图像矫正方法、装置、电子设备和计算机可读介质制造方法及图纸

本申请实施例公开了图像矫正方法、装置、电子设备和计算机可读介质。该方法的实施例包括：基于目标对象的活动范围确定预览画面中的目标区域；确定目标区域中的点与预览画面的中点的最远距离；基于预先生成的距离与矫正强度的对应关系信息，确定最远距离对应的目标矫正强度；基于目标矫正强度对预览画面对应的图像进行矫正，得到矫正图像。该实施方式在保证了矫正效果的同时，提高了对矫正图像进行目标检测的召回率。测的召回率。测的召回率。

【技术实现步骤摘要】
图像矫正方法、装置、电子设备和计算机可读介质


[0001]本申请实施例涉及计算机
，具体涉及图像矫正方法、装置、电子设备和计算机可读介质。

技术介绍

[0002]随着计算机技术的发展，目标检测的应用场景的越来越多。在目标检测时，通常需要使用镜头进行图像采集。相对于普通镜头，广角镜头能够获取更大的视场角，但也会造成更大程度的图像畸变。
[0003]现有技术中，通常采用固定的矫正强度对畸变图像进行矫正。然而在不同拍摄场景下，目标对象所在区域具有较大差异，例如在一些拍摄场景下目标对象仅位于画面中部，在另一些拍摄场景下目标对象布满整个画面，这种矫正方式可能会使图像矫正效果不佳或者矫正过程中目标对象被裁剪导致目标检测的召回率降低的问题。

