通道可视化训练数据合成方法、装置、设备和存储介质制造方法及图纸

本申请涉及数字图像处理技术领域，特别是涉及到一种通道可视化训练数据合成方法、装置、设备和存储介质，其中方法包括：获取多张包含待检测目标对象的相关图像，对相关图像进行处理；获取摄像机的相关参数；获取多张不包含检测目标对象的真实场景图像，并进行区域划分，在划分的区域内生成随机数量和随机位置的种子点；根据摄像机的相关参数和种子点的位置，计算得出摄像头到每个种子点对应真实场景中的位置的实际距离；根据实际距离，将处理后的相关图像进行尺寸调整，并与真实场景图像进行合成，得到合成图像，合成图像用于通道可视化训练。通过本方法合成的图像数据会更接近于物距远目标小、物距近的目标大的真实情况。物距近的目标大的真实情况。物距近的目标大的真实情况。

【技术实现步骤摘要】
通道可视化训练数据合成方法、装置、设备和存储介质


[0001]本申请涉及数字图像处理
，特别是涉及到一种通道可视化训练数据合成方法、装置、设备和存储介质。

技术介绍

[0002]数据对于深度学习训练非常重要，但现实世界所收集的真实数据在数量和质量上有时无法满足需求。例如在电力行业等通道可视化领域，某些检测对象通常出现机率低，优质数据无法大量获取甚至无法获取，比如森林山火、烟雾等。因此，需要人工合成数据作为训练数据的补充，合成数据是计算机模拟或算法所生成的带有注释的信息，可用于模拟真实数据。虽然是人造数据，但合成数据能够从数学或统计学上反映真实数据。研究表明，在训练 AI 模型方面，使用合成数据进行训练，与基于实际物体、事件或人的真实数据进行训练效果相同，甚至能达到更好的效果。
[0003]现有图像合成技术包括：图像拼接和蒙版合成。图像拼接，是将从其他图像中裁切的目标对象直接拼接到新的图像中，该方法不去除背景。蒙版合成，是将从其他图像中裁切的目标对象通过蒙版合成到新的图像中，该方法去除背景。具体原理如下：其中代表像素属于前景的概率图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通道可视化训练数据合成方法，其特征在于，所述方法包括：获取多张包含待检测目标对象的相关图像，对所述相关图像进行处理；获取摄像机的相关参数；获取多张不包含检测目标对象的真实场景图像，并进行区域划分，在划分的区域内生成随机数量和随机位置的种子点；根据所述摄像机的相关参数和所述种子点的位置，计算得出摄像头到每个所述种子点对应真实场景中的位置的实际距离；根据所述实际距离，将处理后的所述相关图像进行尺寸调整，并与所述真实场景图像进行合成，得到合成图像，所述合成图像用于通道可视化训练。2.根据权利要求1所述的通道可视化训练数据合成方法，其特征在于，所述获取多张包含待检测目标对象的相关图像，对所述相关图像进行处理，包括：获取多张包含待检测目标对象的相关图像，将目标对象从相关图像中分割出来，得到目标对象的蒙版图；将所述蒙版图按照最小外接矩形的方式对目标对象进行裁切，并将裁切后的所述蒙版图进行分类和缩放。3.根据权利要求1所述的通道可视化训练数据合成方法，其特征在于，所述获取多张不包含检测目标对象的真实场景图像，并进行区域划分，在划分的区域内生成随机数量和随机位置的种子点，包括：根据摄像机视野中监控关注的区域，对真实场景图像进行监控等级区域划分；在划定的区域内生成随机数量和随机位置的种子点。4.根据权利要求1所述的通道可视化训练数据合成方法，其特征在于，所述根据所述摄像机的相关参数和所述种子点的位置，计算得出摄像头到每个所述种子点对应真实场景中的位置的实际距离，包括：运用几何变换方法计算出每个所述种子点映射在真实场景中的位置，再计算出摄像头到每个所述位置的实际距离。5.根据权利要求2所述的通道可视化训练数据合成方法，其特征在于，所述根据所述实际距离，将处理后的所述相关图像进行尺寸调整，并与所述真实场景图像进行合成，得到合成图像，所述合成图像用于通道可视化训练，包括：根据所述种子点数量，随...

【专利技术属性】
技术研发人员：王齐，陈尚锋，汪暾，邱鹏，欧阳开一，
申请(专利权)人：中科开创广州智能科技发展有限公司，
类型：发明
国别省市：