CN110659626A - 图像检测方法、装置和设备 - Google Patents

图像检测方法、装置和设备 Download PDF

Info

Publication number
CN110659626A
CN110659626A CN201910942941.XA CN201910942941A CN110659626A CN 110659626 A CN110659626 A CN 110659626A CN 201910942941 A CN201910942941 A CN 201910942941A CN 110659626 A CN110659626 A CN 110659626A
Authority
CN
China
Prior art keywords
fire extinguisher
image
pressure gauge
label
pointer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910942941.XA
Other languages
English (en)
Inventor
周康明
杨海林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Eye Control Technology Co Ltd
Original Assignee
Shanghai Eye Control Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Eye Control Technology Co Ltd filed Critical Shanghai Eye Control Technology Co Ltd
Priority to CN201910942941.XA priority Critical patent/CN110659626A/zh
Publication of CN110659626A publication Critical patent/CN110659626A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Alarm Systems (AREA)

Abstract

本申请涉及一种图像检测方法、装置和设备，终端通过获取灭火器压力表图像，将灭火器压力表图像输入预设的图像分割模型，获得灭火器压力表图像的标签图，其并根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体，进而根据自定义结构体中各区域的像素点，确定灭火器压力表的状态信息，由于灭火器压力表图像的标签图是通过预设的图像分割模型得到的，是不受图像质量、光线环境影像的，准确率高的标签图，使得根据准确率高的标签图得到的自定义结构体的准确率高，进而提高了根据自定义结构体得到的灭火器压力表的状态信息的准确率。

