CN110689090A - 图像存储方法及装置 - Google Patents
图像存储方法及装置 Download PDFInfo
- Publication number
- CN110689090A CN110689090A CN201910977548.4A CN201910977548A CN110689090A CN 110689090 A CN110689090 A CN 110689090A CN 201910977548 A CN201910977548 A CN 201910977548A CN 110689090 A CN110689090 A CN 110689090A
- Authority
- CN
- China
- Prior art keywords
- image
- nth frame
- frame image
- similarity
- stored reference
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 18
- 238000010191 image analysis Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种图像存储方法及装置、电子设备、存储有计算机指令的非瞬时计算机可读存储介质，涉及图像分析领域。具体实现方案为：采集得到第n帧图像；其中，n为大于等于2的整数；计算所述第n帧图像与已存储的参考图像之间的相似度；基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存。本方案可用于自动驾驶领域，尤其自主泊车领域。
Description
技术领域
本申请涉及一种图像处理领域，尤其涉及一种图像分析领域，本申请提供一种图像存储方法及装置、电子设备、存储有计算机指令的非瞬时计算机可读存储介质。
背景技术
针对目标环境进行图像采集的方案中，一种场景中，通过在固定的位置的摄像头进行连续采集；另一种场景，为自动驾驶的自主泊车的场景，这种场景下通过自动驾驶的车辆的摄像头对目标环境中的图像进行连续采集，进而利用采集得到的图像进行分析以及处理以完成自主泊车。
前述两种场景中，都会产生大量相似图像，这样会导致较高的人工成本，同时对存储效率和图像处理速度提出巨大挑战，尤其对实时性、精确性要求较高的场景。
发明内容
本申请提供了一种图像存储方法及装置、电子设备、存储有计算机指令的非瞬时计算机可读存储介质。
本申请实施例提供了一种图像存储方法，包括：
采集得到第n帧图像；其中，n为大于等于2的整数；
计算所述第n帧图像与已存储的参考图像之间的相似度；
基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存。
可选地，所述方法还包括：
将采集得到的第1帧图像直接进行保存。
可选地，所述计算所述第n帧图像与已存储的参考图像之间的相似度之前，所述方法还包括：
从已存储的至少一个图像中，选取与第n帧图像的时间戳的时间最近的一个图像作为所述已存储的参考图像。
可选地，所述基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存，包括：
当所述第n帧图像与所述已存储的参考图像之间的相似度大于预设门限值时，确定不对所述第n帧图像进行保存。
可选地，所述基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存，包括：
当所述第n帧图像与所述已存储的参考图像之间的相似度不大于预设门限值时，确定对所述第n帧图像进行保存。
本申请实施例还提供一种图像存储装置，包括：
图像采集单元，用于采集得到第n帧图像；其中，n为大于等于2的整数；
分析单元，用于计算所述第n帧图像与已存储的参考图像之间的相似度；基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存。
可选地，所述装置还包括：
存储单元，用于将图像采集单元采集得到的第1帧图像直接进行保存。
可选地，所述分析单元，用于从已存储的至少一个图像中，选取与第n帧图像的时间戳的时间最近的一个图像作为所述已存储的参考图像。
可选地，所述分析单元，用于当所述第n帧图像与所述已存储的参考图像之间的相似度大于预设门限值时，确定不对所述第n帧图像进行保存。
可选地，所述分析单元，用于当所述第n帧图像与所述已存储的参考图像之间的相似度不大于预设门限值时，确定对所述第n帧图像进行保存。
本申请实施例还提供一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述任一项的方法。
本申请还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行前述任一项的方法。
上述申请中的一个实施例具有如下优点或有益效果：对采集到的图像进行相似度分析，根据图像的相似度确定是否对图像进行保存。从而能够在存储图像的时候过滤掉一部分图像，从而降低了存储压力，并且由于减少了存储的图像后续在传输图像时也会减少传输压力，另外由于减少了存储的图像还可以节省后续对图像进行分拣的工作量，再次，由于能够过滤掉一部分图像，从而能够提升图像处理的速度。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请的图像存储方法流程的示意图一；
