一种基于图像分割的标识检测方法、系统及可读存储介质技术方案

本发明专利技术涉及图像检测处理相关技术领域，公开了一种基于图像分割的标识检测方法、系统及可读存储介质，通过opencv获得视频流，配合dbnet神经网络，实现对视频流中的图像帧进行卷积以提取图像特征，进而对标识区域和非标识区域进行区分以检测出预测标识。基于本发明专利技术，可以实现通过检测人物身上的工牌、袖章、文字、衣着等具有特征性的标识来确定人物身份，通过牌坊、建筑等场景的标识确定场景等地点，填补了现有技术中对细粒度的检测的空缺，具有较高的实用价值。的实用价值。的实用价值。

【技术实现步骤摘要】
一种基于图像分割的标识检测方法、系统及可读存储介质


[0001]本专利技术涉及图像检测处理相关
，具体是一种基于图像分割的标识检测方法、系统及可读存储介质。

技术介绍

[0002]图像处理识别技术是一项应用前景十分广泛的新兴技术类别，具体的来说，其是一种通过计算机软件将采集的外部世界的影像转换成计算机可存取的数据并进行识别的技术，目前在网络安全、诸多管理系统(如交通管理系统、考勤管理系统等)以及无人驾驶等领域均有着不同程度的使用。
[0003]目前市场上相关技术都是粗粒度的划分，如行人、建筑、道路等等；如无人驾驶技术，对于区域划分，只是划分出建筑、树木、道路、人行道、红绿灯、行人、车辆等粗粒度大物体的检测。
[0004]现有技术市场中，缺乏针对细粒度的检测，如人物标志和人物标志类似的细粒度检测，因此本申请旨在提供一种填补现有技术空缺的用于细粒度检测到图像检测方法。

技术实现思路

[0005]本专利技术的目的在于提供一种基于图像分割的标识检测方法、系统及可读存储介质，以解决上述
技术介绍
中提出的问题。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像分割的标识检测方法，其特征在于，包含以下步骤：获取视频流信息，并对获取的视频流信息进行帧抽取，获取帧图像；通过DBNet神经网络对所得帧图像进行图像的分割预测处理，生成预测标识，所述预测标识用于表示所述帧图像中的图像标识，所述图像标识为区别于所述图像背景的需要检测的特征区域，所述分割预处理用于对所述帧图像进行像素点分析并通过对所述像素点判断以生成预测标识；根据所述预测标识对所述帧图像进行切片，以提取所述帧图像中的标志区域，所述切片用于表示将图像标识所对应的位置区域在帧图像中进行表示的过程。2.根据权利要求1所述的基于图像分割的标识检测方法，其特征在于，还包括步骤：接收并响应调参数据，根据所述调参数据对所述DBNet神经网络进行结构与超参调节，所述超参为可调节参数，包括通道数、卷积层数、阈值以及区域置信度中的一个或多个。3.根据权利要求1所述的基于图像分割的标识检测方法，其特征在于，还包括步骤：通过tensorflow神经网络框架搭建DBNet神经网络，所述DBNet神经网络的网络结构为卷积
‑
逆卷积。4.根据权利要求3所述的基于图像分割的标识检测方法，其特征在于，还包括步骤：接收标注数据，通过所述标注数据对所述DBNet神经网络进行训练，所述标注数据由使用者标记生成，所述标注数据用于表征所述帧图像中需要进行检测的图像标识。5.根据权利要求4所述的基于图像分割的标识检测方法，其特征在于，所述通过DBNet神经网络对所述帧图像进行分割预测处理，生成预测标识的步骤具体包括：将帧图像输入DBNet神经网络中；通过所述DBNet神经网络分析生成所述帧图像中每个像素点的标识概率，所述标识概率用于表征所述像素点为图像标识的概率值；通过预设的判定阈值对每个所述像素点的所述标识概率进行判定，若判定结果为大于所述判定阈值，则对所述像素点进行概率标记，若判定结果为小于所述判定阈值，则所述像素点为背景内容；根据所述概率标记的分布，分析形成连续性区域，并根据预设的面积阈值的所述连续性区域进行面积过滤分析，...

【专利技术属性】
技术研发人员：蒋强，熊军迪，杨雨辉，陈兴鹏，李昭强，
申请(专利权)人：昇辉控股有限公司，
类型：发明
国别省市：