Description

图像检测方法、装置和设备
技术领域
本申请涉及图像识别技术领域，特别是涉及了一种图像检测方法、装置和设备。
背景技术
随着汽车保有量的增长，给人们的交通出行带来便捷的同时，汽车火灾也时有发生。按照相关法规的规定，汽车中必须配备车用灭火器，使得汽车火灾发生时，能及时灭火。一般而言，车用灭火器通过灭火器压力表指示灭火的状态信息。通常灭火器压力表由圆盘区域、绿色区域、黄色区域、红色区域和指针组成，当指针指向绿色区域时，表示灭火器处于安全状态，可以正常使用；当指针指向黄色区域时，表示灭火器中的驱动气体气压过高，在使用灭火器时存在一定的风险；当指针指向红色区域时，表示灭火器中的驱动气体的气压已经低于安全值，灭火瓶已经丧失灭火能力了，应及时补充压力。
通常，可以通过深度学习的方法，从灭火器压力表的图像中，识别出图像中不同区域的像素值，并根据不同区域的像素值，确定图像中的区域对应的灭火器压力表的区域，从而确定灭火器压力表的当前状态。
然而，采用上述方法确定灭火器压力表的当前状态时，当图像质量、光线环境发生变化时，容易出现识别灭火器压力表的当前状态不准确的情况。
发明内容
基于此，有必要针对识别灭火器压力表的当前状态不准确的问题，提供了一种图像检测方法、装置和设备。
第一方面，一种图像检测方法，该方法包括：
获取灭火器压力表图像；
将灭火器压力表图像输入预设的图像分割模型，获得灭火器压力表图像的标签图；标签图为通过不同标签指示灭火器压力表的各区域的图像；
根据标签图中不同的标签，在空白图像中设置多个区域的点，得到自定义结构体；自定义结构体包括灭火器压力表的各个区域；
根据自定义结构体中各区域的像素值，确定灭火器压力表的状态信息。
在其中一个实施中，上述根据自定义结构体中各区域的像素点，确定灭火器压力表的状态信息，包括：
根据自定义结构体中各区域的像素点，确定灭火器压力表的指针所指向的区域；
根据指针所指向的区域，确定灭火器压力表的状态信息。
在其中一个实施中，上述根据自定义结构体中各区域的像素点，确定灭火器压力表的指针所指向的区域，包括：
根据自定义结构体中各区域的像素点，确定灭火器压力表的指针分别与其它各个区域相交的像素点的数量；
将与指针相交的像素点的数量最多的区域确定为指针所指向的区域。
在其中一个实施中，上述根据自定义结构体中各区域的像素点，确定灭火器压力表的指针分别与其它各个区域相交的像素点的数量，包括：
通过预设的函数和自定义结构体中各区域的像素点，获取指针上的各点在其它各个区域中的函数返回值；函数返回值用于指示指针上的点是否与对应的区域相交；
根据指针上各点的函数返回值，确定灭火器压力表的指针与其它各个区域相交的像素点的数量。
在其中一个实施中，上述根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体，包括：
根据标签图中不同的标签，确定各标签图中轮廓的标签值；
根据各标签图中轮廓的标签值，在空白图像中设置各区域的轮廓的像素值，得到自定义结构体。
在其中一个实施中，上述空白图像的尺寸与标签图的尺寸一致。
在其中一个实施中，该方法还包括：
获取多个灭火器压力表样本图像，及各灭火器压力表样本图像对应的标签图；
将多个灭火器压力表样本图像作为输入，将各灭火器压力表样本图像对应的标签图作为输出，对初始的图像分割模型进行训练，得到预设的图像分割模型。
在其中一个实施中，上述获取灭火器压力表图像，包括：
获取灭火器图像；
将灭火器图像输入预设的分割模型，获取灭火器压力表图像。
在其中一个实施中，上述将灭火器图像输入预设的分割模型，得到灭火器压力表图像，包括：
将灭火器图像输入预设的分割模型，得到灭火器图像的分割图像；
当灭火器图像的分割图像中包括灭火器压力表图像时，则采用标示框标注灭火器压力表区域，得到灭火器压力表图像。
在其中一个实施中，该方法还包括：
获取多个灭火器样本图像，及各灭火器样本图像对应的灭火器压力表样本图像；
将多个灭火器样本图像作为输入，将各灭火器样本图像对应的灭火器压力表样本图像作为输出，对初始的分割模型进行训练，得到预设的分割模型。
在其中一个实施中，上述根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体，包括：
根据标签图中不同的标签，分别在多个空白图像中设置多个区域的像素值，得到多个标签图中不同的标签对应的多个区域图；
根据多个区域图，得到自定义结构体。
在其中一个实施中，该方法还包括：
根据预设的映射关系，将灭火器压力表图像的标签图映射得到灭火器压力表图像的色彩图；预设的映射关系表示标签与色彩之间的对应关系；
展示色彩图。
第二方面，一种图像检测装置，该装置包括：
第一获取模块，用于获取灭火器压力表图像；
第二获取模块，用于将灭火器压力表图像输入预设的图像分割模型，获得灭火器压力表图像的标签图；标签图为通过不同标签指示灭火器压力表的各区域的图像；
第三获取模块，用于根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体；自定义结构体包括灭火器压力表的各个区域；
确定模块，用于根据自定义结构体中各区域的像素点，确定灭火器压力表的状态信息。
第三方面，一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述图像检测方法所述的方法步骤。
第四方面，一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述图像检测方法所述的方法步骤。
上述图像检测方法、装置和设备，终端通过获取灭火器压力表图像，将灭火器压力表图像输入预设的图像分割模型，获得灭火器压力表图像的标签图，其中标签图为通过不同标签指示灭火器压力表的各区域的图像，并根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体，其中自定义结构体包括灭火器压力表的各个区域，进而根据自定义结构体中各区域的像素点，确定灭火器压力表的状态信息，由于灭火器压力表图像的标签图是通过预设的图像分割模型得到的，是不受图像质量、光线环境影像的，准确率高的标签图，使得根据准确率高的标签图得到的自定义结构体的准确率高，进而提高了根据自定义结构体得到的灭火器压力表的状态信息的准确率。
附图说明
图1为一个实施例中图像检测方法的应用环境的示意图；
图2为一个实施例中图像检测方法的流程示意图；
图2a为一个实施例中自定义结构体的示意图；
图3为另一个实施例中图像检测方法的流程示意图；
图4为另一个实施例中图像检测方法的流程示意图；
图5为另一个实施例中图像检测方法的流程示意图；
图6为另一个实施例中图像检测方法的流程示意图；
图7为另一个实施例中图像检测方法的流程示意图；
图8为另一个实施例中图像检测方法的流程示意图；
图9为另一个实施例中图像检测方法的流程示意图；
图10为另一个实施例中图像检测方法的流程示意图；
图11为另一个实施例中图像检测方法的流程示意图；
图12为另一个实施例中图像检测方法的流程示意图；
图12a为一个实施例中提供的区域图的示意图；
图13为一个实施例中提供的图像检测装置的结构示意图；
图14为另一个实施例中提供的图像检测装置的结构示意图；
图15为另一个实施例中提供的图像检测装置的结构示意图；
图16为另一个实施例中提供的图像检测装置的结构示意图；
图17为另一个实施例中提供的图像检测装置的结构示意图；
图18为一个实施例中计算机设备的内部结构图。
具体实施方式
本申请提供的图像检测方法、装置和设备，旨在解决传统方法中识别灭火器压力表的当前状态不准确的问题。下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
