一种基于复杂场景图像数据采集方法和系统技术方案

本发明专利技术涉及一种基于复杂场景图像数据采集方法和系统，所述方法包括：基于场景矩阵确定采集区域和相邻采集区域对应的关联矩阵；关联矩阵中的元素值等于相应的相邻监测区域和当前采集区域的关联程度值；基于关联矩阵确定采集区域和相邻采集区域的采集策略，并基于采集策略进行采集以得到当前采集区域图像和相邻采集区域图像；本发明专利技术通过将采集区域拆分形成独立且动态关联的采集区域，对应的设置场景矩阵和关联矩阵进行动态和数据化描述，将复杂场景简单化为粒度更小的和采集区域关联的场景从而形成场景矩阵，从而进行独立和差异化采集，降低了后续可能发生的存储和计算开销。降低了后续可能发生的存储和计算开销。降低了后续可能发生的存储和计算开销。

【技术实现步骤摘要】
一种基于复杂场景图像数据采集方法和系统


[0001]本专利技术属于图像处理
，尤其涉及一种基于复杂场景图像数据采集方法和系统。

技术介绍

[0002]图像数据采集是将各种图像数据按一定原则和方法集中起来，并对其进行规格化和标准化的处理过程。而随着计算机技术、人工智能、大数据、物联网技术的快速发展，图像数据采集需要和这些技术相结合来取得在各个应用领域的广泛应用。例如：物联网连接的设备有数以百亿千亿计。而且每个物联网设备的终端，都在不停的产生数据。在图像数据传输处理过程，首先要进行数据接收，也就是将采集的数据进行汇总，再进行数据传输，到中央处理系统(通常指服务器)，再通过数据存储、分析、加工，再将需要的结果，通过应用程序反向设备发送相关操作指令。在人工智能领域，如果使用的是比较小的数据集，数据集的处理上可以非常简单：加载每个单独的图像，对其进行预处理，然后输送给神经网络。但是，对于大规模数据集，就需要创建一次只访问一部分数据集的数据生成器，然后将小批量数据传递给网络。而在工业控制过程中，针对需要监控控制过程变化的设备终端，可能在记录每时每刻的控制过程中间数据，并采集、获取和处理所产生的实时数据。
[0003]而随着人工智能技术的发展，给图像数据采集带来了更大的挑战，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大。在过去的十年里，计算机视觉已发展成为众多应用的关键技术，取代了人类的监督和监控。计算机视觉使用多种技术组合，来分析和理解计算机的影像资料。在监控和安全行业应用中，计算机视觉的主要目标，是实现人工监督的自动化。捕捉现实场景和数位化的能力为更好、更早地检测威胁、量化风险和提供实时安全评估提供了新的机会。在新的机器学习、高阶运算、人工智能和连线的物联网技术的推动下，计算机视觉应用的列表不断快速增加，这些技术使人工智能视觉更加强大、灵活和可扩充套件。但是随着这些技术的相互促进发展，图像数据的增长会带来人工智能计算量的爆炸性增长。
[0004]随着这些技术的快速发展，图像数据采集的应用场景变化越来越复杂，而且，为了更加精准的控制和分析这些数据，需要更加敏感的发现场景，这就使得更加复杂的场景被发现从而取得更加精准的图像数据采集，从而进行后续的分析和处理；而伴随着这样的发展趋势，必然会带来的问题是，需要处理的数据量也越来越大，场景越来越复杂。如何在复杂场景下，针对采集对象作高效图像数据采集，充分的利用每个数据位的图像数据资源，是待解决的技术问题。
[0005]本专利技术通过将采集区域拆分形成独立且动态关联的采集区域，对应的设置场景矩阵和关联矩阵进行动态和数据化描述，将复杂场景简单化为粒度更小的和采集区域关联的场景从而形成场景矩阵，从而进行独立和差异化采集，降低了后续可能发生的存储和计算
开销。

