针对监控设备的图像增强模型快速训练方法、系统和介质技术方案

本发明专利技术属于监控图像处理技术领域，涉及一种针对监控设备的图像增强模型快速训练方法、系统和介质，包括：确定待处理图像的原始拍摄设备；将所述图像进行投影，并用所述原始拍摄设备拍摄，拍摄完成后，切换所述图像至下一张，继续拍摄，直至完成所有图像的拍摄；读取所述原始拍摄设备拍摄的图像，与原始的待处理图像组合，形成数据集；根据所述数据集对图像增强模型进行训练，生成最终的图像增强模型。其得出的图像增强模型对特定的监控设备具有更强的适应性，从而能够得出更好的图像增强效果。从而能够得出更好的图像增强效果。从而能够得出更好的图像增强效果。

【技术实现步骤摘要】
针对监控设备的图像增强模型快速训练方法、系统和介质


[0001]本专利技术涉及一种针对监控设备的图像增强模型快速训练方法、系统和介质，属于监控图像处理


技术介绍

[0002]随着科技的进步与社会的发展，大量的监控设备被布置于城市的各个角落，实现对各区域的监控，这些监控记录的视频画面对公共安全、交通、自然灾害预警等领域作用极大。然而在实际使用的过程中，我们时常会碰到由于监控分辨率低、监控探头具有缺陷、目标距离远、环境光昏暗等原因导致目标在监控画面中模糊或可见度低，从而无法辨认目标或提取有效的信息。目前，有两种途径来修复这些图像，一是采用基于各种算法的图像处理来对图像进行增强，这种方法非常依赖于算法的性能和操作者的经验，因而效率低且结果不稳定。二是采用人工智能的方法，使用图像增强的模型对图像进行自动修复，这一种方法效率高，但模型的性能依赖于训练数据集，而大多数情况下训练的图像数据来自于其它的成像设备，因而该模型难以保证适应每一个监控探头，当需要处理的图像来自于一个具有显著个体差异性的监控探头，例如具有坏点或者画面颜色失真，采用这样的模型未必能取得良好的效果。