本实施例提供的图像检测方法，可以适用于如图1所示的应用环境中。其中图像检测终端102通过网络与服务器104进行通信。图像检测终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
需要说明的是，本申请实施例提供的图像检测方法，其执行主体可以是图像检测装置，该装置可以通过软件、硬件或者软硬件结合的方式实现成为图像检测的终端部分或者全部。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。
图2为一个实施例中图像检测方法的流程示意图。本实施例涉及的是如何通过预设的图像分割模型得到灭火器压力表的状态信息的具体过程。如图2所示，该方法包括以下步骤：
S101、获取灭火器压力表图像。
其中，灭火器压力表可以是用于指示灭火器压力状态，压力表可以包括指针、安全区域、警示区域和失效区域。当指针指向安全区域时，表示灭火器处于安全状态，可以正常使用；当指针指向警示区域时，表示灭火器中的驱动气体气压过高，在使用灭火器时存在一定的风险；当指针指向失效区域时，表示灭火器中的驱动气体的气压已经低于安全值，灭火瓶已经丧失灭火能力了，应及时补充压力。其中，各区域可以通过不同的颜色来区分，例如，可以通过绿色表示安全区域，通过黄色表示警示区域，通过红色表示失效区域。灭火器压力表图像中包括了灭火器压力表，其可以是通过摄像头间隔预设的时间周期，周期性的采集灭火器图像，并从灭火器图像中提取灭火器压力表图像。终端可以通过神经网络模型自动地从灭火器图像中提取灭火器压力表图像；也可以通过接收用户的选择指令，并根据选择指令，从灭火器图像中提取灭火器压力表图像；本申请实施例对此不做限制。
S102、将灭火器压力表图像输入预设的图像分割模型，获得灭火器压力表图像的标签图；标签图为通过不同标签指示灭火器压力表的各区域的图像。
其中，标签图可以是通过不同的标签指示灭火器压力表中的各区域的图像。例如，标签图可以通过不同的标签值来指示灭火器压力表中各区域。标签图可以用标签值0指示灭火器压力表的背景区域，用标签值1指示灭火器压力表的安全区域，用标签值2指示灭火器压力表的警示区域，用标签值3指示灭火器压力表的失效区域。预设的图像分割模型可以是神经网络模型，当灭火器压力表图像输入预设的图像分割模型中时，预设的图像分割模型可以根据灭火器压力表图像和灭火器压力表图像的标签图之间的对应关系输出灭火器压力表图像的标签图。
上述预设的分割模型可以是语义分割(SegNet)模型，SegNet模型可以包括编码器、解码器和分类器Softmax。SegNet模型的编码器可以使用VGG16的前13层卷积网络，每个编码器层都对应一个解码器层，最终解码器的输出被送入分类器soft-max中，并独立输出每个像素的标签概率。SegNet模型可以通过编码器中的卷积层提取灭火器压力表图像的特征，通过池化层pooling增大感受野，使图片变小。进而通过解码器，使得图像分类后特征得以重现，通过上采样upsampling还原到图像原始尺寸，最后通过分类器Softmax，输出不同分类的最大值，进而得到灭火器压力表图像的标签图。
S103、根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体；自定义结构体包括灭火器压力表的各个区域。
其中，自定义结构体中包括灭火器压力表的各个区域，其中可以包括指针、安全区域、警示区域和失效区域。在上述实施例的基础上，终端获取了标签图之后，可以根据标签图中指针、安全区域、警示区域和失效区域对应的标签，在空白区域中设置不同区域的像素值，使得所得到的自定义结构中的不同的区域可以指示灭火器压力表的标签图的不同标签，也即是说，自定义结构体中包括灭火器压力表的各个区域。需要说明的是，在根据标签图中不同的标签，在空白图像中设置多个区域的像素值，可以是设置各区域内所有点的像素值，也可以是设置各区域轮廓上的点的像素值，本申请实施例对此不做限制。例如，终端可以是根据标签图中不同的标签，设置空白图像中各区域的轮廓上的点的像素值，得到如图2a所述的自定义结构体。
S104、根据自定义结构体中各区域的像素点，确定灭火器压力表的状态信息。
当得到了自定义结构体之后，终端可以根据自定义结构体中各区域的像素点，确定灭火器压力表所指示的信息，以确定灭火器压力表的状态信息。其中，灭火器压力表的状态信息可以用于指示灭火器的压力状态，其可以指示灭火器的压力为正常状态、灭火器中的驱动气体气压过高或灭火器中的驱动气体的气压已经低于安全值。
上述图像检测方法，终端通过获取灭火器压力表图像，将灭火器压力表图像输入预设的图像分割模型，获得灭火器压力表图像的标签图，其中标签图为通过不同标签指示灭火器压力表的各区域的图像，并根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体，其中自定义结构体包括灭火器压力表的各个区域，进而根据自定义结构体中各区域的像素点，确定灭火器压力表的状态信息，由于灭火器压力表图像的标签图是通过预设的图像分割模型得到的，是不受图像质量、光线环境影像的，准确率高的标签图，使得根据准确率高的标签图得到的自定义结构体的准确率高，进而提高了根据自定义结构得到的灭火器压力表的状态信息的准确率。
图3为另一个实施例中图像检测方法的流程示意图，本实施例涉及的是如何根据自定义结构体中各区域的像素点，确定灭火器压力表的状态信息的具体过程，如图3所示，上述S104“根据自定义结构体中各区域的像素值，确定灭火器压力表的状态信息”一种可能的实现方法包括以下步骤：
S201、根据自定义结构体中各区域的像素点，确定灭火器压力表的指针所指向的区域。
从上述描述可知，自定义结构体中包括了灭火器压力表的各个区域，也即是说，自定义结构体中包括了灭火器压力表中的指针、安全区域、警示区域和失效区域。自定义结构体是根据标签图中不同的标签，在空白图像中设置多个区域的像素点的像素值而得到的，也即是说，自定义结构体中除了灭火器压力表的各个区域之外，其他区域均为空白。此时，根据自定义结构体中指示灭火器压力表的指针、安全区域、警示区域和失效区域的像素点，确定自定义结构体中指针指向的区域。
可选地，可以通过图4所示实施例来确定灭火器压力表的指针所指向的区域。图4为另一个实施例中图像检测方法的流程示意图，本实施例涉及的是如何根据自定义结构体中各区域的像素点，确定灭火器压力表的指针所指向的区域的具体过程，如图4所示，上述S201“根据自定义结构体中各区域的像素值，确定灭火器压力表的指针所指向的区域”一种可能的实现方法包括以下步骤：
S301、根据自定义结构体中各区域的像素点，确定灭火器压力表的指针分别与其它各个区域相交的像素点的数量。
其中，由上述描述可知，自定义结构体中各区域的像素点的像素值，可以包括是各区域中所有点的像素值，也可以包括各区域的轮廓上的点的像素值。当自定义结构体中各区域的像素值是各区域中所有点的像素值时，可以将指针与其他各个区域重叠的像素点的数量，作为指针分别与其它各个区域相交的像素点的数量。当自定义结构体中各区域的像素值是各区域的轮廓上的点的像素值时，可以将指针的轮廓上的点在其它各个区域的轮廓中的像素点的数量，作为指针与其它各个区域相交的像素点的数量。可选地，可以通过图5所示实施例来确定灭火器压力表的指针分别与其它各个区域相交的像素点的数量。如图5所示，上述S301“根据自定义结构体中各区域的像素点，确定灭火器压力表的指针分别与其它各个区域相交的像素点的数量”一种可能的实现方法包括以下步骤：
S401、通过预设的函数和自定义结构体中各区域的像素点，获取指针上的各点在其它各个区域中的函数返回值；函数返回值用于指示指针上的点是否与对应的区域相交。
