[發(fā)明專利]合成圖像類別確定方法、裝置、存儲介質(zhì)及電子裝置

在審

• 申請?zhí)枺?/td>: 202011242730.4
• 申請日: 2020-11-09
• 公開（公告）號: CN112365465A
• 公開（公告）日: 2021-02-12
• 發(fā)明（設(shè)計）人: 王政軍;巫立峰
• 申請（專利權(quán)）人: 浙江大華技術(shù)股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 張秀英

本發(fā)明提供了一種合成圖像類別確定方法、裝置、存儲介質(zhì)及電子裝置，其中，該方法包括：將目標(biāo)合成圖像輸入預(yù)先訓(xùn)練好的目標(biāo)神經(jīng)網(wǎng)絡(luò)模型中，得到該目標(biāo)神經(jīng)網(wǎng)絡(luò)模型輸出的多個子圖的坐標(biāo)信息與該多個子圖的特征向量；根據(jù)該多個子圖的特征向量對該多個子圖進(jìn)行分組，得到分組結(jié)果；根據(jù)該分組結(jié)果確定該多個子圖的圖像類別，其中，該圖像類別包括特寫圖與抓拍圖，可以解決相關(guān)技術(shù)中需要預(yù)設(shè)行列組合，對于未知的合成圖的圖像類型無法識別，且對于噪聲較多的合成圖像識別準(zhǔn)確率低的問題，可以識別任意組合的合成圖的類型，并精準(zhǔn)識別子圖屬于特寫圖或者抓拍圖。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，具體而言，涉及一種合成圖像類別確定方法、裝置、存儲介質(zhì)及電子裝置。

背景技術(shù)

違章抓拍是利用一系列聲光設(shè)備，對現(xiàn)場違章人員的行為過程進(jìn)行自動抓拍取證的一套技術(shù)手段。應(yīng)用于道路交通領(lǐng)域時，能夠?qū)崟r獲取交通違章的非機(jī)動車和行人違章行為的圖像和視頻，適用于目前道路上的非機(jī)動車和行人等違章行為的抓拍取證，具有聲光警示功能，可以對違章的非機(jī)動車和行人進(jìn)行提示，將并錄像和圖像進(jìn)行存儲，便于后期的數(shù)據(jù)統(tǒng)計、分析和調(diào)用。

一般情況下，違章判罰圖片會以一組為單位傳輸?shù)脚袛嘣O(shè)備，一組圖像會包含用于展示車輛特征(車牌、車內(nèi)駕駛員等)的特寫圖和展示車輛在場景中位置及其周邊信息的抓拍圖(特寫圖與抓拍圖的個數(shù)不固定，組成的合成圖排列也不固定)，構(gòu)成一個完整的違章證據(jù)鏈。現(xiàn)有的交通違章判罰很大程度上依賴于人工校驗，需要人力讀圖判斷違章與否，耗時較大。

相關(guān)技術(shù)中提出一種違章合成圖的拆分方法，依據(jù)預(yù)設(shè)行列組合對違章合成圖進(jìn)行拆分，獲得以預(yù)設(shè)行列組合排列的至少兩個子圖；確定預(yù)設(shè)行列組合下違章合成圖中的特寫圖及位置圖，將預(yù)設(shè)行列組合中預(yù)設(shè)位置處的子圖作為特寫子圖，非預(yù)設(shè)位置處的子圖作為抓拍子圖；計算特寫子圖與抓拍子圖的特寫差異度，獲取每個預(yù)設(shè)位置對應(yīng)的特寫差異度；比較所有預(yù)設(shè)位置對應(yīng)的特寫差異度，確定最大的特寫差異度對應(yīng)的預(yù)設(shè)位置處的子圖為違章合成圖中的特寫圖，其他子圖作為抓拍圖。需要預(yù)設(shè)行列組合，對于未知的合成圖類型無法拆分，合成圖中各個子圖大小也可能不同，采用均分拆分方法無法解決此類問題；另外此方法區(qū)分特寫圖與抓拍圖是直接利用像素均值做差，如果圖中噪聲較多，場景中信息變化較大，該方法準(zhǔn)確率將大大降低。

針對相關(guān)技術(shù)中需要預(yù)設(shè)行列組合，對于未知的合成圖的圖像類型無法識別，且對于噪聲較多的合成圖像識別準(zhǔn)確率低的問題，尚未提出解決方案。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種合成圖像類別確定方法、裝置、存儲介質(zhì)及電子裝置，以至少解決相關(guān)技術(shù)中需要預(yù)設(shè)行列組合，對于未知的合成圖的圖像類型無法識別，且對于噪聲較多的合成圖像識別準(zhǔn)確率低的問題。

根據(jù)本發(fā)明的一個實施例，提供了一種合成圖像類別確定方法，包括：

將目標(biāo)合成圖像輸入預(yù)先訓(xùn)練好的目標(biāo)神經(jīng)網(wǎng)絡(luò)模型中，得到所述目標(biāo)神經(jīng)網(wǎng)絡(luò)模型輸出的多個子圖的坐標(biāo)信息與所述多個子圖的特征向量；

根據(jù)所述多個子圖的特征向量對所述多個子圖進(jìn)行分組，得到分組結(jié)果；

根據(jù)所述分組結(jié)果確定所述多個子圖的圖像類別，其中，所述圖像類別包括特寫圖與抓拍圖。

可選地，在根據(jù)所述分組結(jié)果確定所述多個子圖的圖像類別之后，所述方法還包括：

根據(jù)所述多個子圖的坐標(biāo)信息對所述多個子圖進(jìn)行定位；

根據(jù)所述分組結(jié)果與所述多個子圖的坐標(biāo)信息對所述多個子圖進(jìn)行拆分。

可選地，根據(jù)所述多個子圖的特征向量對所述多個子圖進(jìn)行分組，得到分組結(jié)果包括：

確定所述多個子圖中每兩個子圖的特征向量的余弦值；

將所述余弦值大于預(yù)設(shè)閾值的兩個子圖劃分到同一組中，得到所述分組結(jié)果。