技术实现思路

[0006]为了解决现有技术中的上述问题，本专利技术提出了一种基于复杂场景图像数据采集方法和系统，所述方法包含：
[0007]步骤S1：针对采集对象确定图像数据的采集区域及其相邻采集区域；其中：所述图像采集区域为和采集对象关联程度最高采集区域；相邻采集区域是在空间位置上和采集区域相邻且和采集对象关联的采集区域；
[0008]步骤S2：确定采集区域场景及其相邻采集区域场景；基于场景构建场景矩阵；具体的：场景用场景向量标识，场景向量中的每个元素均为采集区域相关参数；将向量中的每个元素均映射成枚举类型；然后计算所述向量的摘要值以使得每个向量的摘要值唯一，将场景矩阵中和所述采集区域对应的场景矩阵元素值设置为所述摘要值；其中：场景矩阵中的每个元素对应一个采集区域；矩阵元素的位置关系和采集区域之间的位置关系相对应；所述场景矩阵的行数和列数分别等于当前采集区域和所有相邻采集区域在二维空间中X和Y轴方向上覆盖的最远采集区域个数；
[0009]步骤S3：基于场景矩阵确定采集区域和相邻采集区域对应的关联矩阵；关联矩阵中的元素值等于相应的相邻监测区域和当前采集区域的关联程度值；关联程度值越大则元素值越大，反之，关联程度值越小，元素值越小；
[0010]所述基于场景矩阵确定采集区域和相邻采集区域对应的关联矩阵，具体为：采用历史图像数据预先训练所述人工智能模型；将场景矩阵输入人工智能模型以得到和所述场景矩阵对应的关联矩阵标识，基于所述关联矩阵标识查找得到对应的关联矩阵；
[0011]所述采用历史图像数据预先训练所述人工智能模型，具体为：采用历史采集图像数据以及和所述历史采集图像数据对应的关联矩阵及其标识作为样本集合预先训练所述人工智能模型；先确定样本中的采集区域及其相邻采集区域，然后确定样本中采集区域及其相邻采集区域的场景及其对应的场景矩阵；设置其对应的关联矩阵及其标识；作为样本，关联矩阵aM＝[a
i,j
]中的第(i,j)位置的样本元素值设置为其中：Na
i,j
是历史图像数据中第(i,j)位置处相邻采集区域对应的决策结果和采集区域对应的决策结果一致的次数；N是基于当前采集区域的决策结果的决策次数；采集区域和其自身的关联度为1；
[0012]步骤S4：基于采集资源需求和关联矩阵确定采集质量等级；使得采集区域和相邻采集区域对应的差异化采集质量等级满足采集资源需求并符合关联矩阵；所述符合关联矩阵是指为当前采集区域和相邻采集区域分别确定的质量等级和关联矩阵中相应元素值指示的关联程度一致；
[0013]步骤S5：基于关联矩阵确定采集区域和相邻采集区域的采集策略，并基于采集策略进行采集以得到当前采集区域图像和相邻采集区域图像；具体为：设置采集区域对应采集策略的质量等级为Lc，采用和质量等级Lc对应的原始分辨率进行图像数据采集，而相邻采集区域(i,j)对应采集策略的质量等级为La，并采用和质量等级La对应的缩放分辨率进行图像数据采集；其中：所述缩放分辨率为基于关联矩阵相应元素进行对应的缩放后得到的分辨率；
[0014]步骤S6：拼接采集到的当前采集区域图像和相邻采集区域图像以得到完整采集图
像；具体为：将当前采集区域图像数据和相邻采集区域图像数据按照其空间位置对应关系进行拼接后得到完整的采集图像数据。
[0015]进一步的，所述人工智能模型为神经网络模型。
[0016]进一步的，所述关联矩阵为3*3矩阵。
[0017]进一步的，采集区域对应的关联矩阵元素在第(2,2)位置。
[0018]进一步的，所述相邻采集区域是距离采集区域预设距离范围内的采集区域。
[0019]一种用于实现上述方法的基于复杂场景图像数据采集系统，所述系统包含：控制中心和一个或多个采集装置；所述控制中心和采集装置之间彼此通信连接；
[0020]所述采集装置为图像采集装置，用于基于采集策略进行图像数据采集，并将针对采集区域采集到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于复杂场景图像数据采集方法，其特征在于，包括：步骤S1：针对采集对象确定图像数据的采集区域及其相邻采集区域；其中：所述图像采集区域为和采集对象关联程度最高采集区域；相邻采集区域是在空间位置上和采集区域相邻且和采集对象关联的采集区域；步骤S2：确定采集区域场景及其相邻采集区域场景；基于场景构建场景矩阵；具体的：场景用场景向量标识，场景向量中的每个元素均为采集区域相关参数；将向量中的每个元素均映射成枚举类型；然后计算所述向量的摘要值以使得每个向量的摘要值唯一，将场景矩阵中和所述采集区域对应的场景矩阵元素值设置为所述摘要值；其中：场景矩阵中的每个元素对应一个采集区域；矩阵元素的位置关系和采集区域之间的位置关系相对应；所述场景矩阵的行数和列数分别等于当前采集区域和所有相邻采集区域在二维空间中X和Y轴方向上覆盖的最远采集区域个数；步骤S3：基于场景矩阵确定采集区域和相邻采集区域对应的关联矩阵；关联矩阵中的元素值等于相应的相邻监测区域和当前采集区域的关联程度值；关联程度值越大则元素值越大，反之，关联程度值越小，元素值越小；所述基于场景矩阵确定采集区域和相邻采集区域对应的关联矩阵，具体为：采用历史图像数据预先训练所述人工智能模型；将场景矩阵输入人工智能模型以得到和所述场景矩阵对应的关联矩阵标识，基于所述关联矩阵标识查找得到对应的关联矩阵；所述采用历史图像数据预先训练所述人工智能模型，具体为：采用历史采集图像数据以及和所述历史采集图像数据对应的关联矩阵及其标识作为样本集合预先训练所述人工智能模型；先确定样本中的采集区域及其相邻采集区域，然后确定样本中采集区域及其相邻采集区域的场景及其对应的场景矩阵；设置其对应的关联矩阵及其标识；作为样本，关联矩阵aM＝[a
i，j
]中的第(i,j)位置的样本元素值设置为其中：Na
i，j
是历史图像数据中第(i，j)位置处相邻采集区域对应的决策结果和采集区域对应的决策结果一致的次数；N是基于当前采集区域的决策结果的决策次数；采集区域和其自身的关联度为1；步骤S4：基于采集资源需求和关联矩阵确定采集质量等级；使得采集区域和相邻采集区域对应的差异化采集质量等级满足采集资源需求并符合关联矩阵；所述符合关联矩阵是指为当前采集区域和相邻采集区域分别确定的质量等级和关联矩阵中相应元素值指示的关联程度一致；步骤S5：基于关联矩阵确定采集区域和相邻采集区域的采集策略，并基于采集策略进行采集以得到当前采集区域图像和相邻采集区域图像；具体为：设...

【专利技术属性】
技术研发人员：林超，尹康，周彤，赵欣阳，邢嘉城，杨天宇，何家辉，
申请(专利权)人：北京博瑞翔伦科技发展有限公司，
类型：发明
国别省市：