一种里程显示区域检测方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种里程显示区域检测方法、装置、设备及存储介质，所述方法包括：对待检测图像进行处理，得到与所述待检测图像中里程显示区域相关联的至少一个初始区域和至少一个所述初始区域分别对应的初始特征数据；将至少一个所述初始特征数据与所述待检测图像关联的标准模板图的标准特征数据进行特征匹配，获取特征匹配结果；根据所述特征匹配结果，对各所述初始区域进行初筛，得到至少一个目标区域；对各所述目标区域进行二次筛选，得到所述里程显示区域的预测区域；通过上述技术方案，优化了目标检测的过程，提高了目标检测的召回率。测的召回率。测的召回率。

【技术实现步骤摘要】
一种里程显示区域检测方法、装置、设备及存储介质


[0001]本申请实施例涉及目标检测
，尤其涉及一种里程显示区域检测方法、装置、设备及存储介质。

技术介绍

[0002]目标检测是计算机视觉的一个重要应用，例如从图像中检测出人脸、车辆或建筑等目标对象。在相关技术提供的方案中，通常是训练目标检测模型，并通过训练后的目标检测模型实现目标检测。
[0003]然而，由于受光照条件、拍摄角度等因素的影响，在将待识别图像输入到目标检测模型，对待识别图像中的目标进行检测时，即使待识别图像存在待检测的目标，也有可能存在识别失败或识别错误的情况。
[0004]因此，针对现有技术中存在的问题，亟待进行改善。

