廊的待识别图像；将所述待识别图像输入至训练好的图像识别模型中进行目标识别，得到所述待识别图像的识别结果；根据所述识别结果生成控制指令，所述控制指令用于对所述隧道管廊进行自动监控。在其中一个实施例中，在所述获取隧道管廊的待识别图像之前，所述方法还包括：采集隧道管廊的原始图像；从所述原始图像中获取预设目标区域的目标图像，对所述目标图像进行标记得到所述预设目标区域的掩模图；根据所述掩模图和所述原始图像构建图像样本库，通过卷积神经网络模型对所述图像样本库中的每个图像样本进行训练，得到训练好的图像识别模型。在其中一个实施例中，所述目标识别为工人数量识别；所述将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型对所述待处理图像中的进行目标识别，得到所述待识别图像的识别结果，包括：将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型中识别所述待处理图像中的带有目标标记的工人，得到所述待识别图像中的工人数量，所述工人数量为所述待识别图像的识别结果。在其中一个实施例中，所述目标识别为工人体位识别；所述将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型对所述待处理图像中的进行目标识别，得到所述待识别图像的识别结果，包括：将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型对所述待处理图像中的工人体位进行识别，得到所述工人体位的识别结果；所述工人体位为攀爬、卧倒或抽烟动作。在其中一个实施例中，所述目标识别为工人着装识别；所述将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型对所述待处理图像中的进行目标识别，得到所述待识别图像的识别结果，包括：将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型对所述待处理图像中的工人着装进行识别，得到所述待处理图像中的工人着装的识别结果；所述工人着装包括工人身着安全帽或工作服中至少一种。在其中一个实施例中，所述目标识别为火灾识别；所述将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型对所述待处理图像中的进行目标识别，得到所述待识别图像的识别结果，包括：统计所述待识别图像的方向梯度直方图以及在HSL空间下的颜色直方图；对所述方向梯度直方图和所述颜色直方图分别进行归一化处理，得到归一化方向梯度直方图和归一化颜色直方图；将所述归一化方向梯度直方图和归一化颜色直方图输入至训练好的图像识别模型中，得到所述待识别图像中的分类结果；所述分类结果用于确定所述隧道管廊的状态。在其中一个实施例中，所述待识别图像中包括位置水印，在所述将所述归一化方向梯度直方图和归一化颜色直方图输入至训练好的图像识别模型中，得到所述待识别图像的分类结果之前，所述方法还包括：通过识别所述位置水印，确定位置信息；根据所述位置信息从所述图像识别模型中确定对应的支持向量机；所述将所述归一化方向梯度直方图和归一化颜色直方图输入至训练好的图像识别模型中，得到所述待识别图像的分类结果，包括：将所述归一化方向梯度直方图和归一化颜色直方图输入至所述支持向量机中，得到所述待识别图像的分类结果。一种隧道管廊的图像处理装置，所述装置包括：获取隧道管廊的待识别图像；将所述待识别图像输入至训练好的图像识别模型中进行目标识别，得到所述待识别图像的识别结果；根据所述识别结果生成控制指令，所述控制指令用于对所述隧道管廊进行自动监控。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：获取隧道管廊的待识别图像；将所述待识别图像输入至训练好的图像识别模型中进行目标识别，得到所述待识别图像的识别结果；根据所述识别结果生成控制指令，所述控制指令用于对所述隧道管廊进行自动监控。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：获取隧道管廊的待识别图像；将所述待识别图像输入至训练好的图像识别模型中进行目标识别，得到所述待识别图像的识别结果；根据所述识别结果生成控制指令，所述控制指令用于对所述隧道管廊进行自动监控。上述隧道管廊的图像处理方法、装置、计算机设备和存储介质，通过获取隧道管廊的待识别图像；将待识别图像输入至训练好的图像识别模型中进行目标识别，得到待识别图像的识别结果；根据识别结果生成控制指令，控制指令用于对隧道管廊进行自动监控；不需要根据人工对隧道管廊的安全性进行检测，来获取对隧道管廊安全性的检测结果，避免了环境因素和人工操作失误对检测结果的影响，提高了对隧道管廊的安全检测的准确性。附图说明图1为一个实施例中隧道管廊的图像处理方法的应用环境图；图2为一个实施例中隧道管廊的图像处理方法的流程示意图；图3为一个实施例中图像识别模型训练方法的流程示意图；图4为另一个实施例中用于火灾识别的隧道管廊的图像处理方法的流程示意图；图5为一个实施例中隧道管廊的图像处理装置的结构框图；图6为另一个实施例中隧道管廊的图像处理装置的结构框图；图7为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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申请，并不用于限定本申请。本申请提供的隧道管廊的图像处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。通过终端102从服务器104中获取隧道管廊的待识别图像；将待识别图像输入至训练好的图像识别模型中进行目标识别，得到待识别图像的识别结果；根据识别结果生成控制指令，控制指令用于对隧道管廊进行自动监控。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等设备，服务器104本文档来自技高网...

【技术保护点】
1.一种隧道管廊的图像处理方法，所述方法包括：/n获取隧道管廊的待识别图像；/n将所述待识别图像输入至训练好的图像识别模型中进行目标识别，得到所述待识别图像的识别结果；/n根据所述识别结果生成控制指令，所述控制指令用于对所述隧道管廊进行自动监控。/n

【技术特征摘要】
1.一种隧道管廊的图像处理方法，所述方法包括：
获取隧道管廊的待识别图像；
将所述待识别图像输入至训练好的图像识别模型中进行目标识别，得到所述待识别图像的识别结果；
根据所述识别结果生成控制指令，所述控制指令用于对所述隧道管廊进行自动监控。


2.根据权利要求1所述的方法，其特征在于，在所述获取隧道管廊的待识别图像之前，所述方法还包括：
采集隧道管廊的原始图像；
从所述原始图像中获取预设目标区域的目标图像，对所述目标图像进行标记得到所述预设目标区域的掩模图；
根据所述掩模图和所述原始图像构建图像样本库，通过卷积神经网络模型对所述图像样本库中的每个图像样本进行训练，得到训练好的图像识别模型。


3.根据权利要求1所述的方法，其特征在于，所述目标识别为工人数量识别；所述将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型对所述待处理图像中的进行目标识别，得到所述待识别图像的识别结果，包括：
将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型中识别所述待处理图像中的带有目标标记的工人，得到所述待识别图像中的工人数量，所述工人数量为所述待识别图像的识别结果。


4.根据权利要求1所述的方法，其特征在于，所述目标识别为工人体位识别；所述将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型对所述待处理图像中的进行目标识别，得到所述待识别图像的识别结果，包括：
将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型对所述待处理图像中的工人体位进行识别，得到所述工人体位的识别结果；所述工人体位为攀爬、卧倒或抽烟动作。


5.根据权利要求1所述的方法，其特征在于，所述目标识别为工人着装识别；所述将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型对所述待处理图像中的进行目标识别，得到所述待识别图像的识别结果，包括：
将所述待识别图像输入至训练好的图像识别模型中，通过所述图像识别模型对所述待处理图像中的工人着装进行识别，得到所述待处理图像中的工人着装的...

【专利技术属性】
技术研发人员：成健，罗智奕，胡力广，陈腾彪，詹威鹏，具章平，崔磊，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：广东;44