一种图像标定方法、装置、存储介质及电子装置制造方法及图纸

本发明专利技术实施例提供了一种图像标定方法、装置、存储介质及电子装置，其方法包括：获取目标场景的初始像素图像和初始雷达图像；对所述初始像素图像进行第一标定处理，以得到目标像素图像；对所述初始雷达图像进行第二标定处理，以得到目标雷达图像；对所述目标雷达图像和所述目标像素图像进行融合操作，以得到目标数据图像，其中，所述目标数据图像包括所述目标雷达图像和所述目标像素图像。通过本发明专利技术，解决了图像识别精度和效率低的问题，进而达到了提高图像识别精度和效率的效果。高图像识别精度和效率的效果。高图像识别精度和效率的效果。

【技术实现步骤摘要】
一种图像标定方法、装置、存储介质及电子装置


[0001]本专利技术实施例涉及通信领域，具体而言，涉及一种图像标定方法、装置、存储介质及电子装置。

技术介绍

[0002]现代社会,安防越来越受到公众的重视，安防产品也层出不穷，安防应用领域也不断扩展，安防技术也迅速发展，但是受限于特殊的使用场景，目前安防终端仍存在识别效率低、识别精度差的问题。
[0003]例如，传统的安防终端器材主要是可见光摄像机，可见光摄像机优势是获得目标的类别信息，但不易获得目标的运行信息。例如很容易识别目标类型(人非机)，但却不易估计目标的速度和空间位置。在较远距离、夜晚、雨雾天对目标的识别准确率相对于近距离目标准确率较低，即目标在监控区域内时间空间准确度不一致(甚至存在显著差别)。
[0004]毫米波雷达主动发射电磁波并接受同频率信号，对移动物体或RCS(雷达反射面积)较大的物体，有非常高的检测概率，但是对于静止物体有较低的检测概率(检测概率不为零)。
[0005]针对相关技术中识别精度差、识别效率低的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]本专利技术实施例提供了一种图像标定方法、装置、存储介质及电子装置，以至少解决相关技术中识别精度差、识别效率低的问题。
[0007]根据本专利技术的一个实施例，提供了一种图像标定方法，包括：
[0008]获取目标场景的初始像素图像和初始雷达图像，其中，所述初始像素图像包括所述目标场景中包含的目标对象的像素信息，所述初始雷达图像包括所述目标对象的雷达信息，且所述初始像素图像与所述初始雷达图像是对所述目标场景进行同步拍摄后所得到的；
[0009]对所述初始像素图像进行第一标定处理，以得到目标像素图像，其中，所述目标像素图像为所述初始像素图像的标定图像，所述目标像素图像包括所述初始像素图像和所述目标对象的雷达信息；
[0010]对所述初始雷达图像进行第二标定处理，以得到目标雷达图像，其中，所述目标雷达图像为所述初始雷达图像的标定图像，所述目标雷达图像包括所述初始雷达图像和所述目标对象的像素信息；
[0011]对所述目标雷达图像和所述目标像素图像进行融合操作，以得到目标数据图像，其中，所述目标数据图像包括所述目标雷达图像和所述目标像素图像。
[0012]在一个示例性实施例中，在所述获取目标场景的初始像素图像和初始雷达图像之前，所述方法包括：对所述目标场景进行场景识别，以确定所述目标场景是否满足第一条件；
[0013]所述获取目标场景的初始像素图像和初始雷达图像，包括：在所述目标场景满足所述第一条件的情况下，获取所述目标场景的初始像素图像和初始雷达图像。
[0014]在一个示例性实施例中，对所述初始像素图像进行第一标定处理，以得到目标像素图像包括：
[0015]利用第一模型对所述初始像素图像进行第一标定处理，以得到目标像素图像，其中，所述第一模型为使用第一数据集通过机器学习训练出的，所述第一数据集包括多组第一数据，每组所述第一数据均包括：像素图像以及所述像素图像的标定图像。
[0016]在一个示例性实施例中，在所述对所述初始像素图像进行第一标定处理之前，所述方法还包括：
