【技术实现步骤摘要】
一种图像优选的处理方法和装置
[0001]本专利技术涉及数据处理
，特别涉及一种图像优选的处理方法和装置
。
技术介绍
[0002]在车联网应用场景中，带有边缘计算（
Mobile Edge Computing
，
MEC
）能力的路侧设备（
Road Side Unit
，
RSU
）或车载设备都属于边缘计算设备的一种，这类边缘计算设备可以直接对摄像机产生的图像进行目标识别和目标轨迹跟踪；但从分析结果的准确度上看，这类边缘计算设备的算力远小于云中心算力
、
其分析准确度势必小于云中心，需要云中心对各类边缘计算设备的分析结果进行二次分析和纠偏，这就需要边缘计算设备将采集到的图像向云中心发送
。
但如果边缘计算设备将得到的所有图像都送到云中心进行分析，又会产生诸如网络阻塞
、
分析超时等问题，还会使得云中心总是处于高能耗状态
。
技术实现思路
[0003]本专利技术的目的，就是针对现有技术的缺陷，提供一种图像优选的处理方法
、
装置
、
电子设备及计算机可读存储介质；本专利技术先为摄像机设置图像曝光规则；并基于该规则调用摄像机按预设频率进行图像拍摄；并基于目标识别模型对当前图像进行目标检测和目标类型预测；并根据各个目标数据进行目标对象关联；并根据各个对象的时序序列对当前图像是否满足优选图像资质进行识别；并在满足优选图像资质时，根据当前对象的...
【技术保护点】
【技术特征摘要】
1.
一种图像优选的处理方法，其特征在于，所述方法包括：为第一摄像机设置对应的图像曝光规则；并基于所述图像曝光规则调用所述第一摄像机按预设的第一拍摄频率定期进行图像拍摄生成对应的第一图像并保存；并为所述第一图像分配一个对应的第一图像标识；并将所述第一图像对应的摄像机图像曝光模式
、
摄像机拍摄时间和摄像机定位坐标作为对应的第一曝光模式
、
第一图像时间戳和第一图像坐标；基于预设的目标识别模型对所述第一图像进行目标检测和目标类型预测处理生成多个第一目标识别框；并由各个所述第一目标识别框以及对应的所述第一图像标识
、
所述第一曝光模式
、
所述第一图像时间戳和所述第一图像坐标组成一个对应的第一图像目标数据；并根据各个所述第一图像目标数据和预设的第一对象跟踪序列集合进行目标对象关联处理得到新的所述第一对象跟踪序列集合；所述第一对象跟踪序列集合包括多个第一对象跟踪序列；根据各个所述第一对象跟踪序列对所述第一图像是否满足优选图像资质进行识别得到对应的第一识别结果；并在所述第一识别结果为满足时，根据当前所述第一对象跟踪序列对所述第一图像与前次优选图像进行图像质量比对得到对应的第一比对结果；并在所述第一比对结果为更优时，对所述第一图像是否带有已上传标记进行识别；若所述第一图像没有已上传标记，则将所述前次优选图像重置为所述第一图像，并对所述第一图像加注已上传标记，并根据当前所述第一对象跟踪序列对所述第一图像是否满足立即上传资质进行识别得到对应的第二识别结果；若所述第二识别结果为满足，则对所述第一图像进行立即上传处理；若所述第二识别结果为不满足，则对所述第一图像进行缓存上传处理；所述第一
、
第二识别结果均包括满足和不满足；所述第一比对结果包括更优和非更优
。2.
根据权利要求1所述的图像优选的处理方法，其特征在于，所述图像曝光规则为在所述第一摄像机的起始拍摄时刻，将摄像机的图像曝光模式设为自动曝光模式，并获取当前模式下的曝光时长参数和感光度参数作为对应的第一曝光时间和第一感光度，并将所述第一曝光时间和所述第一感光度的乘积作为对应的第一乘积，并将所述第一乘积除以预设的非自动模式曝光时长的商作为对应的非自动模式感光度，并将所述图像曝光模式从自动曝光模式切换到非自动曝光模式，并将当前模式下的曝光时长参数和感光度参数设为对应的所述非自动模式曝光时长和所述非自动模式感光度；并每隔预设的模式切换时长就将所述第一摄像机的所述图像曝光模式从非自动曝光模式切换回自动曝光模式，并获取当前模式下的曝光时长参数和感光度参数作为对应的第二曝光时间和第二感光度，并将所述第二曝光时间和所述第二感光度的乘积作为对应的第二乘积，并将所述第二乘积除以所述非自动模式曝光时长的商作为新的所述非自动模式感光度，并再将所述图像曝光模式从自动曝光模式切换到非自动曝光模式，并将当前模式下的曝光时长参数和感光度参数设为对应的所述非自动模式曝光时长和所述非自动模式感光度
。3.
根据权利要求1所述的图像优选的处理方法，其特征在于，所述第一目标识别框包括第一识别框中心坐标
、
第一识别框尺寸
、
第一识别框朝向
、
第一目标类型和第一预测评分；每个所述第一对象跟踪序列对应一个第一对象标识；所述第一对象跟踪序列包括多个第一时刻对象数据；所述第一时刻对象数据包括第一时刻时间戳
、
第一时刻图像标识
、
第一时刻曝光模式
、
第一时刻图像坐标
、
第一时刻目标识别框和第一时刻目标坐标；所述第一时
刻目标识别框包括识别框中心坐标
、
识别框尺寸
、
识别框朝向
、
目标类型和预测评分
。4.
