图像处理的方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种图像处理的方法、装置、电子设备及存储介质，涉及人工智能技术领域，进一步涉及图像识别、云计算和深度学习技术领域，以至少解决相关技术中对图像进行检测的检测准确率低的技术问题。具体实现方案为：获取目标区域的目标视频，其中，目标区域包括预设子区域；基于第一抽帧频率对目标视频进行抽帧，得到第一图像，其中，第一图像为目标视频的第一时刻对应的图像帧；对第一图像进行检测，得到第一检测结果，其中，第一检测结果用于表示在第一时刻预设子区域是否存在目标对象；基于第一检测结果对第一图像进行检测，得到目标检测结果，其中，目标检测结果用于表示目标对象在目标区域的运动信息。象在目标区域的运动信息。象在目标区域的运动信息。

【技术实现步骤摘要】
图像处理的方法、装置、电子设备及存储介质


[0001]本公开涉及人工智能
，尤其涉及一种图像处理的方法、装置、电子设备及存储介质。

技术介绍

[0002]随着人工智能(Artificial Intelligence，AI)技术的飞速发展，目前在交通领域，可以通过在边缘计算服务器上部署目标追踪算法，识别出车辆的行动轨迹，从而识别出车辆压线、逆行、超速等一系列违法行为，及时对驾驶员进行告警提醒。但现有技术中的目标追踪算法，采用的是固定的抽帧频率，导致对目标对象进行检测的检测准确率低。

