System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及工业环境下安全监控,尤其涉及一种面向工业环境的图像处理方法及系统。
技术介绍
1、近年来,随着“高科技矿业”信息化建设的发展,井下数字化视频监控系统的智能化水平不断提高,对工业环境下的照明不良、环境恶劣的施工单元安全管理也提出了更高的要求。对于一些禁止吸烟、易燃易爆等场所,必须佩戴安全帽才能进入的区域,以及易发生人员摔倒等行为的区域,如果没有精密的监控手段,就难以及时发现违规行为,从而破坏安全环境。现代科学技术的发展中,计算机视觉技术已经成为一个热门领域,被广泛应用于图像识别、自动驾驶、安防监控等方面。实时监控技术作为计算机视觉技术的一个分支,可以通过对场景中的图像进行处理、分析和识别,实现实时的监控、诊断和预警功能。在安防监控方面,实时监控技术凭借其高效、准确、自动化的特点,已经成功地应用于各种场合,成为保障人们生命和财产安全的重要手段。
2、然而,实时监控技术在实际的应用中还存在一些局限性,例如对于工业环境场景中、处理照明条件不良、光照分布不均匀导致采集的图像质量过低进而导致识别准确度等方面的问题,这些问题使得现有的实时监控技术无法快速高效地对工业环境下危险行为、危险情况、求救情况进行检测和预警,无法可靠地防范安全隐患的发生。
技术实现思路
1、本专利技术提供了一种面向工业环境的图像处理方法及系统,以解决现有技术中对于工业环境场景中、处理照明条件不良、光照分布不均匀导致采集的图像质量过低进而导致识别准确度等方面的问题。
2、为了实现上述目的
3、第一方面,本专利技术提供一种面向工业环境的图像处理方法,包括:
4、s1:采集工业环境下的视频帧;
5、s2:将视频帧中的弱光图像作为输入图像增强网络框架进行训练得到最终的图像增强模型,所述图像增强网络框架包括初始化模块、优化模块和图像增强模块,在训练时:
6、将所述弱光图像输入所述初始化模块,获取所述初始化模块输出的初始反射率和初始光照;将所述初始反射率和初始光照以及正常光照输入优化模块以迭代细化反射层和光照层,得到目标光照;将所述目标光照输入图像增强模块,获取输出的增强图像;
7、s3:将实时采集的工业环境的图像帧输入所述图像增强模型得到增强后的图像。
8、第二方便,本申请还提供一种面向工业环境的图像处理系统,包括:
9、监控装置,用于采集工业环境下的视频帧;
10、边缘计算服务器,用于读取监控装置采集的工业环境下的视频帧,将视频帧中的弱光图像作为输入图像增强网络框架进行训练得到最终的图像增强模型,所述图像增强网络框架包括初始化模块、优化模块和图像增强模块,在训练时:将所述弱光图像输入所述初始化模块,获取所述初始化模块输出的初始反射率和初始光照;将所述初始反射率和初始光照以及正常光照输入优化模块以迭代细化反射层和光照层,得到目标光照;将所述目标光照输入图像增强模块,获取输出的增强图像;将实时采集的工业环境的图像帧输入所述图像增强模型得到增强后的图像;还用于将增强后的图像进行尺寸调整后输入目标检测模型以识别增强后的图像中的目标对象,确定所述目标对象的相关信息,所述相关信息包括位置坐标、类别信息和置信度值;基于所述目标对象的相关信息进行行为预警得到警示信息;
11、可视化界面装置,所述可视化界面装置用于接收来自边缘计算服务器的警示信息并进行展示;
12、所述监控装置和可视化界面装置均与边缘计算服务器进行连接。
13、第三方面,本申请提供一种面向工业环境的图像处理系统,包括存储器、处理器以及存储在存储器上并可在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方法的步骤。
14、有益效果:
15、本专利技术提供的面向工业环境的图像处理方法,将视频帧中的弱光图像作为输入图像增强网络框架进行训练得到最终的图像增强模型,图像增强网络框架包括初始化模块、优化模块和图像增强模块,在训练时:将弱光图像输入初始化模块,获取初始化模块输出的初始反射率和初始光照;将初始反射率和初始光照以及正常光照输入优化模块以迭代细化反射层和光照层,得到目标光照;将目标光照输入图像增强模块,获取输出的增强图像;将实时采集的工业环境的图像帧输入图像增强模型得到增强后的图像。这样,通过对图像进行增强处理,可以解决现有的实时监控技术由于一些工业环境下照明条件不良、粉尘烟雾浓度过高导致监控视频获取的视频图像质量低进而影响最终识别结果的问题。
16、在进一步的方案中,采用了自校正模块改善模型使其更轻量化,能够快速、高效的提高视频质量。
本文档来自技高网...【技术保护点】
1.一种面向工业环境的图像处理方法,其特征在于,包括:
2.根据权利要求1所述的面向工业环境的图像处理方法,其特征在于,所述初始化模块的卷积层的内核大小为3*3,初始化模块的损失函数满足如下关系式:
3.根据权利要求1所述的面向工业环境的图像处理方法,其特征在于,所述将所述初始反射率和初始光照以及正常光照输入优化模块以迭代细化反射层和光照层,得到目标光照,包括:
4.根据权利要求1所述的面向工业环境的图像处理方法,其特征在于,所述将所述目标光照输入图像增强模块,获取输出的增强图像,包括:
5.根据权利要求4所述的面向工业环境的图像处理方法,其特征在于,所述设定方式为递进角度,所述按照设定方式进行建模得到基本单元,包括:
6.根据权利要求4所述的面向工业环境的图像处理方法,其特征在于,在训练时,所述图像增强模块包括自校准模块,所述图像增强模块进行图像增强时光照优化过程的基本单元满足如下关系式:
7.根据权利要求1所述的面向工业环境的图像处理方法,其特征在于,所述方法还包括:
8.一种面向工业环境的图
9.一种面向工业环境的图像处理系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种面向工业环境的图像处理方法,其特征在于,包括:
2.根据权利要求1所述的面向工业环境的图像处理方法,其特征在于,所述初始化模块的卷积层的内核大小为3*3,初始化模块的损失函数满足如下关系式:
3.根据权利要求1所述的面向工业环境的图像处理方法,其特征在于,所述将所述初始反射率和初始光照以及正常光照输入优化模块以迭代细化反射层和光照层,得到目标光照,包括:
4.根据权利要求1所述的面向工业环境的图像处理方法,其特征在于,所述将所述目标光照输入图像增强模块,获取输出的增强图像,包括:
5.根据权利要求4所述的面向工业环境的图像处理方法,其特征在于,所述设定方...
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。