技术实现思路

[0004]本申请实施例提出了图像矫正方法、装置、电子设备和计算机可读介质，以解决现有技术中矫正效果不佳以及因矫正过程中目标对象被裁剪导致目标检测的召回率降低的技术问题。
[0005]第一方面，本申请实施例提供了一种图像矫正方法，该方法包括：基于目标对象的活动范围确定预览画面中的目标区域；确定所述目标区域中的点与所述预览画面的中点的最远距离；基于预先生成的距离与矫正强度的对应关系信息，确定所述最远距离对应的目标矫正强度；基于所述目标矫正强度对所述预览画面对应的图像进行矫正，得到矫正图像。
[0006]第二方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，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中所描述的方法。
[0007]第三方面，本申请实施例提供了一种计算机可读介质，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中所描述的方法。
[0008]第四方面，本申请实施例提供了一种计算机程序产品，包括计算机程序或指令，该计算机程序或指令被处理器执行时实现第一方面中所描述的方法。
[0009]本申请实施例提供的图像矫正方法、装置、电子设备和计算机可读介质，通过基于目标对象的活动范围确定预览画面中的目标区域，而后确定目标区域中的点与预览画面的中点的最远距离，之后基于预先生成的距离与矫正强度的对应关系信息，确定该最远距离对应的目标矫正强度，最后基于目标矫正强度对预览画面对应的图像进行矫正，从而可得到对该图像进行矫正的矫正图像。由于所选用的目标矫正强度基于目标对象的活动范围对应在预览画面中的目标区域确定，因此针对不同的拍摄场景(即目标对象位于预览图像中不同位置的场景)，能够针对性的选取最为合适的矫正强度，避免了图像矫正时因目标对象位于图像边缘而被裁剪以致无法被识别的情况，也避免了在目标对象集中于图像中部时采
用固定矫正强度导致矫正效果欠佳的情况，由此，在保证了图像矫正效果的同时，提高了对矫正图像进行目标检测的召回率。
附图说明
[0010]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
[0011]图1是根据本申请的图像矫正方法的一个实施例的流程图；
[0012]图2是根据本申请的图像矫正方法的对应关系信息生成过程的流程图；
[0013]图3是根据本申请的图像矫正方法的网格图像及其采样点的示意图；
[0014]图4是根据本申请的图像矫正装置的一个实施例的结构示意图；
[0015]图5是用于实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0016]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相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。
[0017]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0018]近年来，基于人工智能的计算机视觉、深度学习、机器学习、图像处理、图像识别等技术研究取得了重要进展。人工智能(Artificial Intelligence，AI)是研究、开发用于模拟、延伸人的智能的理论、方法、技术及应用系统的新兴科学技术。人工智能学科是一门综合性学科，涉及芯片、大数据、云计算、物联网、分布式存储、深度学习、机器学习、神经网络等诸多技术种类。计算机视觉作为人工智能的一个重要分支，具体是让机器识别世界，计算机视觉技术通常包括人脸识别、活体检测、指纹识别与防伪验证、生物特征识别、人脸检测、行人检测、目标检测、行人识别、图像处理、图像识别、图像语义理解、图像检索、文字识别、视频处理、视频内容识别、行为识别、三维重建、虚拟现实、增强现实、同步定位与地图构建(SLAM)、计算摄影、机器人导航与定位等技术。随着人工智能技术的研究和进步，该项技术在众多领域展开了应用，例如安防、城市管理、交通管理、楼宇管理、园区管理、人脸通行、人脸考勤、物流管理、仓储管理、机器人、智能营销、计算摄影、手机影像、云服务、智能家居、穿戴设备、无人驾驶、自动驾驶、智能医疗、人脸支付、人脸解锁、指纹解锁、人证核验、智慧屏、智能电视、摄像机、移动互联网、网络直播、美颜、美妆、医疗美容、智能测温等领域。
[0019]请参考图1，其示出了根据本申请的图像矫正方法的一个实施例的流程100。该图像矫正方法可应用于电子设备，上述电子设备包括但不限于：服务器、智能手机、平板电脑、电子书阅读器、MP3(动态影像专家压缩标准音频层面3，Moving Picture Experts Group Audio Layer III)播放器、MP4(动态影像专家压缩标准音频层面4，Moving Picture Experts Group Audio Layer IV)播放器、膝上型便携计算机、车载电脑、掌上电脑、台式计算机、机顶盒、智能电视机、相机、可穿戴设备等。
[0020]该图像矫正方法，包括以下步骤：
[0021]步骤101，基于目标对象的活动范围确定预览画面中的目标区域。
[0022]在本实施例中，图像矫正方法的执行主体(如上述电子设备)可以配置有图像采集装置或与图像采集装置通信连接，并可以显示预览画面。其中，图像采集装置可包括但不限于广角镜头、超广角镜头等。预览画面中可显示有图像采集装置所采集到的影像。作为示例，图像采集装置可以是用于采集道路图像的摄像头，其可固定与桥梁上。上述执行主体可以是与该摄像头通信连接并进行图像处理的计算机或服务器等，其可通过显示屏显示图像采集装置所采集到的道路影像。
[0023]在本实施例中，上述执行主体可以基于目标对象的活动范围确定预览画面中的目标区域。其中，目标对象可以是作为检测目标的对象，可预先定义，如可定义为车辆、动物、人物等。实践中，针对预览画面进行图像拍摄并进行图像矫正后，即可对矫正图像进行目标检测，以识别该矫正图像中的目标对象。目标对象的活动范围可以指目标对象在实际本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像矫正方法，其特征在于，所述方法包括：基于目标对象的活动范围确定预览画面中的目标区域；确定所述目标区域中的点与所述预览画面的中点的最远距离；基于预先生成的距离与矫正强度的对应关系信息，确定所述最远距离对应的目标矫正强度；基于所述目标矫正强度对所述预览画面对应的图像进行矫正，得到矫正图像。2.根据权利要求1所述的方法，其特征在于，所述基于预先生成的距离与矫正强度的对应关系信息，确定所述最远距离对应的目标矫正强度，包括：从所述对应关系信息中查询第一距离对应的第一矫正强度和第二距离对应的第二矫正强度，其中，所述第一距离小于所述最远距离且所述第二距离大于所述最远距离；基于所述第一距离对应的第一矫正强度和所述第二距离对应的第二矫正强度，插值得到所述最远距离对应的目标矫正强度。3.根据权利要求2所述的方法，其特征在于，所述第一距离为所述对应关系信息包括的距离中小于所述最远距离的最大距离，所述第二距离为所述对应关系信息包括的距离中大于所述最远距离的最小距离。4.根据权利要求1
‑
3之一所述的方法，其特征在于，所述对应关系信息通过如下步骤预先获取：获取待矫正的网格图像；从所述网格图像的中点到其中一顶点的线段中，选取多个采样点，并获取所述多个采样点中的各采样点到所述网格图像的中点的距离；基于以不同矫正强度对所述网格图像进行矫正后所得到的矫正网格图像，确定各采样点对应的最佳矫正强度；基于各采样点到所述网格图像的中点的距离和各采样点对应的最佳矫正强度，生成距离与矫正强度的对应关系信息。5.根据权利要求4所述的方法，其特征在于，所述基于以不同矫正强度对所述网格图像进行矫正后所得到的矫正网格图像，确定各采样点对应的最佳矫正强度，包括：依次将每个采样点作为目标采样点，执行如下步骤：采用不同矫正强度对所述网格图像进行矫正，得到不同矫正强度对应的矫正网格图像，各矫正网格图像中包含所述目标采样点；分别将各矫正网格图像输入至预先训练的召回率预测模型，得到各矫正网格图像对应的召回率，并将召...

【专利技术属性】
技术研发人员：周艳芬，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：