一种多延时状态下的图像处理方法技术

本申请涉及一种多延时状态下的图像处理方法，所述图像处理方法包括：获取多延时状态中目标图像对应的背景图像；记录研究对象出现在所述背景图像中的初始时间点；获取研究对象部分出现于所述背景图像时的所有子图像；基于所述背景图像和所有子图像，确定出研究对象的完整外观图像，并对所述研究对象的完整外观图像进行图像转换；基于所述完整外观图像获取目标图像，并记录目标图像对应的获取时间点；基于所述初始时间点和获取时间点，获取对应的延迟时间，并基于获得的延迟时间对目标图像进行处理。本申请基于上述方法，实现在多延迟状态下，获取研究对象的图像，并对获取的图像进行相应的处理。相应的处理。相应的处理。

【技术实现步骤摘要】
一种多延时状态下的图像处理方法


[0001]本申请属于图像处理
，具体涉及一种多延时状态下的图像处理方法。

技术介绍

[0002]随着科学技术的发展，对人工智能及机器人的技术研究变得日益成熟，众所周知，目前来说，可以将机器人应用于诸多领域，比如无人配送领域、无人生产领域以及无人监控领域。
[0003]由于一些环境为高危状态环境、不适合人类活动或者生存的环境，进而，由于上述不利环境不会对机器人的运行或工作造成影响，因此可以通过人工智能机器人获取上述不利环境下或者指定环境的视频或者图像；例如：通过行走机器人获取战场环境下的视频或者图像；通过行走机器人获取月球或者火星表面上的视频或者图像；通过行走机器人获取狭小空间内的视频或者图像。由于基于上述不利环境获取视频或者图像，均是想获取某些目标物体的变化图像，但是由于现有的具有拍照或者拍摄功能的机器人往往无法对指定环境中运动状态下的目标物体进行有效识别，总是存在一些图像获取误差，进而导致无法获得想要的目标图像。
[0004]鉴于此，本申请提供一种多延时状态下的图像处理方法，进一步克服，无法在多延时状态下，实现对图像的处理这一问题。