技术实现思路

[0003]本公开提供了一种图像处理的方法、装置、电子设备及存储介质，以至少解决相关技术中对图像进行检测的检测准确率低的技术问题。
[0004]根据本公开的一方面，提供了一种图像处理的方法，包括：获取目标区域的目标视频，其中，目标区域包括预设子区域；基于第一抽帧频率对目标视频进行抽帧，得到第一图像，其中，第一图像为目标视频的第一时刻对应的图像帧；对第一图像进行检测，得到第一检测结果，其中，第一检测结果用于表示在第一时刻预设子区域是否存在目标对象；基于第一检测结果对第一图像进行检测，得到目标检测结果，其中，目标检测结果用于表示目标对象在目标区域的运动信息。
[0005]根据本公开的又一方面，提供了一种图像处理的装置，包括：第一获取模块，用于获取目标区域的目标视频，其中，目标区域包括预设子区域；第一抽帧模块，用于基于第一抽帧频率对目标视频进行抽帧，得到第一图像，其中，第一图像为目标视频的第一时刻对应的图像帧；第一检测模块，用于对第一图像进行检测，得到第一检测结果，其中，第一检测结果用于表示在第一时刻预设子区域是否存在目标对象；第二检测模块，用于基于第一检测结果对第一图像进行检测，得到目标检测结果，其中，目标检测结果用于表示目标对象在目标区域的运动信息。
[0006]根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开提出的图像处理的方法。
[0007]根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开提出的图像处理的方法。
[0008]根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行本公开提出的图像处理的方法。
[0009]在本公开中，通过对车道区域划分为弯道区域与非弯道区域，以及对弯道区域设置较高的抽帧频率，对非弯道区域设置较低的抽帧频率，达到了能够快速准确的检测目标车辆的目的，实现了提高检测目标车辆的检测准确率的技术效果，从而解决了相关技术中
对图像进行检测的检测准确率低技术问题。
[0010]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0011]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0012]图1是根据本公开实施例的一种可选的现有技术的抽帧步骤流程图；
[0013]图2是根据本公开实施例的一种用于实现图像处理的方法的计算机终端(或移动设备)的硬件结构框图；
[0014]图3是根据本公开实施例的一种图像处理的方法流程图；
[0015]图4是根据本公开实施例的一种可选的新的目标追踪算法流程图；
[0016]图5是根据本公开实施例的一种可选的完整道路场景的示意图；
[0017]图6是根据本公开实施例的一种可选的对弯道区域进行标记的示意图；
[0018]图7是根据本公开实施例的一种图像处理的装置的结构框图。
具体实施方式
[0019]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0020]需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0021]近些年，AI技术获得了飞速发展，例如，在交通领域，可以在边缘计算服务器(Elastic Compute Service，ECS)上部署目标追踪算法，识别出车辆的行动轨迹，从而识别出车辆压线、逆行、超速等一系列违法行为，及时进行告警提醒。目标追踪算法(DeepSort)作为新兴的追踪算法，以原理清晰、准确性高、速度快的特点被广泛使用。在DeepSort算法框架中，是通过对目标的特征向量的相似度进行衡量来进行匹配，因此需要相邻帧之间目标的位移和姿态不能变化太大，否则就会有误识别的风险，因此视频的抽帧间隔时间参数设置很重要。而交通场景中，道路通常会分为直道和弯道区域，车辆在弯道区域前进时，不可避免会有姿态的变化。此时如果抽帧时间间隔过长，抽帧频率设置太低，弯道区域的目标特征变化剧烈，很容易引起误识别。如果抽帧时间间隔过短，频率设置太高，则在直道区域的目标调用算法太频繁，造成不必要的算力浪费，影响整体算法性能。在现有DeepSort算法的应用中，通常将抽帧频率设置为固定值，即每隔固定时间进行视频抽帧，将图像送入目标检测，再进行目标匹配。图1是根据本公开实施例的一种可选的现有技术的抽帧步骤流程
图，如图1所示，完整的步骤如下：
[0022]步骤S11，抽帧模块根据设置的抽帧频率，每隔固定的时间进行抽帧；
[0023]步骤S12，抽帧得到的图像，送入目标检测网络；
[0024]步骤S13，对目标检测的结果进行匹配和追踪。
[0025]现有的方案，使用固定的抽帧频率。但是对既有直道又有弯道的交通场景，固定帧率的选择会比较困难。如果抽帧频率设置太低，弯道区域的目标车辆姿态变化明显，特征变化剧烈，很容易引起误识别。如果抽帧频率设置太高，则在直道区域的目标调用算法时耗时严重，影响整体算法性能。
[0026]根据本公开实施例，提供了一种图像处理的方法，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，包括：获取目标区域的目标视频，其中，所述目标区域包括预设子区域；基于第一抽帧频率对所述目标视频进行抽帧，得到第一图像，其中，所述第一图像为所述目标视频的第一时刻对应的图像帧；对所述第一图像进行检测，得到第一检测结果，其中，所述第一检测结果用于表示在所述第一时刻所述预设子区域是否存在目标对象；基于所述第一检测结果对所述第一图像进行检测，得到目标检测结果，其中，所述目标检测结果用于表示所述目标对象在所述目标区域的运动信息。2.根据权利要求1所述的方法，其中，基于所述第一检测结果对所述第一图像进行检测，得到目标检测结果，包括：响应于所述第一检测结果为所述预设子区域存在所述目标对象，基于第二抽帧频率对所述目标视频进行抽帧，得到第二图像，其中，所述第二图像为所述目标视频的第二时刻对应的图像帧，所述第二时刻与所述第一时刻间隔第一预设时间；对所述第一图像和所述第二图像进行检测，得到所述目标检测结果，其中，所述目标检测结果用于表示所述目标对象在所述目标区域的运动信息。3.根据权利要求1所述的方法，其中，所述方法还包括：响应于所述第一检测结果为所述预设子区域不存在所述目标对象，基于所述第一抽帧频率对所述目标视频进行抽帧，得到第三图像，其中，所述第三图像为所述目标视频的第三时刻对应的图像帧，所述第三时刻与所述第一时刻间隔第二预设时间；对所述第一图像和所述第三图像进行检测，得到所述目标检测结果。4.根据权利要求2所述的方法，其中，所述方法还包括：对所述第二图像进行检测，得到第二检测结果，其中，所述第二检测结果用于表示在所述第二时刻所述预设子区域是否存在所述目标对象；响应于所述第二检测结果为所述预设子区域不存在所述目标对象，基于所述第一抽帧频率对所述目标视频进行抽帧，得到第四图像，其中，所述第四图像为所述目标视频的第四时刻对应的图像帧，所述第四时刻与所述第二时刻间隔第二预设时间；对所述第一图像、所述第二图像和所述第四图像进行检测，得到所述目标检测结果。5.根据权利要求4所述的方法，其中，所述方法还包括：响应于所述第二检测结果为所述预设子区域存在所述目标对象，基于所述第二抽帧频率对所述目标视频进行抽帧，得到第五图像，其中，所述第五图像为所述目标视频的第五时刻对应的图像帧，所述第五时刻与所述第二时刻间隔所述第一预设时间；对所述第一图像、所述第二图像和所述第五图像进行检测，得到所述目标检测结果。6.根据权利要求2所述的方法，其中，所述方法还包括：获取多个初始区域的标识信息，其中，所述标识信息用于表示所述多个初始区域中是否包括所述预设子区域；基于所述标识信息对所述多个初始区域进行分类，得到所述目标区域和第一区域，其中，所述第一区域中不包括所述预设子区域；基于所述第二抽帧频率对所述目标区域对应的所述目标视频进行抽帧，得到第六图像；
基于所述第一抽帧频率对所述第一区域对应的第一视频进行抽帧，得到第七图像；对所述第六图像进行检测，得到所述目标检测结果；对所述第七图像进行检测，得到第三检测结果，其中，所述第三检测结果用于表示所述目标对象在所述第一区域的运动信息。7.根据权利要求1所述的方法，其中，所述预设子区域为弯道区域。8.一种图像处理装置，包括：第一获取模块，用于获取目标区域的目标视频，其中，所述目标区域包括预设子区域；第一抽帧模块，用于基于第一抽帧频率对所述目标视频进行抽帧，得到第一图像，其中，所述第一图像为所述目标视频的第一时刻对应的图像帧；第一检测模块，用于对所述第一图像进行检测，得到第一检测结果，其中，所述第一检测结果用于表示在所述第一时刻所述预设子区域是否存在目标对象；第二检测模块，用于基于所述第一检测结果对所述第一图像进行检测，得到目标检测结果，其中，所述目标检测结果用于表示所述目标...

【专利技术属性】
技术研发人员：王学占，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：