【技术实现步骤摘要】
一种多源光学样本生成方法和系统
[0001]本申请涉及图像处理
，特别是涉及一种多源光学样本生成方法和系统。
技术介绍
[0002]随着深度学习技术的迅猛发展，基于深度学习技术的监督学习方法被广泛运用于环境污染监测、濒危物种监测、交通监控等多种场景中的目标识别、检测、跟踪等任务中。在执行目标识别、检测、跟踪任务时的一个核心模块就是基于深度学习的目标识别模型，而目标识别模型的实际应用效果与目标识别模型的训练程度密切相关，即与目标识别模型训练时使用的光学样本的质量和数量相关，需要采用大量与应用问题密切相关的光学样本训练模型，才能得到更好的识别模型。
[0003]然而，受限于采样环境以及采样设备的限制，人工采集光学样本耗时费力，采集到的高质量光学样本数量有限，种类单一，面向同一任务的多源样本更是少之又少，无法使基于深度学习技术的目标识别模型发挥最大的能力。
技术实现思路
[0004]本申请提供一种多源光学样本生成方法和系统，以解决人工采集光学样本耗时费力，采集到的高质量光学样本数量有限，种类单一，无法...
【技术保护点】
【技术特征摘要】
1.一种多源光学样本生成方法，其特征在于，所述方法包括：接收用于生成同一识别任务的仿真场景的输入参数，所述输入参数包括所述识别任务的不同光学类型的光学样本特性参数和仿真条件参数；根据每种光学类型的光学样本特性参数和仿真条件参数，构建与每种光学类型一一对应的仿真场景，并在每种光学类型对应的仿真场景中，生成该种光学类型的光学图像以及所述光学图像对应的标注信息，所述标注信息至少包括所述光学图像中的目标对象的位置信息；将所述光学图像和所述标注信息作为该种光学类型下的所述光学样本。2.根据权利要求1所述的方法，其特征在于，所述识别任务为环境污染监测任务、濒危物种监测任务以及交通监控任务中的任一。3.根据权利要求1所述的方法，其特征在于，所述输入参数包括可见光样本参数、动态视觉样本参数和红外样本参数；其中，所述可见光样本参数、所述动态视觉样本参数和所述红外样本参数均包括各自对应的光学样本特性参数和仿真条件参数；其中，所述仿真条件参数包括图像类型参数、目标位置约束参数、背景参数、环境参数、传感器与载体参数、命名参数、存储路径参数和显示参数；所述光学样本特性参数包括可见光样本特性参数、动态视觉样本特性参数和红外样本特性参数；其中，所述可见光样本特性参数包括可见光样本增广参数和可见光样本批量生成参数；所述动态视觉样本特性参数包括动态视觉样本增广参数、预设时间间隔参数、噪声变换参数、图像变换参数和动态视觉样本批量生成参数；所述红外样本特性参数包括红外样本增广参数、红外仿真参数、红外样本批量生成参数。4.根据权利要求3所述的方法，其特征在于，根据每种光学类型的光学样本特性参数和仿真条件参数，构建与每种光学类型一一对应的仿真场景，并在每种光学类型对应的仿真场景中，生成该种光学类型的光学图像以及所述光学图像对应的标注信息，包括：根据所述可见光样本参数，构建可见光仿真场景，并在所述可见光仿真场景中生成可见光图像以及所述可见光图像对应的标注信息；和/或，根据所述动态视觉样本参数，构建动态视觉仿真场景，并在所述动态视觉仿真场景中生成初始图像，并对所述初始图像进行图像变换，得到动态视觉图像以及所述动态视觉图像对应的标注信息；和/或，根据所述红外样本参数，构建红外仿真场景，并在所述红外仿真场景中生成红外图像以及所述红外图像对应的标注信息。5.根据权利要求4所述的方法，其特征在于，对所述初始图像进行图像变换，得到动态视觉图像以及所述动态视觉图像对应的标注信息，包括：获取当前时刻生成的第一初始图像和预设时间间隔后生成的第二初始图像；通过噪声变换函数，对所述第二初始图像与所述第一初始图像之间的差值进行噪声变换，得到噪声图像；通过图像变换函数，对所述噪声图像进行图像变换，得到动态视觉图像；
将所述预设时间间隔除以二的商与所述当前时刻的和，确定为所述动态视觉图像的目标仿真时刻；将所述目标仿真时刻对应的标注信息作为所述动态视觉图像的标注信息。6.根据权利要求3所述的方法，其特征在于，所述方法还包括：响应于用户触发的查询指令，显...
【专利技术属性】
技术研发人员：曹扬，彭渊，赵思聪，吴京辉，贾帅楠，吕乃冰，周武，
申请(专利权)人：北京航天晨信科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。