[0017]获取第一初始数据集，其中，所述第一初始数据集中包括多组第一数据，每组第一数据包括所述像素图像和所述像素图像的标定图像；
[0018]判断所述第一初始数据集是否满足第二条件；
[0019]在所述第一初始数据集满足第二条件的情况下，将所述第一初始数据集确定为所述第一数据集。
[0020]在一个示例性实施例中，判断所述第一初始数据集是否满足第二条件包括：
[0021]对所述第一初始数据集中包括的每一组数据均执行以下操作，以确定所述第一初始数据集中包括的质量满足预定质量阈值的数据组：
[0022]提取所述像素图像包含的第一目标区域图像；
[0023]对所述第一目标区域图像进行下采样处理，以得到第一区域图像；
[0024]对所述第一区域图像进行二值化处理，以得到第二区域图像；
[0025]对所述第二区域图像进行二值化结果检测，以得到二值化检测结果；
[0026]基于所述二值化检测结果判断所述像素图像是否满足所述质量阈值，其中，在所述二值化结果为第一结果的情况下，确定所述像素图像满足所述质量阈值，在所述二值化结果为第二结果的情况下，确定所述像素图像不满足所述质量阈值；
[0027]确定所述第一初始数据集中包括的质量满足上述预定质量阈值的数据组的第一数量；
[0028]基于所述第一数量判断所述第一初始数据集是否满足所述第二条件，其中，在所述第一数量大于等于数量阈值的情况下，确定所述第一初始数据集满足所述第二条件，在所述第一数量小于数量阈值的情况下，确定所述第一初始数据集不满足所述第二条件。
[0029]在一个示例性实施例中，判断所述第一初始数据集是否满足第二条件包括：
[0030]获取所述第一初始数据集中包括的数据组的数量，以及获取第一初始数据集中包括的每个数据组的质量；
[0031]基于所述数量和所述质量判断所述第一初始数据集是否满足所述第二条件，其中，在确定所述数量满足数量条件，以及所述质量满足所述质量条件的情况下，确定所述第一初始数据集是否满足所述第二条件，在确定所述数量不满足所述数量条件和/或所述质量不满足所述质量条件的情况下，确定所述第一初始数据集不满足所述第二条件。
[0032]在一个示例性实施例中，在基于所述数量和所述质量判断所述第一初始数据集是否满足所述第二条件之后，所述方法还包括：
[0033]在确定所述数量不满足所述数量条件的情况下，增加所述第一初始数据集中包括
的数据组；
[0034]在确定所述质量不满足所述质量条件的情况下，删除所述第一数据集中包括的全部数据组，并重新确定所述第一数据集中包括的数据组。
[0035]在一个示例性实施例中，对所述初始雷达图像进行第二标定处理，以得到目标雷达图像包括：
[0036]利用第二模型对所述初始雷达图像进行第二标定处理，以得到目标雷达图像，其中，所述第二模型为使用第二数据集通过机器学习训练出的，所述第二数据集包括多组第二数据，每组所述第二数据均包括：雷达图像以及所述雷达图像的标定图像。
[0037]在一个示例性实施例中，在所述对所述初始雷达图像进行第二标定处理之前，所述方法还包括：
[0038]获取第二初始数据集，其中，所述第二初始数据集中包括多组第二数据，每组第二数据包括所述雷达图像和所述雷达图像的标定图像；
[0039]判断所述第二初始数据集是否满足第二条件；
[0040]在所述第二初始数据集满足第二条件的情况下，将所述第二初始数据集确定为所述第二数据集。
[0041]在一个示例性实施例中，判断所述第二初始数据集是否满足第二条件包括：