技术实现思路

[0005](一)要解决的技术问题
[0006]鉴于现有技术的上述缺点、不足，本申请提供一种多延时状态下的图像处理方法。
[0007](二)技术方案
[0008]为达到上述目的，本申请采用如下技术方案：
[0009]第一方面，本申请提供一种多延时状态下的图像处理方法，包括：
[0010]S1、获取多延时状态中目标图像对应的背景图像；
[0011]所述目标图像为研究对象所对应的图像；
[0012]所述背景图像为不包括研究对象的图像；
[0013]S2、记录研究对象出现在所述背景图像中的初始时间点；
[0014]S3、获取研究对象部分出现于所述背景图像时的所有子图像；
[0015]S4、基于所述背景图像和所有子图像，确定出研究对象的完整外观图像，并对所述研究对象的完整外观图像进行图像转换；
[0016]S5、基于所述完整外观图像获取目标图像，并记录目标图像对应的获取时间点；
[0017]S6、基于所述初始时间点和获取时间点，获取对应的延迟时间，并基于获得的延迟时间对目标图像进行处理。
[0018]可选的，所述S1中的获取多延时状态中目标图像对应的背景图像，包括：
[0019]通过图像采集装置对出现于背景图像中的研究对象进行拍照，获取对应的目标图
像。
[0020]可选的，所述S3中的获取研究对象部分出现于所述背景图像时的所有子图像，包括：
[0021]S3
‑
1、通过摄像设备预先获取所述研究对象的多个视图图像，将获取的视图图像对应的数据划分为训练数据集和验证数据集，并导入到图像处理系统中；
[0022]所述多个视图图像包括：基于不同距离以及不同角度，获取的研究对象的正面图像、后面图像、左面图像、右面图像、上面图像和下面图像；
[0023]S3
‑
2、基于预设的图像识别训练误差阈值，通过视图图像对应的训练数据集和验证数据集构建图像识别模型；
[0024]S3
‑
3、基于获取的背景图像，通过构建的图像识别模型获取研究对象部分出现于所述背景图像时的所有子图像。
[0025]可选的，所述S4中的基于所述背景图像和所有子图像，确定出研究对象的完整外观图像，包括：
[0026]分别计算每一子图像与背景图像之间的差异值；
[0027]选取差异值最大的子图像作为研究对象的完整外观图像。
[0028]可选的，所述S4中的基于所述背景图像和所有子图像，确定出研究对象的完整外观图像，包括：
[0029]分别识别每一子图像中研究对象的轮廓；
[0030]分别计算识别出来的每一轮廓与对应子图像的面积占比；
[0031]将所述面积占比最大的子图像作为研究对象的完整外观图像。
[0032]可选的，所述S4中的基于所述背景图像和所有子图像，确定出研究对象的完整外观图像，包括：
[0033]分别计算每一子图像与背景图像中的差异值；
[0034]基于全部子图像，将第一次出现差异值最大的子图像作为第一子图像；
[0035]获取所述第一子图像之后连续多个子图像；
[0036]若所述多个子图像满足预先设定的像素条件，则判定所述多个子图像任一子图像为研究对象的完整外观图像。
[0037]可选的，所述S4中的基于所述背景图像和所有子图像，确定出研究对象的完整外观图像，包括：
[0038]分别计算每一子图像与所述背景图像之间的面积占比；
[0039]基于全部子图像，将所述面积占比最大的子图像作为第二子图像；
[0040]获取所述第二子图像之后连续多个子图像；
[0041]若所述多个子图像满足预先设定的像素条件，则判定所述多个子图像任一子图像为研究对象的完整外观图像。
[0042]可选的，所述S4中的基于所述背景图像和所有子图像，确定出研究对象的完整外观图像，包括：
[0043]分别识别每一子图像中研究对象的轮廓；
[0044]获得所述研究对象的轮廓的外界规则几何形状；
[0045]获得所述研究对象的轮廓的外界规则几何形状的中心点；
[0046]基于所述中心点确定研究对象的完整外观图像。
[0047]可选的，所述S4中的对所述研究对象的完整外观图像进行图像转换，包括：获取完整外观图像对应的块像素，并基于所述块像素的RGB值进行图像转换。
[0048]可选的，所述S4中的对所述研究对象的完整外观图像进行图像转换，包括：
[0049]S4
‑
1、获取研究对象的完整外观图像对应的块像素；
[0050]S4
‑
2、基于所述块像素的RGB值计算对应的明暗的面积比，并基于所述面积比设定所述完整外观图像对应的明暗区域；
[0051]S4
‑
3、将所述完整外观图像对应的明暗区域转换为RGB值对应的波长区域；
[0052]S4
‑
4、通过将波长区域中包含的RGB值转换为最大波长的亮度，对RGB值进行亮度转换；
[0053]S4
‑
5、将经过亮度转换的RGB值转换为表示色调的颜色空间HSV值。
[0054](三)有益效果
[0055]基于本申请中的方法，能够实现在多延迟状态下，获取研究对象的图像，并对获取的图像进行相应的处理。
附图说明
[0056]本申请借助于以下附图进行描述：
[0057]图1为多延时状态下的图像处理方法的流程示意图。
具体实施方式
[0058]为了更好的解释本专利技术，以便于理解，下面结合附图，通过具体实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多延时状态下的图像处理方法，其特征在于，所述图像处理方法包括：S1、获取多延时状态中目标图像对应的背景图像；所述目标图像为研究对象所对应的图像；所述背景图像为不包括研究对象的图像；S2、记录研究对象出现在所述背景图像中的初始时间点；S3、获取研究对象部分出现于所述背景图像时的所有子图像；S4、基于所述背景图像和所有子图像，确定出研究对象的完整外观图像，并对所述研究对象的完整外观图像进行图像转换；S5、基于所述完整外观图像获取目标图像，并记录目标图像对应的获取时间点；S6、基于所述初始时间点和获取时间点，获取对应的延迟时间，并基于获得的延迟时间对目标图像进行处理。2.根据权利要求1所述的图像处理方法，其特征在于，所述S1中的获取多延时状态中目标图像对应的背景图像，包括：通过图像采集装置对出现于背景图像中的研究对象进行拍照，获取对应的目标图像。3.根据权利要求1所述的图像处理方法，其特征在于，所述S3中的获取研究对象部分出现于所述背景图像时的所有子图像，包括：S3
‑
1、通过摄像设备预先获取所述研究对象的多个视图图像，将获取的视图图像对应的数据划分为训练数据集和验证数据集，并导入到图像处理系统中；所述多个视图图像包括：基于不同距离以及不同角度，获取的研究对象的正面图像、后面图像、左面图像、右面图像、上面图像和下面图像；S3
‑
2、基于预设的图像识别训练误差阈值，通过视图图像对应的训练数据集和验证数据集构建图像识别模型；S3
‑
3、基于获取的背景图像，通过构建的图像识别模型获取研究对象部分出现于所述背景图像时的所有子图像。4.根据权利要求1所述的图像处理方法，其特征在于，所述S4中的基于所述背景图像和所有子图像，确定出研究对象的完整外观图像，包括：分别计算每一子图像与背景图像之间的差异值；选取差异值最大的子图像作为研究对象的完整外观图像。5.根据权利要求1所述的图像处理方法，其特征在于，所述S4中的基于所述背景图像和所有子图像，确定出研究对象的完整外观图像，包括：分别识别每一子图像中研究对象的轮廓；分别计算识别出来的每一轮廓与对应子图像的面积占比；将所述面积占比最大的子图像作为研究对...

【专利技术属性】
技术研发人员：黎勇跃，陈如申，
申请(专利权)人：杭州申昊科技股份有限公司，
类型：发明
国别省市：