技术实现思路

[0003]针对上述问题，本专利技术的目的是提供了一种针对监控设备的图像增强模型快速训练方法、系统和介质，其得出的图像增强模型对特定的监控设备具有更强的适应性，从而能够得出更好的图像增强效果。
[0004]为实现上述目的，本专利技术提出了以下技术方案：一种针对监控设备的图像增强模型快速训练方法，包括：确定待处理图像的原始拍摄设备；将所述图像进行投影，并用所述原始拍摄设备拍摄，拍摄完成后，切换所述图像至下一张，继续拍摄，直至完成所有图像的拍摄；读取所述原始拍摄设备拍摄的图像，与原始的待处理图像组合，形成数据集；根据所述数据集对图像增强模型进行训练，生成最终的图像增强模型。
[0005]进一步，将所述图像进行投影前，对所述待处理图像进行预处理。
[0006]进一步，所述预处理包括降低分辨率或调低亮度。
[0007]进一步，所述图像通过图像投放端进行投影，所述图像投放端为显示器或投影仪。
[0008]进一步，所述原始拍摄设备拍摄一张图像的时间小于等于1秒。
[0009]进一步，所述图像增强模型为RetinexNet模型。
[0010]本专利技术还公开一种针对监控设备的图像增强模型快速训练系统，包括：设备确定模块，用于确定待处理图像的原始拍摄设备；拍摄模块，用于将所述图像进行投影，并用所述原始拍摄设备拍摄，拍摄完成后，切换所述图像至下一张，继续拍摄，直至完成所有图像的拍摄；数据集形成模块，用于读取所述原始拍摄设备拍摄的图像，与原始的待处理图像组合，形成数据集；模型训练模块，用于根据所述数据集对图像增强模型进行训练，生成最终
的图像增强模型。
[0011]进一步，将所述图像进行投影前，对所述待处理图像进行预处理，所述预处理包括降低分辨率、添加模糊、降低对比度或调低亮度。
[0012]进一步，所述图像通过图像投放端进行投影，所述图像投放端为显示器或投影仪。
[0013]本专利技术还公开了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现上述任一项所述的针对监控设备的图像增强模型快速训练方法。
[0014]本专利技术由于采取以上技术方案，其具有以下优点：本专利技术中方案能快速得到图像增强模型，其得出的图像增强模型对特定的监控设备具有更强的适应性，从而能够得出更好的图像增强效果；相比较于传统的人工采集及标注，该方法能够节约时间，极大的提升效率。
附图说明
[0015]图1是本专利技术一实施例中针对监控设备的图像增强模型快速训练方法的流程图；
[0016]图2是本专利技术一实施例中针对监控设备的图像增强模型快速训练系统的示意图。
[0017]说明书附图：
[0018]1‑
原始拍摄设备；2
‑
图像投放端；3
‑
控制装置。
具体实施方式
[0019]为了使本领域技术人员更好的理解本专利技术的技术方案，通过具体实施例对本专利技术进行详细的描绘。然而应当理解，具体实施方式的提供仅为了更好地理解本专利技术，它们不应该理解成对本专利技术的限制。在本专利技术的描述中，需要理解的是，所用到的术语仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。
[0020]为了解决现有技术中存在的一般的图像增模型，其使用数据集往往来源于互联网、其它拍摄设备或者是合成的，这些图像数据和需要处理的图像并非来源于同一个设备，当监控设备或拍摄环境特殊，与模型训练使用的数据集差异较大时，模型将无法取得好的效果等问题，本专利技术提出了一种针对监控设备的图像增强模型快速训练方法、系统和介质，其可以对特定的监控设备在短时间内进行大量的图像数据采集，生成数据集。基于特定监控设备生成数据集后，再进行模型训练，得出对该监控设备适应能力强的模型，基于该模型对待处理图像进行增强，得出良好的结果。其得出的图像增强模型对特定的监控设备具有更强的适应性，从而能够得出更好的图像增强效果。下面结合附图，通过实施例对本专利技术的方案进行详细说明。
[0021]实施例一
[0022]本实施例公开了一种针对监控设备的图像增强模型快速训练方法，如图1、图2所示，包括以下步骤：
[0023]S1确定待处理图像的原始拍摄设备1。
[0024]S2将图像进行投影，并用原始拍摄设备1拍摄，拍摄完成后，切换图像至下一张，继续拍摄，直至完成所有图像的拍摄；
[0025]将图像进行投影前，对待处理图像进行预处理。预处理包括降低分辨率或调低亮
度。图像通过图像投放端2进行投影，图像投放端2为显示器或投影仪。原始拍摄设备1拍摄一张图像的时间小于等于1秒。通过控制装置3控制图像的切换，原始拍摄设备1与控制装置3通讯连接，当其拍摄完一张图像后，向控制装置3发射信号，控制装置3控制图像投放端2进行图像切换。
[0026]S3读取原始拍摄设备1拍摄的图像，与原始的待处理图像组合，形成数据集；
[0027]S4根据数据集对图像增强模型进行训练，生成最终的图像增强模型。
[0028]其中，图像增强模型为RetinexNet模型。
[0029]实施例二
[0030]基于相同的专利技术构思，本实施例公开了一种针对监控设备的图像增强模型快速训练系统，如图2所示，包括：
[0031]设备确定模块，用于确定待处理图像的原始拍摄设备1；
[0032]拍摄模块，用于将图像进行投影，并用原始拍摄设备1拍摄，拍摄完成后，切换图像至下一张，继续拍摄，直至完成所有图像的拍摄；将图像进行投影前，对待处理图像进行预处理，预处理包括降低分辨率或调低亮度。图像通过图像投放端2进行投影，图像投放端2为显示器或投影仪。通过控制装置3控制图像的切换，原始拍摄设备1与控制装置3通讯连接，当其拍摄完一张图像后，向控制装置3发射信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种针对监控设备的图像增强模型快速训练方法，其特征在于，包括：确定待处理图像的原始拍摄设备；将所述图像进行投影，并用所述原始拍摄设备拍摄，拍摄完成后，切换所述图像至下一张，继续拍摄，直至完成所有图像的拍摄；读取所述原始拍摄设备拍摄的图像，与原始的待处理图像组合，形成数据集；根据所述数据集对图像增强模型进行训练，生成最终的图像增强模型。2.如权利要求1所述的针对监控设备的图像增强模型快速训练方法，其特征在于，将所述图像进行投影前，对所述待处理图像进行预处理。3.如权利要求2所述的针对监控设备的图像增强模型快速训练方法，其特征在于，所述预处理包括降低分辨率、添加模糊、降低对比度或调低亮度。4.如权利要求1所述的针对监控设备的图像增强模型快速训练方法，其特征在于，所述图像通过图像投放端进行投影，所述图像投放端为显示器或投影仪。5.如权利要求1所述的针对监控设备的图像增强模型快速训练方法，其特征在于，所述原始拍摄设备拍摄一张图像的时间小于等于1秒。6.如权利要求1所述的针对监控设备的图像增强模型快速训练方法，其特征在于，所述图像增强模型为Ret...

【专利技术属性】
技术研发人员：宋华青，叶东，李志刚，黎智辉，黄威，林百川，刘光尧，
申请(专利权)人：公安部鉴定中心，
类型：发明
国别省市：