[發明專利]圖像處理方法、裝置、服務器及可讀存儲介質

在審

• 申請號: 201910762042.1
• 申請日: 2019-08-16
• 公開（公告）號: CN110443322A
• 公開（公告）日: 2019-11-12
• 發明（設計）人: 胡仁偉;張會杰;陳效友
• 申請（專利權）人: 北京知道創宇信息技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 安衛靜

1.一種圖像處理方法，其特征在于，所述方法包括：

獲取待處理圖像，所述待處理圖像包括采集電力設備得到的紅外圖像；

通過完成訓練后的深度學習模型提取所述待處理圖像在第一預設卷積層的第一圖像特征，以及提取所述待處理圖像在第二預設卷積層的第二圖像特征；

根據所述第一圖像特征及所述第二圖像特征對所述第一圖像特征、所述第二圖像特征進行特征融合，并對融合后得到的圖像特征進行特征提取，得到目標特征；

通過所述深度學習模型根據所述目標特征對所述待處理圖像進行識別，得到所述待處理圖像中表示電力設備的類型的識別結果。

2.根據權利要求1所述的方法，其特征在于，根據所述第一圖像特征及所述第二圖像特征對所述第一圖像特征、所述第二圖像特征進行特征融合，并對融合后得到的圖像特征進行特征提取，得到目標特征，包括：

基于所述第一圖像特征、所述第二圖像特征的尺寸，調節所述第一圖像特征和/或所述第二圖像特征的尺寸，以使所述第一圖像特征與所述第二圖像特征的尺寸相同；

將所述第一圖像特征、所述第二圖像特征重合疊加，得到融合后的圖像特征；

通過所述深度學習模型提取所述融合后的圖像特征，得到所述目標特征。

3.根據權利要求1所述的方法，其特征在于，通過完成訓練后的深度學習模型提取所述待處理圖像在第一預設卷積層的第一圖像特征，以及提取所述待處理圖像在第二預設卷積層的第二圖像特征，包括：

通過所述深度學習模型，基于所述第一預設卷積層對應的卷積參數對所述待處理圖像進行卷積運算得到所述第一圖像特征；

通過所述深度學習模型，基于所述第二預設卷積層對應的卷積參數對所述待處理圖像進行卷積運算得到所述第二圖像特征。

4.根據權利要求1所述的方法，其特征在于，在所述識別結果表示所述待處理圖像中存在指定類型的電力設備時，所述方法還包括：

在所述待處理圖像中確定所述指定類型的電力設備在所述待處理圖像中的圖像區域；

根據所述待處理圖像中圖像區域的紅外圖像，確定所述指定類型的電力設備的溫度數據。

5.根據權利要求4所述的方法，其特征在于，所述方法還包括：

在所述溫度數據大于或等于預設閾值時，向指定的終端設備發出提示信息。

6.根據權利要求1所述的方法，其特征在于，在通過完成訓練后的深度學習模型提取所述待處理圖像在第一預設層數中的卷積層的第一圖像特征之前，所述方法還包括：

獲取訓練圖像集，所述訓練圖像集包括多個訓練圖像，每個所述訓練圖像包括電力設備及與所述電力設備的類型對應的標簽；

根據所述訓練圖像集，訓練預設深度學習模型，得到完成訓練后的所述深度學習模型。

7.根據權利要求1所述的方法，其特征在于，所述電力設備包括斷路器、變壓器、電機中的至少一種。

8.一種圖像處理裝置，其特征在于，所述裝置包括：

圖像獲取單元，用于獲取待處理圖像，所述待處理圖像包括采集電力設備得到的紅外圖像；

特征提取單元，用于通過完成訓練后的深度學習模型提取所述待處理圖像在第一預設卷積層的第一圖像特征，以及提取所述待處理圖像在第二預設卷積層的第二圖像特征；

特征融合單元，用于根據所述第一圖像特征及所述第二圖像特征對所述第一圖像特征、所述第二圖像特征進行特征融合，并對融合后得到的圖像特征進行特征提取，得到目標特征；

識別單元，用于通過所述深度學習模型根據所述目標特征對所述待處理圖像進行識別，得到所述待處理圖像中表示電力設備的類型的識別結果。

9.一種服務器，其特征在于，包括相互耦合的存儲器、處理器，所述存儲器內存儲計算機程序，當所述計算機程序被所述處理器執行時，使得所述服務器執行如權利要求1-7中任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述可讀存儲介質中存儲有計算機程序，當所述計算機程序在計算機上運行時，使得所述計算機執行如權利要求1-7中任意一項所述的方法。