其中，函数返回值用于指示指针上的点是否与对应的区域相交，预设的函数可以是opencv函数，通过代码“double pointPolygonTest(InputArray contour,Point2f pt,bool measureDist”实现测试一个点是否在多边形中的功能。当measureDist设置为true时，返回点与多边形的实际距离值。若函数返回值为正，表示点在多边形内部，函数返回值为负，表示在多边形外部，函数返回值为0，表示在多边形上。
S402、根据指针上各点的函数返回值，确定灭火器压力表的指针与其它各个区域相交的像素点的数量。
S302、将与指针相交的像素点的数量最多的区域确定为所示指针所指向的区域。
在上述实施例的基础上，根据指针上各点的函数返回值，可以得到指针上的各点是否在灭火器压力表的其它各个区域中，即确定灭火器压力表的指针与其它各个区域相交的像素点的数量。可以分别统计得到指针与安全区域相交的像素点的数量，指针与警示区域相交的像素点的数量和指针与失效区域相交的像素点的数量。例如，指针上有10个点，分别为点1、点2……点8，其中，函数返回值为正，表示点在多边形内部，函数返回值为负，表示在多边形外部，函数返回值为0，表示在多边形上。点1、点2和点3与安全区域、警示区域和失效区域的函数范围值分别为1，-1，-1；点4与安全区域、警示区域和失效区域的函数范围值分别为0，-1，-1；点5、点6、点7和点8与安全区域、警示区域和失效区域的函数范围值分别为-1，-1，-1；可知，点1、点2和点3在安全区域内，且不在警示区域和失效区域内，点4在安全区域的轮廓上，点5、点6、点7和点8不在安全区域、警示区域和失效区域，即灭火器压力表的指针与安全区域相交的像素点的数量为4，与警示区域和失效区域相交的像素点的数量为0。将与指针相交的像素点的数量最多的区域为安全区域，也即是说安全区域为所示指针所指向的区域。
S202、根据指针所指向的区域，确定灭火器压力表的状态信息。
其中，当指针指向安全区域时，表示灭火器处于安全状态，可以正常使用；当指针指向警示区域时，表示灭火器中的驱动气体气压过高，在使用灭火器时存在一定的风险；当指针指向失效区域时，表示灭火器中的驱动气体的气压已经低于安全值，灭火瓶已经丧失灭火能力了。
上述图像检测方法，终端根据自定义结构体中各区域的像素值，确定灭火器压力表的指针所指向的区域，并根据指针所指向的区域，确定灭火器压力表的状态信息，其中，自定义结构体中各区域的像素值是根据灭火器压力表图像的标签图得到的，而灭火器压力表图像的标签图是通过预设的图像分割模型得到的，是不受图像质量、光线环境影像的，准确率高的标签图，使得根据准确率高的标签图得到的自定义结构体的准确率高，进而使得根根据自定义结构体中指针所指向的区域，得到的灭火器压力表的状态信息的准确率高。
在上述实施例的基础上，终端自定义结构体可以包括灭火器压力表各区域的轮廓。下面通过图6所示实施例来详细描述。
图6为另一个实施例中图像检测方法的流程示意图，本实施例涉及的是如何根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体的具体过程，如图6所示，上述S102“根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体”一种可能的实现方法包括以下步骤：
S501、根据标签图中不同的标签，确定各标签图中轮廓的标签值。
其中，在得到了灭火器压力表图像的标签图时，可以根据标签图中的不同标签，确定各标签图中轮廓的标签值。其可以是通过将标签图遍历安全区域、警示区域、失效区域和指针，查找各标签图中轮廓的标签值。例如，可以通过代码“struct my_info_{int label；vector<Point>contour；}”得到各标签图中轮廓的标签值，其中，label为标签值，contour为轮廓点集。
S502、根据各标签图中轮廓的标签值，在空白图像中设置各区域的轮廓的像素值，得到自定义结构体。
在上述实施例的基础上，可以新建空白图像，该空白图像的像素值全部赋值为0。可选地，上述空白图像的尺寸与标签图的尺寸一致。遍历标签图中的轮廓的不同标签值。例如，当轮廓的标签值为2的时候，在空白图像中相应位置赋值像素为255，也即是，在空白图像上设置得到黄色区域，并通过黄色与警示区域之间的对应关系，将黄色区域确定为警示区域。在空白图像图上查找轮廓得到contour_1，并定义my_info_1，其中my_info_1.Label＝1,my_info_1.contour＝contour_1.这样，my_info_1就记录了压力表黄色区域的轮廓点集，也即是警示区域的轮廓点集合。同样的，通过上述方法分别得到灭火器压力表代表安全区域的绿色区域的轮廓点集合、代表失效区域的红色区域的轮廓点集合和指针区域的轮廓点集信息。
上述图像检测方法，根据标签图中不同的标签，确定各标签图中轮廓的标签，根据各标签图中轮廓的标签值，在空白图像中设置各区域的轮廓的像素值，得到自定义结构体，也即是说，自定义结构体中包括的是灭火器压力表的各个区域的轮廓，在根据自定义结构体中指针所指向的区域，确定灭火器压力表的状态信息时，由于自定义结构体是灭火器压力表的各个区域的轮廓，减少了确定灭火器压力表的状态信息时计算量，提高了确定灭火器压力表的状态信息的效率。
在一个实施例中，终端还可以通过获取多个灭火器压力表样本图像及各灭火器压力表样本图像对应的标签图，对初始的图像分割模型进行训练，得到预设的图像分割模型。下面通过图7所示实施例来详细说明。
图7为另一个实施例中图像检测方法的流程示意图，本实施例涉及的是如何对初始的图像分割模型进行训练，得到预设的图像分割模型的具体过程，如图7所示，该方法还包括以下步骤：
S601、获取多个灭火器压力表样本图像，及各灭火器压力表样本图像对应的标签图。
S602、将多个灭火器压力表样本图像作为输入，将各灭火器压力表样本图像对应的标签图作为输出，对初始的图像分割模型进行训练，得到预设的图像分割模型。
在上述实施例的基础上，通过将多个灭火器压力表样本图像作为输入，将各灭火器压力表样本图像对应的标签图作为输出，调整初始的图像分割模型中的训练参数，直至通过图像分割模型得到的标签图，与金标准中灭火器压力表样本图像对应的标签图，在预设的误差范围内，即为预设的图像分割模型。
上述图像检测方法，终端获取多个灭火器压力表样本图像，及各灭火器压力表样本图像对应的标签图，将多个灭火器压力表样本图像作为输入，将各灭火器压力表样本图像对应的标签图作为输出，对初始的图像分割模型进行训练，得到预设的图像分割模型，使得预设的图像分割模型是通过训练得到的图像分割模型，是准确度更高的图像分割模型，进而提高了通过预设的图像分割模型得到的灭火器压力表图像的标签图的准确度，提高了根据灭火器压力表图像的标签图得到的自定义结构体的准确度，进一步地提高了根据自定义结构体得到的灭火器压力表的状态信息的准确度。
在一个实施例中，终端还可以通过预设的分割模型，从灭火器图像中得到灭火器压力表图像，下面通过图8-10来详细说明。
图8为另一个实施例中图像检测方法的流程示意图，本实施例涉及的是如何从灭火器图像中得到灭火器压力表图像的具体过程，如图8所示，上述S101“获取灭火器压力表图像”一种可能的实现方法包括以下步骤：
S701、获取灭火器图像。
S702、将灭火器图像输入预设的分割模型，获取灭火器压力表图像。
其中，预设的分割模型可以是神经网络模型，当灭火器图像输入该预设的分割模型时，预设的分割模型可以根据灭火器图像与灭火器压力表图像之间的对应关系，输出灭火器图像对应的灭火器压力表图像。其中，预设的分割模型可以是通过SSD算法，利用不同卷积层的特征图feature map进行综得到的神经网络模型。该神经网络模型的主网络结构是VGG16，将最后两个全连接层改成卷积层，并随后增加了4个卷积层来构造网络结构。对其中5种不同的卷积层的输出(feature map)分别用两个不同的3×3的卷积核进行卷积，一个输出分类用的置信度confidence，每个默认框default box生成21个类别confidence；一个输出回归用的定位localization，每个default box生成4个坐标值(x,y,w,h)。此外，这5个feature map还经过PriorBox层生成prior box(生成的是坐标)。上述5个feature map中每一层的default box的数量是给定的(8732个)。最后将前面三个计算结果分别合并然后传给loss层。