[0042]对所述第二初始数据集中包括的每一组数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像标定方法，其特征在于，包括：获取目标场景的初始像素图像和初始雷达图像，其中，所述初始像素图像包括所述目标场景中包含的目标对象的像素信息，所述初始雷达图像包括所述目标对象的雷达信息，且所述初始像素图像与所述初始雷达图像是对所述目标场景进行同步拍摄后所得到的；对所述初始像素图像进行第一标定处理，以得到目标像素图像，其中，所述目标像素图像为所述初始像素图像的标定图像，所述目标像素图像包括所述初始像素图像和所述目标对象的雷达信息；对所述初始雷达图像进行第二标定处理，以得到目标雷达图像，其中，所述目标雷达图像为所述初始雷达图像的标定图像，所述目标雷达图像包括所述初始雷达图像和所述目标对象的像素信息；对所述目标雷达图像和所述目标像素图像进行融合操作，以得到目标数据图像，其中，所述目标数据图像包括所述目标雷达图像和所述目标像素图像。2.根据权利要求1所述的方法，其特征在于，在所述获取目标场景的初始像素图像和初始雷达图像之前，所述方法包括：对所述目标场景进行场景识别，以确定所述目标场景是否满足第一条件；所述获取目标场景的初始像素图像和初始雷达图像，包括：在所述目标场景满足所述第一条件的情况下，获取所述目标场景的初始像素图像和初始雷达图像。3.根据权利要求1所述的方法，其特征在于，对所述初始像素图像进行第一标定处理，以得到目标像素图像包括：利用第一模型对所述初始像素图像进行第一标定处理，以得到目标像素图像，其中，所述第一模型为使用第一数据集通过机器学习训练出的，所述第一数据集包括多组第一数据，每组所述第一数据均包括：像素图像以及所述像素图像的标定图像。4.根据权利要求3所述的方法，其特征在于，在所述对所述初始像素图像进行第一标定处理之前，所述方法还包括：获取第一初始数据集，其中，所述第一初始数据集中包括多组第一数据，每组第一数据包括所述像素图像和所述像素图像的标定图像；判断所述第一初始数据集是否满足第二条件；在所述第一初始数据集满足第二条件的情况下，将所述第一初始数据集确定为所述第一数据集。5.根据权利要求4所述的方法，其特征在于，判断所述第一初始数据集是否满足第二条件包括：对所述第一初始数据集中包括的每一组数据均执行以下操作，以确定所述第一初始数据集中包括的质量满足预定质量阈值的数据组：提取所述像素图像包含的第一目标区域图像；对所述第一目标区域图像进行下采样处理，以得到第一区域图像；对所述第一区域图像进行二值化处理，以得到第二区域图像；对所述第二区域图像进行二值化结果检测，以得到二值化检测结果；基于所述二值化检测结果判断所述像素图像是否满足所述质量阈值，其中，在所述二值化结果为第一结果的情况下，确定所述像素图像满足所述质量阈值，在所述二值化结果
为第二结果的情况下，确定所述像素图像不满足所述质量阈值；确定所述第一初始数据集中包括的质量满足上述预定质量阈值的数据组的第一数量；基于所述第一数量判断所述第一初始数据集是否满足所述第二条件，其中，在所述第一数量大于等于数量阈值的情况下，确定所述第一初始数据集满足所述第二条件，在所述第一数量小于数量阈值的情况下，确定所述第一初始数据集不满足所述第二条件。6.根据权利要求4所述的方法，其特征在于，判断所述第一初始数据集是否满足第二条件包括：获取所述第一初始数据集中包括的数据组的数量，以及获取所述第一初始数据集中包括的每个数据组的质量；基于所述数量和所述质量判断所述第一初始数据集是否满足所述第二条件，其中，在确定所述数量满足数量条件，以及所述质量满足质量条件的情况下，确定所述第一初始数据集是否满足所述第二条件，在确定所述数量不满足所述数量条件和/或所述质量不满足所述质量条件的情况下，确定所述第一初始数据集不满足所述第二条件。7.根据权利要求6所述的方法，其特征在于，在基于所述数量和所述质量判断所述第一初始数据集是否满足所述第二条件之后，所述方法还包括：在确定所述数量不满足所述数量条件的情况下，增加所述第一初始数据集中包括的数据组；在确定所述质量不满足所述质量条件的情况下，删除所述第一数据集中包括的全部数据组，并重新确定所述第一数据集中包括的数据组。8.根据权利要求1所述的方法，其特征在于，对所述初始雷达图像进...

【专利技术属性】
技术研发人员：李冬冬，李乾坤，卢维，殷俊，陈文博，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：