图像合成方法、装置、电子设备、存储介质和程序产品制造方法及图纸

本公开实施例涉及一种图像合成方法、装置、电子设备、存储介质和程序产品。所述方法包括：获取目标物的物体图像和目标场景的场景图像；在所述场景图像中识别可合成区域，并在所述可合成区域中确定合成位置；其中，所述可合成区域为所述目标场景中所述目标物出现的概率大于预设概率阈值的区域；根据所述合成位置确定所述目标物在所述场景图像中的图像尺寸；根据所述图像尺寸对所述物体图像进行调整，并将调整后的物体图像合成在所述场景图像的所述合成位置处得到样本图像。采用本方法能够解决抓拍图像和摆拍图像数量有限的问题，满足障碍物检测模型的训练需求。碍物检测模型的训练需求。碍物检测模型的训练需求。

【技术实现步骤摘要】
图像合成方法、装置、电子设备、存储介质和程序产品


[0001]本申请涉及图像处理
，特别是涉及一种图像合成方法、装置、电子设备、存储介质和程序产品。

技术介绍

[0002]随着计算机视觉技术的发展，目标检测被广泛应用到各个领域。例如，采用障碍物检测模型对某一路段进行障碍物检测，以在检测到障碍物后及时通知自动驾驶车辆，从而保证自动驾驶车辆安全、平稳地行驶。
[0003]目前，为训练障碍物检测模型，通常需要先采集大量含有障碍物的样本图像，在采集样本图像的过程中，可以采用如下方式：1)对路段进行抓拍，得到施工现场或交通事故的抓拍图像；2)在路段中进行障碍物的摆拍，得到含有障碍物的摆拍图像。
[0004]然而，由于施工和交通事故并不是常发事件，因此抓拍图像的数量有限；而在路段中进行摆拍，需要耗费大量的人力物力，并且摆拍图像的数量也有限。因此，上述样本图像的采集方式并不能满足障碍物检测模型的训练需求。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够解决抓拍图像和摆拍图像数量有限的问题，满足障碍物检测模型的训练需求的图像合成方法、装置、电子设备、存储介质和程序产品。
[0006]第一方面，本公开实施例提供一种图像合成方法，该方法包括：
[0007]获取目标物的物体图像和目标场景的场景图像；
[0008]在场景图像中识别可合成区域，并在可合成区域中确定合成位置；其中，可合成区域为目标场景中目标物出现的概率大于预设概率阈值的区域；
[0009]根据合成位置确定目标物在场景图像中的图像尺寸；
[0010]根据图像尺寸对物体图像进行调整，并将调整后的物体图像合成在场景图像的合成位置处得到样本图像。
[0011]第二方面，本公开实施例提供了一种障碍物检测模型的训练方法，该方法包括：
[0012]获取样本图像集合；其中，所述样本图像集合包括多个样本图像，所述样本图像为利用上述第一方面公开的图像合成方法得到的；
[0013]基于所述样本图像集合进行模型训练，得到障碍物检测模型。
[0014]第三方面，本公开实施例提供了一种障碍物检测方法，该方法包括：
[0015]获取检测图像；
[0016]利用预先训练的障碍物检测模型对所述检测图像进行检测，得到检测结果；其中，所述障碍物检测模型采用上述第二方面公开的方法训练得到；所述检测结果用于指示所述检测图像中是否存在障碍物。
[0017]第四方面，本公开实施例提供了一种图像合成装置，该装置包括：
[0018]图像获取模块，用于获取目标物的物体图像和目标场景的场景图像；
[0019]合成位置确定模块，用于在所述场景图像中识别可合成区域，并在所述可合成区域中确定合成位置；其中，所述可合成区域为所述目标场景中所述目标物出现的概率大于预设概率阈值的区域；
[0020]尺寸确定模块，用于根据所述合成位置确定所述目标物在所述场景图像中的图像尺寸；
[0021]图像合成模块，用于根据所述图像尺寸对所述物体图像进行调整，并将调整后的物体图像合成在所述场景图像的所述合成位置处得到样本图像。
[0022]第五方面，本公开实施例提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的方法。
[0023]第六方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的方法。
[0024]第七方面，本公开实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面所述的方法。
[0025]上述图像合成方法、装置、电子设备、存储介质和程序产品，获取目标物的物体图像和目标场景的场景图像；在场景图像中识别可合成区域，并在可合成区域中确定合成位置；之后，电子设备根据合成位置确定目标物在场景图像中的图像尺寸；根据图像尺寸对物体图像进行调整，并将调整后的物体图像合成在场景图像的合成位置处得到样本图像。通过本公开实施例，可以自动合成样本图像，这样就解决了抓拍图像和摆拍图像数量不足的问题，不仅满足了障碍物检测模型的训练需求，还节省了人力物力。