可选地，可以通过图9所示实施例来获取灭火器压力表图像。如图9所示，上述S702“将灭火器图像输入预设的分割模型，获取灭火器压力表图像”一种可能的实现方法包括以下步骤：
S801、将灭火器图像输入预设的分割模型，得到灭火器图像的分割图像。
其中，灭火器图像的分割图像可以是指将灭火器图像按照灭火器图像中的不同对象，分割成多个分割图像，每个分割图像中包括至少一个对象。例如，灭火器图像中包括灭火器瓶体和灭火器压力表两个对象，则在将灭火器图像输入预设的分割模型时，预设的分割模型输出的是灭火器图像的分割图像，分别为包括灭火器瓶体的分割图像，和，包括灭火器压力表的分割图像。
S802、当灭火器图像的分割图像中包括灭火器压力表图像时，则采用标示框标注灭火器压力表区域，得到灭火器压力表图像。
其中，标示框可以是圆形标示框，也可以是矩形标示框，还可以是不规则形状的标示框，本申请实施例对此不做限制。当灭火器图像的分割图像中包括灭火器压力表图像时，则采用上述标示框标注灭火器压力表区域，得到灭火器压力表图像。
上述图像检测方法，终端通过获取灭火器图像，并将灭火器图像输入预设的分割模型，获取灭火器压力表图像，使得灭火器压力表图像是通过预设的分割模型自动获得的，提高了根据灭火器压力表图像得到的灭火器压力表图像的标签图的智能性，进而提高了根据灭火器压力表图像的标签图得到自定义结构体的智能性，从而提高了根据自定义结构体得到灭火器压力表的状态信息的智能性。
在上述实施例的基础上，终端可以通过多个灭火器样本图像，及各灭火器样本图像对应的灭火器压力表样本图像，对初始的分割模型进行训练，得到预设的分割模型。下面通过图10所示实施例来详细描述。
图10为另一个实施例中图像检测方法的流程示意图，本实施例涉及的是如何训练分割模型的具体过程，如图10所示，该方法还包括以下步骤：
S901、获取多个灭火器样本图像，及各灭火器样本图像对应的灭火器压力表样本图像。
S902、将多个灭火器样本图像作为输入，将各灭火器样本图像对应的灭火器压力表样本图像作为输出，对初始的分割模型进行训练，得到预设的分割模型。
其中，多个灭火器样本图像可以是不同图像质量，不同倾斜角度的灭火器样本图像。在将多个灭火器样本图像作为输入，将各灭火器样本图像对应的灭火器压力表样本图像作为输出，调整初始的分割模型中的训练参数，直至通过分割模型得到的灭火器压力表图像，与金标准中的灭火器样本图像对应的灭火器压力表样本图像，在预设的误差范围内，即为预设的分割模型。
上述图像检测方法，终端通过获取多个灭火器样本图像，及各灭火器样本图像对应的灭火器压力表样本图像，并将多个灭火器样本图像作为输入，将各灭火器样本图像对应的灭火器压力表样本图像作为输出，对初始的分割模型进行训练，得到预设的分割模型。使得预设的分割模型是通过训练得到的，是准确度更高的分割模型，提高了根据预设的分割模型得到的灭火器压力表图像的准确度，进而提高了通过灭火器压力表图像的标签图的准确度，提高了根据灭火器压力表图像的标签图得到的自定义结构体的准确度，进一步地提高了根据自定义结构体得到的灭火器压力表的状态信息的准确度。
在上述实施例的基础上，终端可以通过预设的映射关系得到色彩图，并向用户展示色彩图，以使用户可以直观的观察色彩图。下面通过图11所示实施例来详细描述。
图11为另一个实施例中图像检测方法的流程示意图，本实施例涉及的是如何得到色彩图的具体过程，如图11所示，该方法还包括以下步骤：
S1001、根据预设的映射关系，将灭火器压力表图像的标签图映射得到灭火器压力表图像的色彩图；预设的映射关系表示标签与色彩之间的对应关系。
S1002、展示色彩图。
当终端得到了灭火器压力表图像的标签图时，可以根据表示标签与色彩之间的对应关系的预设的映射关系，将灭火器压力表图像的标签图的不同标签，映射得到不同色彩，得到灭火器压力表图像的色彩图。也即是说，灭火器压力表图像的色彩图通过不同色彩指示灭火器压力表的不同区域。并在得到灭火器压力表图像的色彩图，展示该色彩图。
上述图像检测方法，终端根据预设的映射关系，将灭火器压力表图像的标签图映射得到灭火器压力表图像的色彩图；预设的映射关系表示标签与色彩之间的对应关系，并展示色彩图，使得灭火器压力表可以通过色彩图直观的展示给用户，以使用户可以直观的观察得到灭火器压力表的状态信息。
在一个实施例中，在通过根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体可以通过图12所示方法实施例来实现。
图12为另一个实施例中图像检测方法的流程示意图，本实施例涉及的是如何根据标签图中不同的标签，得到自定义结构体的具体过程，如图12所示，该方法还包括以下步骤：
S1101、根据标签图中不同的标签，分别在多个空白图像中设置多个区域的像素值，得到多个标签图中不同的标签对应的多个区域图。
S1102、根据多个区域图，得到自定义结构体。
具体地，在获取了标签图中的不同标签时，可以根据标签图中的不同标签，分别在多个空白图像中设置各空白图像中不同区域的像素值，得到多个标签图中不同的标签对应的区域图。例如，所得到的标签图中的不同标签分别为：安全区域的标签值为0，警示区域的标签值为1，失效区域的标签值为2，指针的标签值为3，根据该标签图，在不同的空白图像上设置不同区域的像素值，可以是在图12a中所示的不同图像中设置，将第一张空白图像中失效区域的像素值设置为2，得到图像4.png，表示失效区域的区域图；将第二张空白图像中警示区域的像素值设置为1，得到图像5.png，表示警示区域的区域图；将第三张空白图像中指针区域的像素值设置为3，得到图像6.png，表示指针的区域图；将第四张空白图像中安全区域的像素值设置为0，得到图像7.png，表示安全区域的区域图。当得到了上述多个区域图之后，可以根据多个区域图中不同的像素值，得到自定义结构体。例如，可以在多个区域图上的查找轮廓，得到上述自定义结构体。
应该理解的是，虽然图2-12的流程图中的各个步骤按照箭头的指示，依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-12中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图13为一个实施例中提供的图像检测装置的结构示意图，如图13所示，该图像检测装置包括：第一获取模块10、第二获取模块20、第三获取模块30和确定模块40，其中：
第一获取模块10，用于获取灭火器压力表图像；
第二获取模块20，用于将灭火器压力表图像输入预设的图像分割模型，获得灭火器压力表图像的标签图；标签图为通过不同标签指示灭火器压力表的各区域的图像；
第三获取模块30，用于根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体；自定义结构体包括灭火器压力表的各个区域；
确定模块40，用于根据自定义结构体中各区域的像素点，确定灭火器压力表的状态信息。
在一个实施例中，第三获取模块30具体用于根据标签图中不同的标签，分别在多个空白图像中设置多个区域的像素值，得到多个标签图中不同的标签对应的多个区域图；根据多个区域图，得到自定义结构体。
本申请实施例提供的图像检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