根据权利要求3所述的图像优选的处理方法，其特征在于，所述目标识别模型包括主干特征提取网络
、
目标检测网络
、
目标类型预测网络和识别结果输出模块；所述主干特征提取网络与所述目标检测网络连接；所述目标检测网络与所述目标类型预测网络和所述识别结果输出模块分别连接；所述目标类型预测网络与所述识别结果输出模块连接；所述主干特征提取网络用于对所述第一图像进行特征提取处理得到对应的第一图像特征张量；所述目标检测网络用于根据所述第一图像特征张量进行目标检测处理输出多个第一目标预选框；所述第一目标预选框包括第一预选框中心坐标
、
第一预选框尺寸和第一预选框朝向；所述目标类型预测网络用于对各个所述第一目标预选框进行分类预测得到对应的第一预测类型和第一预测概率；并从中选择概率最大的所述第一预测概率作为第二预测概率；并将所述第一最大概率对应的所述第一预测类型作为对应的第二预测类型；所述识别结果输出模块将各个所述第一目标预选框对应的所述第一预选框中心坐标
、
所述第一预选框尺寸
、
所述第一预选框朝向
、
所述第二预测类型和所述第二预测概率作为对应的所述第一识别框中心坐标
、
所述第一识别框尺寸
、
所述第一识别框朝向
、
所述第一目标类型和所述第一预测评分组成一个对应的所述第一目标识别框；并将得到的所有所述第一目标识别框输出
。5.
根据权利要求3所述的图像优选的处理方法，其特征在于，所述根据各个所述第一图像目标数据和预设的第一对象跟踪序列集合进行目标对象关联处理得到新的所述第一对象跟踪序列集合，具体包括：从当前所述第一图像目标数据中提取出对应的所述第一目标识别框；并将所述第一目标识别框的所述第一识别框中心坐标
、
第一识别框尺寸和第一识别框朝向提取出来组成对应的当前目标状态量；所述第一目标识别框的所述第一目标类型作为对应的当前目标类型；将所述第一对象跟踪序列集合中与所述当前目标类型匹配的所述第一对象跟踪序列作为对应的第二对象跟踪序列；并在各个所述第二对象跟踪序列中，将各个所述第一时刻对象数据的所述第一时刻目标识别框的识别框中心坐标
、
识别框尺寸和识别框朝向提取出来组成一个对应的第一目标观测量，并由得到的所有所述第一目标观测量组成对应的第一目标观测量序列；基于
ByteTracker
算法的目标匹配评分规则，根据所述当前目标状态量和各个所述第一目标观测量序列进行目标匹配度识别处理得到对应的第一目标匹配度；并将其中最大的所述第一目标匹配度记为最大匹配度；对所述最大匹配度是否超过预设的匹配度阈值进行识别；若所述最大匹配度超过所述匹配度阈值，则将所述最大匹配度对应的所述第一对象跟踪序列作为对应的当前对象跟踪序列；若所述最大匹配度未超过所述匹配度阈值，则在所述第一对象跟踪序列集合中新建一个初始化为空序列的所述第一对象跟踪序列作为对应的所述当前对象跟踪序列，并为新建的所述当前对象跟踪序列分配一个唯一的对象标识作为对应的所述第一对象标识；
基于所述第一图像坐标和所述第一摄像机的内外参对所述第一目标识别框的所述第一识别框中心坐标进行从像素坐标到世界坐标的转换得到对应的所述第一中心世界坐标；并将所述第一中心世界坐标在地面的投影点坐标作为对应的所述第一时刻目标坐标；由所述第一图像目标数据的所述第一图像时间戳
、
所述第一图像标识
、
所述第一曝光模式
、
所述第一图像坐标和所述第一目标识别框作为对应的所述第一时刻时间戳
、
所述第一时刻图像标识
、
所述第一时刻曝光模式
、
所述第一时刻图像坐标和所述第一时刻目标识别框；由得到的所述第一时刻时间戳
、
所述第一时刻图像标识
、
所述第一时刻曝光模式
、
所述第一时刻图像坐标
、
所述第一时刻目标识别框和第一时刻目标坐标组成一个对应的所述第一时刻对象数据向所述当前对象跟踪序列中添加
。6.
根据权利要求3所述的图像优选的处理方法，其特征在于，所述根据各个所述第一对象跟踪序列对所述第一图像是否满足优选图像资质进行识别得到对应的第一识别结果，具体包括：将当前所述第一对象跟踪序列作为对应的当前对象跟踪序列；并将所述当前对象跟踪序列的最后一个所述第一时刻对象数据作为对应的当前时刻对象数据；并对所述当前对象跟踪序列的所述第一时刻对象数据的数量进行统计得到对应的第一数量；并将所述当前时刻对象...
【专利技术属性】
技术研发人员：任轶，高健，张丽云，
申请(专利权)人：北京道仪数慧科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。