附图说明
[0026]图1为一个实施例中图像合成方法的应用环境图；
[0027]图2为一个实施例中图像合成方法的流程示意图；
[0028]图3为一个实施例中物体图像的示意图；
[0029]图4为一个实施例中场景图像的示意图；
[0030]图5为一个实施例中场景图像中可合成区域的示意图；
[0031]图6为一个实施例中确定图像尺寸步骤的流程示意图；
[0032]图7为另一个实施例中确定图像尺寸步骤的流程示意图；
[0033]图8为另一个实施例中图像合成方法的流程示意图；
[0034]图9为一个实施例中亮度调整步骤的流程示意图；
[0035]图10为一个实施例中障碍物检测模型的训练方法的流程示意图；
[0036]图11为一个实施例中障碍物检测方法的流程示意图；
[0037]图12为一个实施例中图像合成装置的结构框图之一；
[0038]图13为一个实施例中图像合成装置的结构框图之二；
[0039]图14为一个实施例中电子设备的内部结构图。
具体实施方式
[0040]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0041]首先，在具体介绍本公开实施例的技术方案之前，先对本公开实施例基于的技术背景或者技术演进脉络进行介绍。通常情况下，为训练障碍物检测模型，需要先采集大量含有障碍物的样本图像，在采集样本图像的过程中，可以采用如下方式：1)对路段进行抓拍，得到施工现场或交通事故的抓拍图像；2)在路段中进行障碍物的摆拍，得到含有障碍物的摆拍图像。但是，由于施工和交通事故并不是常发事件，因此抓拍图像的数量有限；而在目标路段中进行摆拍，需要耗费大量的人力物力，并且摆拍图像的数量也有限。基于该背景，申请人通过长期的模型模拟研发以及实验数据的搜集、演示和验证，发现上述样本图像的采集方式并不能满足障碍物检测模型的训练需求。
[0042]下面结合本公开实施例所应用的场景，对本公开实施例涉及的技术方案进行介绍。
[0043]本公开实施例提供的图像合成方法，可以应用于如图1所示的应用环境中。该应用环境包括图像采集设备101和电子设备102。其中，图像采集设备101对目标场景进行图像采集，得到场景图像；电子设备102通过网络与图像采集设备101进行通信，从图像采集设备101获取目标场景的场景图像。上述图像采集设备101可以但不限于是各种摄像头，电子设备102可以但不限于是各种个人计算机、笔记本电脑、平本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像合成方法，其特征在于，所述方法包括：获取目标物的物体图像和目标场景的场景图像；在所述场景图像中识别可合成区域，并在所述可合成区域中确定合成位置；其中，所述可合成区域为所述目标场景中所述目标物出现的概率大于预设概率阈值的区域；根据所述合成位置确定所述目标物在所述场景图像中的图像尺寸；根据所述图像尺寸对所述物体图像进行调整，并将调整后的物体图像合成在所述场景图像的所述合成位置处得到样本图像。2.根据权利要求1所述的方法，其特征在于，所述根据所述合成位置确定所述目标物在所述场景图像中的图像尺寸，包括：根据预先建立的坐标映射关系对所述合成位置进行映射处理，得到所述目标物的场景位置；所述合成位置包括所述目标物上第一参考点在所述场景图像中的坐标，所述场景位置包括所述第一参考点在所述目标场景中的坐标；根据所述目标物的实际尺寸和所述场景位置，计算出所述目标物上多个第二参考点在所述目标场景中的坐标；根据所述坐标映射关系分别对各所述第二参考点在所述目标场景中的坐标进行映射处理，得到各所述第二参考点在所述场景图像中的坐标；根据多个所述第二参考点在所述场景图像中的坐标确定所述目标物在所述场景图像中的图像尺寸。3.根据权利要求2所述的方法，其特征在于，在所述根据预先建立的坐标映射关系对所述合成位置进行映射处理，得到所述目标物的场景位置之后，还包括：确定所述场景位置与图像采集设备之间的第一距离；所述图像采集设备为采集所述场景图像的设备；根据所述图像采集设备的焦距和所述第一距离确定尺寸调整比例；根据所述目标物的实际尺寸和所述尺寸调整比例计算出所述目标物在所述场景图像中的图像尺寸。4.根据权利要求1所述的方法，其特征在于，在所述根据所述图像尺寸对所述物体图像进行调整，并将调整后的物体图像合成在所述场景图像的所述合成位置处得到样本图像之后，所述方法还包括：对所述样本图像中的所述调整后的物体图像进行亮度调整。5.根据权利要求4所述的方法，其特征在于，所述对所述样本图像中的所述调整后的物体图...

【专利技术属性】
技术研发人员：张新圣，肖凝，刘梦瑶，车正平，
申请(专利权)人：上海滴滴沃芽科技有限公司，
类型：发明
国别省市：