图14为一个实施例中提供的图像检测装置的结构示意图，在图13所示实施例的基础上，如图14所示，上述确定模块40包括：第一确定单元401和第二确定单元402，其中：
第一确定单元401用于根据自定义结构体中各区域的像素点，确定灭火器压力表的指针所指向的区域；
第二确定单元402用于根据指针所指向的区域，确定灭火器压力表的状态信息。
在一个实施例中，第一确定单元401具体用于根据自定义结构体中各区域的像素点，确定灭火器压力表的指针分别与其它各个区域相交的像素点的数量；将与指针相交的像素点的数量最多的区域确定为所示指针所指向的区域。
在一个实施例中，第一确定单元401具体用于通过预设的函数和自定义结构体中各区域的像素点，获取指针上的各点在其它各个区域中的函数返回值；函数返回值用于指示指针上的点是否与对应的区域相交；根据指针上各点的函数返回值，确定灭火器压力表的指针与其它各个区域相交的像素点的数量。
在一个实施例中，第三获取模块30具体用于根据标签图中不同的标签，确定各标签图中轮廓的标签值；根据各标签图中轮廓的标签值，在空白图像中设置各区域的轮廓的像素值，得到自定义结构体。
在一个实施例中，上述空白图像的尺寸与标签图的尺寸一致。
本申请实施例提供的图像检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
图15为另一个实施例中提供的图像检测装置的结构示意图，在图13或图14所示实施例的基础上，如图15所示，该图像检测装置还包括：训练模块50，其中：
训练模块50具体用于获取多个灭火器压力表样本图像，及各灭火器压力表样本图像对应的标签图；将多个灭火器压力表样本图像作为输入，将各灭火器压力表样本图像对应的标签图作为输出，对初始的图像分割模型进行训练，得到预设的图像分割模型。
需要说明的是，图15是基于图14的基础上进行示出的，当然图15也可以基于图13的基础上进行示出，这里仅是一种示例。
本申请实施例提供的图像检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
图16为另一个实施例中提供的图像检测装置的结构示意图，在图13-15任一项所示实施例的基础上，如图16所示，第一获取模块10包括：第一获取单元101和第二获取单元102，其中：
第一获取单元101用于获取灭火器图像；
第二获取单元102用于将灭火器图像输入预设的分割模型，获取灭火器压力表图像。
在一个实施例中，第二获取单元102具体用于将灭火器图像输入预设的分割模型，得到灭火器图像的分割图像；当灭火器图像的分割图像中包括灭火器压力表图像时，则采用标示框标注灭火器压力表区域，得到灭火器压力表图像。
在一个实例中，训练模块50还用于获取多个灭火器样本图像，及各灭火器样本图像对应的灭火器压力表样本图像；将多个灭火器样本图像作为输入，将各灭火器样本图像对应的灭火器压力表样本图像作为输出，对初始的分割模型进行训练，得到预设的分割模型。
需要说明的是，图16是基于图15的基础上进行示出的，当然图16也可以基于图13或图14的基础上进行示出，这里仅是一种示例。
本申请实施例提供的图像检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
图17为另一个实施例中提供的图像检测装置的结构示意图，在图13-16任一项所示实施例的基础上，如图17所示，展示模块60，其中：
展示模块60具体用于根据预设的映射关系，将灭火器压力表图像的标签图映射得到灭火器压力表图像的色彩图；预设的映射关系表示标签与色彩之间的对应关系；展示色彩图。
需要说明的是，图17是基于图16的基础上进行示出的，当然图17也可以基于图13-15任一项的基础上进行示出，这里仅是一种示例。
本申请实施例提供的图像检测装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于一种图像检测装置的具体限定可以参见上文中对图像检测方法的限定，在此不再赘述。上述图像检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端设备，其内部结构图可以如图18所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图18中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种终端设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
获取灭火器压力表图像；
将灭火器压力表图像输入预设的图像分割模型，获得灭火器压力表图像的标签图；标签图为通过不同标签指示灭火器压力表的各区域的图像；
根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体；自定义结构体包括灭火器压力表的各个区域；
根据自定义结构体中各区域的像素点，确定灭火器压力表的状态信息。
在一个实施例中，处理器执行计算机程序时实现以下步骤：根据自定义结构体中各区域的像素点，确定灭火器压力表的指针所指向的区域；根据指针所指向的区域，确定灭火器压力表的状态信息。
在一个实施例中，处理器执行计算机程序时实现以下步骤：根据自定义结构体中各区域的像素点，确定灭火器压力表的指针分别与其它各个区域相交的像素点的数量；将与指针相交的像素点的数量最多的区域确定为所示指针所指向的区域。
在一个实施例中，处理器执行计算机程序时实现以下步骤：通过预设的函数和自定义结构体中各区域的像素点，获取指针上的各点在其它各个区域中的函数返回值；函数返回值用于指示指针上的点是否与对应的区域相交；根据指针上各点的函数返回值，确定灭火器压力表的指针与其它各个区域相交的像素点的数量。
在一个实施例中，处理器执行计算机程序时实现以下步骤：根据标签图中不同的标签，确定各标签图中轮廓的标签值；根据各标签图中轮廓的标签值，在空白图像中设置各区域的轮廓的像素值，得到自定义结构体。
在一个实施例中，处理器执行计算机程序时实现以下步骤：根据标签图中不同的标签，分别在多个空白图像中设置多个区域的像素值，得到多个标签图中不同的标签对应的多个区域图；根据多个区域图，得到自定义结构体。
在其中一个实施中，上述空白图像的尺寸与标签图的尺寸一致。
在一个实施例中，处理器执行计算机程序时实现以下步骤：获取多个灭火器压力表样本图像，及各灭火器压力表样本图像对应的标签图；将多个灭火器压力表样本图像作为输入，将各灭火器压力表样本图像对应的标签图作为输出，对初始的图像分割模型进行训练，得到预设的图像分割模型。
在一个实施例中，处理器执行计算机程序时实现以下步骤：获取灭火器图像；将灭火器图像输入预设的分割模型，获取灭火器压力表图像。
在一个实施例中，处理器执行计算机程序时实现以下步骤：将灭火器图像输入预设的分割模型，得到灭火器图像的分割图像；当灭火器图像的分割图像中包括灭火器压力表图像时，则采用标示框标注灭火器压力表区域，得到灭火器压力表图像。
在一个实施例中，处理器执行计算机程序时实现以下步骤：获取多个灭火器样本图像，及各灭火器样本图像对应的灭火器压力表样本图像；将多个灭火器样本图像作为输入，将各灭火器样本图像对应的灭火器压力表样本图像作为输出，对初始的分割模型进行训练，得到预设的分割模型。
在一个实施例中，处理器执行计算机程序时实现以下步骤：根据预设的映射关系，将灭火器压力表图像的标签图映射得到灭火器压力表图像的色彩图；预设的映射关系表示标签与色彩之间的对应关系；展示色彩图。
本实施例提供的终端设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取灭火器压力表图像；
将灭火器压力表图像输入预设的图像分割模型，获得灭火器压力表图像的标签图；标签图为通过不同标签指示灭火器压力表的各区域的图像；