技术实现思路

[0005]本申请提供一种里程显示区域检测方法、装置、设备及存储介质，以优化目标检测的过程，提高目标检测的召回率。
[0006]第一方面，本申请实施例提供了一种里程显示区域检测方法，该方法包括：
[0007]对待检测图像进行处理，得到与所述待检测图像中里程显示区域相关联的至少一个初始区域和至少一个所述初始区域分别对应的初始特征数据；
[0008]将至少一个所述初始特征数据与所述待检测图像关联的标准模板图的标准特征数据进行特征匹配，获取特征匹配结果；
[0009]根据所述特征匹配结果，对各所述初始区域进行初筛，得到至少一个目标区域；
[0010]对各所述目标区域进行二次筛选，得到所述里程显示区域的预测区域。
[0011]第二方面，本申请实施例还提供了一种里程显示区域检测装置，该装置包括：
[0012]图像处理模块，用于对待检测图像进行处理，得到与所述待检测图像中里程显示区域相关联的至少一个初始区域和至少一个所述初始区域分别对应的初始特征数据；
[0013]匹配模块，用于将至少一个所述初始特征数据与所述待检测图像关联的标准模板图的标准特征数据进行特征匹配，获取特征匹配结果；
[0014]目标区域筛选模块，用于根据所述特征匹配结果，对各所述初始区域进行初筛，得到至少一个目标区域；
[0015]预测区域确定模块，用于对各所述目标区域进行二次筛选，得到所述里程显示区域的预测区域。
[0016]第三方面，本申请实施例还提供了一种电子设备，所述设备包括：
[0017]一个或多个处理器；
[0018]存储装置，用于存储一个或多个程序，
[0019]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理
器实现如第一方面实施例所提供的任意一种里程显示区域检测方法。
[0020]第六方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所提供的任意一种里程显示区域检测方法。
[0021]本申请实施例通过对待检测图像进行处理，得到与所述待检测图像中里程显示区域相关联的至少一个初始区域和至少一个所述初始区域分别对应的初始特征数据；将至少一个所述初始特征数据与所述待检测图像关联的标准模板图的标准特征数据进行特征匹配，获取特征匹配结果；根据所述特征匹配结果，对各所述初始区域进行初筛，得到至少一个目标区域；对各所述目标区域进行二次筛选，得到所述里程显示区域的预测区域。通过上述技术方案，基于初始特征数据与标准特征数据的特征匹配结果，对可能存在行驶里程数区域的位置区域进行初筛，从各初始区域中筛选出了有更大概率存在行驶里程数区域的位置区域，减少了初始区域的数量，同时也可以对初始区域进行有目的指向性的筛选，优化了目标检测的过程，提高了目标检测的召回率，同时也提升了目标检测速度。
附图说明
[0022]图1是本申请实施例一提供的一种里程显示区域检测方法的流程图；
[0023]图2是本申请实施例二提供的一种里程显示区域检测方法的流程图；
[0024]图3是本申请实施例二提供的一种里程显示区域检测过程的示意图；
[0025]图4是本申请实施例三提供的一种里程显示区域检测方法的流程图；
[0026]图5是本申请实施例四提供的一种里程显示区域检测装置的示意图；
[0027]图6是本申请实施例五提供的一种电子设备的示意图。
具体实施方式
[0028]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
[0029]在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0030]实施例一
[0031]图1为本申请实施例一提供的一种里程显示区域检测方法的流程图。本申请实施例可适用于从车辆中控台图像中检测出里程显示区域的情况。该方法可以由一种里程显示区域检测装置来执行，该装置可以由软件和/或硬件的方式实现，并具体配置于电子设备中，该电子设备可以是移动终端或固定终端。
[0032]参见图1，本申请实施例提供的里程显示区域检测方法，包括：
[0033]S110、对待检测图像进行处理，得到与待检测图像中里程显示区域相关联的至少一个初始区域和至少一个初始区域分别对应的初始特征数据。
[0034]其中，待检测图像是指输入的车辆中控台图像，在车辆中控台图像中，存在里程显示区域，也称行驶里程数区域，通过读取行驶里程数区域里面的数字，可以得知该车辆自从出厂以来一共走了多少公里。通常，车辆行驶里程数是衡量车辆折损率的重要指标之一，因此，对车辆中控台图像中的行驶里程数区域进行识别具有重要意义。
[0035]初始区域是指被认定为可能存在里程显示区域的位置区域，而初始特征数据用于表征初始区域的特征情况，每一个初始区域均可确定出相应的初始特征数据。
[0036]本实施例中，可以将待检测图像输入至预先训练好的目标检测模型，得到与待检测图像中里程显示区域相关联的至少一个初始区域和至少一个初始区域分别对应的初始特征数据。
[0037]其中，目标检测模型可以是深度神经网络里程数检测模型，典型地可以是神经网络(BackPropagation Network，反向传播神经网络)模型，基于预先标注好的车辆样本数据，采用监督学习的方式，对目标检测模型进行训练。
[0038]具体地，车辆样本数据可以通过收集多种不同车型、车系和年款的中控台图片进行人工标注，在中控台图片中定位行驶里程数区域得到。为了简单起见，可以在中控台图片中定位行驶里程数区域的四个顶点，将该四个顶点所在的位置区域确定为行驶里程数区域。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种里程显示区域检测方法，其特征在于，包括：对待检测图像进行处理，得到与所述待检测图像中里程显示区域相关联的至少一个初始区域和至少一个所述初始区域分别对应的初始特征数据；将至少一个所述初始特征数据与所述待检测图像关联的标准模板图的标准特征数据进行特征匹配，获取特征匹配结果；根据所述特征匹配结果，对各所述初始区域进行初筛，得到至少一个目标区域；对各所述目标区域进行二次筛选，得到所述里程显示区域的预测区域。2.根据权利要求1所述的方法，其特征在于，所述对待检测图像进行处理，得到与所述待检测图像中里程显示区域相关联的至少一个初始区域和至少一个所述初始区域分别对应的初始特征数据，包括：基于第一置信度阈值，将所述待检测图像输入至目标检测模型，得到与所述待检测图像中里程显示区域相关联的至少一个第一初始区域；基于第二置信度阈值，将所述待检测图像输入至所述目标检测模型，得到与所述待检测图像中里程显示区域相关联的至少一个第二初始区域和各所述第二初始区域对应的初始特征数据；其中，所述第二置信度阈值小于所述第一置信度阈值；相应的，所述将至少一个所述初始特征数据与所述待检测图像关联的标准模板图的标准特征数据进行特征匹配，包括：将至少一个所述第二初始区域对应的初始特征数据与所述待检测图像关联的标准模板图的标准特征数据进行特征匹配。3.根据权利要求2所述的方法，其特征在于，所述根据所述特征匹配结果，对各所述初始区域进行初筛，得到至少一个目标区域，包括：将匹配成功的第二初始区域和所述第一初始区域组合，得到至少一个目标区域。4.根据权利要求1所述的方法，其特征在于，所述将至少一个所述初始特征数据与所述待检测图像关联的标准模板图的标准特征数据进行特征匹配，包括：计算至少一个所述初始特征数据与所述待检测图像关联的标准模板图的标准特征数据的汉明距离。5.根据权利要求1所述的方法，其特征在于，所述标准模板图的标准特征数据采用以下...

【专利技术属性】
技术研发人员：戚朕，章水鑫，周源赣，
申请(专利权)人：南京三百云信息科技有限公司，
类型：发明
国别省市：