根据标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体；自定义结构体包括灭火器压力表的各个区域；
根据自定义结构体中各区域的像素点，确定灭火器压力表的状态信息。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据自定义结构体中各区域的像素点，确定灭火器压力表的指针所指向的区域；根据指针所指向的区域，确定灭火器压力表的状态信息。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据自定义结构体中各区域的像素点，确定灭火器压力表的指针分别与其它各个区域相交的像素点的数量；将与指针相交的像素点的数量最多的区域确定为所示指针所指向的区域。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：通过预设的函数和自定义结构体中各区域的像素点，获取指针上的各点在其它各个区域中的函数返回值；函数返回值用于指示指针上的点是否与对应的区域相交；根据指针上各点的函数返回值，确定灭火器压力表的指针与其它各个区域相交的像素点的数量。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据标签图中不同的标签，确定各标签图中轮廓的标签值；根据各标签图中轮廓的标签值，在空白图像中设置各区域的轮廓的像素值，得到自定义结构体。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据标签图中不同的标签，分别在多个空白图像中设置多个区域的像素值，得到多个标签图中不同的标签对应的多个区域图；根据多个区域图，得到自定义结构体。
在其中一个实施中，上述空白图像的尺寸与标签图的尺寸一致。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：获取多个灭火器压力表样本图像，及各灭火器压力表样本图像对应的标签图；将多个灭火器压力表样本图像作为输入，将各灭火器压力表样本图像对应的标签图作为输出，对初始的图像分割模型进行训练，得到预设的图像分割模型。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：获取灭火器图像；将灭火器图像输入预设的分割模型，获取灭火器压力表图像。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：将灭火器图像输入预设的分割模型，得到灭火器图像的分割图像；当灭火器图像的分割图像中包括灭火器压力表图像时，则采用标示框标注灭火器压力表区域，得到灭火器压力表图像。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：获取多个灭火器样本图像，及各灭火器样本图像对应的灭火器压力表样本图像；将多个灭火器样本图像作为输入，将各灭火器样本图像对应的灭火器压力表样本图像作为输出，对初始的分割模型进行训练，得到预设的分割模型。
在一个实施例中，计算机程序被处理器执行时实现以下步骤：根据预设的映射关系，将灭火器压力表图像的标签图映射得到灭火器压力表图像的色彩图；预设的映射关系表示标签与色彩之间的对应关系；展示色彩图。
本实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像检测方法，其特征在于，所述方法包括：
获取灭火器压力表图像；
将所述灭火器压力表图像输入预设的图像分割模型，获得所述灭火器压力表图像的标签图；所述标签图为通过不同标签指示所述灭火器压力表的各区域的图像；
根据所述标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体；所述自定义结构体包括所述灭火器压力表的各个区域；
根据所述自定义结构体中各区域的像素点，确定灭火器压力表的状态信息。
2.根据权利要求1所述方法，其特征在于，所述根据所述自定义结构体中各区域的像素点，确定所述灭火器压力表的状态信息，包括：
根据所述自定义结构体中各区域的像素点，确定所述灭火器压力表的指针所指向的区域；
根据所述指针所指向的区域，确定所述灭火器压力表的状态信息。
3.根据权利要求2所述方法，其特征在于，所述根据所述自定义结构体中各区域的像素点，确定所述灭火器压力表的指针所指向的区域，包括：
根据所述自定义结构体中各区域的像素点，确定所述灭火器压力表的指针分别与其它各个区域相交的像素点的数量；
将与所述指针相交的像素点的数量最多的区域确定为所述指针所指向的区域。
4.根据权利要求3所述方法，其特征在于，所述根据所述自定义结构体中各区域的像素点，确定所述灭火器压力表的指针分别与其它各个区域相交的像素点的数量，包括：
通过预设的函数和所述自定义结构体中各区域的像素点，获取所述指针上的各点在其它各个区域中的函数返回值；所述函数返回值用于指示所述指针上的点是否与对应的区域相交；
根据所述指针上各点的函数返回值，确定所述灭火器压力表的指针与其它各个区域相交的像素点的数量。
5.根据权利要求1-4任一项所述方法，其特征在于，所述根据所述标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体，包括：
根据所述标签图中不同的标签，确定各所述标签图中轮廓的标签值；
根据各所述标签图中轮廓的标签值，在所述空白图像中设置各区域的轮廓的像素值，得到自定义结构体。
6.根据权利要求1-4任一项所述方法，其特征在于，所述根据所述标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体，包括：
根据所述标签图中不同的标签，分别在多个空白图像中设置多个区域的像素值，得到多个所述标签图中不同的标签对应的多个区域图；
根据所述多个区域图，得到所述自定义结构体。
7.根据权利要求1-4任一项所述方法，其特征在于，所述空白图像的尺寸与所述标签图的尺寸一致。
8.根据权利要求1-4任一项所述方法，其特征在于，所述方法还包括：
根据预设的映射关系，将所述灭火器压力表图像的标签图映射得到所述灭火器压力表图像的色彩图；所述预设的映射关系表示标签与色彩之间的对应关系；
展示所述色彩图。
9.一种图像检测装置，其特征在于，所述装置包括：
第一获取模块，用于获取灭火器压力表图像；
第二获取模块，用于将所述灭火器压力表图像输入预设的图像分割模型，获得所述灭火器压力表图像的标签图；所述标签图为通过不同标签指示所述灭火器压力表的各区域的图像；
第三获取模块，用于根据所述标签图中不同的标签，在空白图像中设置多个区域的像素值，得到自定义结构体；所述自定义结构体包括所述灭火器压力表的各个区域；
确定模块，用于根据所述自定义结构体中各区域的像素值，确定灭火器压力表的状态信息。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8中任一项所述方法的步骤。
CN201910942941.XA 2019-09-30 2019-09-30 图像检测方法、装置和设备 Pending CN110659626A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910942941.XA CN110659626A (zh) 2019-09-30 2019-09-30 图像检测方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910942941.XA CN110659626A (zh) 2019-09-30 2019-09-30 图像检测方法、装置和设备

Publications (1)

Publication Number Publication Date
CN110659626A true CN110659626A (zh) 2020-01-07

Family

ID=69038743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910942941.XA Pending CN110659626A (zh) 2019-09-30 2019-09-30 图像检测方法、装置和设备

Country Status (1)

Country Link
CN (1) CN110659626A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112843541A (zh) * 2021-01-08 2021-05-28 国网福建省电力有限公司沙县供电公司 一种变电站内灭火器远程实时监测系统
CN117237745A (zh) * 2023-11-13 2023-12-15 合肥天帷信息安全技术有限公司 一种提升灭火器状态识别准确率的方法、装置及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809151A (zh) * 2016-04-01 2016-07-27 中国电子科技集团公司第三十八研究所 灭火器压力表状态的图像识别方法
CN106557751A (zh) * 2016-11-22 2017-04-05 中国石油大学(华东) 一种带颜色指示信息的指针式压力表自动读数方法
CN110135420A (zh) * 2019-05-16 2019-08-16 北京灵汐科技有限公司 表盘状态识别方法及装置、可读存储介质和电子设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105809151A (zh) * 2016-04-01 2016-07-27 中国电子科技集团公司第三十八研究所 灭火器压力表状态的图像识别方法
CN106557751A (zh) * 2016-11-22 2017-04-05 中国石油大学(华东) 一种带颜色指示信息的指针式压力表自动读数方法
CN110135420A (zh) * 2019-05-16 2019-08-16 北京灵汐科技有限公司 表盘状态识别方法及装置、可读存储介质和电子设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112843541A (zh) * 2021-01-08 2021-05-28 国网福建省电力有限公司沙县供电公司 一种变电站内灭火器远程实时监测系统
CN117237745A (zh) * 2023-11-13 2023-12-15 合肥天帷信息安全技术有限公司 一种提升灭火器状态识别准确率的方法、装置及介质

Similar Documents

Publication Publication Date Title
JP6364049B2 (ja) 点群データに基づく車両輪郭検出方法、装置、記憶媒体およびコンピュータプログラム
CN108009543B (zh) 一种车牌识别方法及装置
CN110852285A (zh) 对象检测方法、装置、计算机设备和存储介质
CN110738125A (zh) 利用Mask R-CNN选择检测框的方法、装置及存储介质
CN110058699B (zh) 一种基于智能移动设备传感器的用户行为识别方法
CN112528974B (zh) 测距方法、装置、电子设备及可读存储介质
CN116152863B (zh) 一种人员信息识别方法、装置、电子设备及存储介质
CN111192277A (zh) 一种实例分割的方法及装置
US11282180B1 (en) Object detection with position, pose, and shape estimation
CN110287764B (zh) 姿势预测方法、装置、计算机设备和存储介质
CN111160303B (zh) 一种眼动反应信息检测方法、装置、移动终端及存储介质
CN110659626A (zh) 图像检测方法、装置和设备
CN111401282A (zh) 目标检测方法、装置、计算机设备和存储介质
CN115031758A (zh) 实景导航方法、装置、设备及存储介质、程序产品
CN111832561B (zh) 基于计算机视觉的字符序列识别方法、装置、设备和介质
CN113778221A (zh) 增强现实系统
CN109784140A (zh) 驾驶员属性识别方法及相关产品
CN112560584A (zh) 一种人脸检测方法及装置、存储介质、终端
CN114758100A (zh) 显示方法、装置、电子设备和计算机可读存储介质
CN111372042A (zh) 故障检测方法、装置、计算机设备和存储介质
CN114332484A (zh) 关键点检测方法、装置、计算机设备和存储介质
CN112132025B (zh) 应急车道图像处理方法、装置、计算机设备及存储介质
CN114202554A (zh) 标记生成、模型训练、标记方法、装置、存储介质及设备
CN111291607A (zh) 驾驶员分神检测方法、装置、计算机设备和存储介质
CN116168377A (zh) 车牌识别方法、装置、计算机设备以及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200107

RJ01 Rejection of invention patent application after publication