图2是本申请的图像存储方法流程的示意图二；
图3是本申请的图像存储装置的组成结构示意图一；
图4是本申请的图像存储装置的组成结构示意图二；
图5是用来实现本申请实施例的图像存储方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本申请提供了一种图像存储方法，如图1所示，包括：
S101：采集得到第n帧图像；其中，n为大于等于2的整数；
S102：计算所述第n帧图像与已存储的参考图像之间的相似度；
S103：基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存。
本申请实施例主要用于具备存储功能的设备，又或者，可以主要应用于能够与图像采集单元连接并获取图像的具备存储功能的设备。本申请适用于将图像采集单元设置在固定位置进行图像采集的场景，或者，还可以适用于自动驾驶的车辆中，能够将图像采集单元设置在与车辆相对固定的位置。其中，所述图像采集单元可以为摄像头，也就是本申请主要可以用于摄像头以及背景之间相对固定的场景。比如，可以在固定位置设置摄像头，该摄像头直接将采集到的图像存储至本地存储中；其中，本地存储可以为摄像头连接的服务器、电脑、手机等等。
本申请实施例提供的方案中，通过图像采集单元进行图像采集的时候，将采集得到的第1帧图像直接进行保存。也就是说，第1帧图像因为没有可参考的图像，所以不需要进行对比分析，而是直接进行保存。
然后连续进行多帧图像的采集。针对每一帧新采集的图像，即本实施例中第n帧图像，均采用本实施例提供的方法进行处理。具体说明如下：
前述步骤S102中，在进行相似度的确定之前，还需要选择参考图像，具体的：
从已存储的至少一个图像中，选取与第n帧图像的时间戳的时间最近的一个图像作为所述已存储的参考图像。
也就是说，假设当前第n帧图像的时间戳为时间A；当前已存储的多个图像中包含有图像1(时间A-10)、图像2(时间A-5)、图像3(时间A-1)，那么与时间A最接近的是图像3，则图像3作为选中的已存储的参考图像。举例来说，n＝2时，那么将第2帧图像与之前存储的第1帧图像进行相似度计算。
本实施例中，所述相似度的分析方法是指根据图片的某些特征来分辨出两幅图像的相似度的方法。可以包括但不仅限于直方图法、光流法。
前述步骤S103中，所述基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存，包括：
当所述第n帧图像与所述已存储的参考图像之间的相似度大于预设门限值时，确定不对所述第n帧图像进行保存。
或者，当所述第n帧图像与所述已存储的参考图像之间的相似度不大于预设门限值时，确定对所述第n帧图像进行保存。
所述预设门限值可以为根据实际情况进行设置，比如，可以设置的较高为80％；当然也可以设置的较低比如40％。如果预设门限值设置的较低那么进行保存的图像的数量会较少些，也就是说保存的图像之间的相似度更低。可以根据实际情况灵活的调节预设门限值的大小。
进一步地，对第n帧图像进行保存时，可以将第n帧图像以及采集得到第n帧图像时的时间戳同时进行保存，以便于后续图像的分析。
在一示例中，本申请提供的方案的工作流程如图2所示，包括：
步骤201：系统启动；
步骤202：采集图像；
步骤203：如果首次采集，则对首次采集到的第1帧图像不进行相似度分析，直接存储图片，然后进行下一次采集；
步骤204：如果非首次采集，则对采集到的第n帧图像进行相似度分析；n为大于等于2的整数；
步骤205：判断第n帧图像的相似度是否大于预设门限值；若大于，执行步骤206，否则，执行步骤207；
步骤206：如果图片相似度大于预设门限值，则不对第n帧图像进行存储，进行下一次采集；下一次采集可以为执行步骤204，只是变为对第n+1帧图像进行采集，如此循环操作，直至采集结束；
步骤207：如果图片相似度不大于预设门限值，则存储该第n帧图像，然后进行下一次采集；下一次采集可以为执行步骤204，只是变为对第n+1帧图像进行采集，如此循环操作，直至采集结束。
本申请的再一种示例中，可以将前述方案应用于自动驾驶(或无人驾驶)的自动泊车场景中，在自动驾驶的自动泊车的场景中，相关技术中会通过对图像进行采集，基于采集得到的图像进行分析并基于分析结果对自动泊车进行控制。
也就是说，自动泊车的时候，需要对采集得到的全部图像都进行分析。但是，由于自动泊车场景下，相邻帧的图像中相似度比较大，因此采集得到的图像的冗余度比较高，并且自动泊车对于图像分析的实时性以及准确性要求非常高，如果对每一帧图像均进行分析，就需要分析多个相似度比较近的图像，这就无法保证自动泊车场景下的实时性。
这种场景下，采用的处理流程可以包括有：采集图像；如果首次采集，则对首次采集到的第1帧图像不进行相似度分析，直接存储图片，然后进行下一次采集；如果非首次采集，则对采集到的第n帧图像进行相似度分析；n为大于等于2的整数；判断第n帧图像的相似度是否大于预设门限值；若大于，不对第n帧图像进行存储，进行下一次采集，否则，存储该第n帧图像，然后进行下一次采集，如此循环操作，直至采集结束。
并且，在本场景中，还可以包括：基于过滤之后存储的图像进行自主泊车的分析，得到相应的控制信息，根据所述控制信息对车辆的自主泊车进行控制。
可以看出，在本示例提出的自动驾驶的自主泊车的场景中，通过在采集图像的时候采用上述方案进行图像过滤，因此，减少了在自动驾驶尤其是自主泊车的处理中需要处理的图像，从而减少存储图像的压力，并且能够减少自主泊车过程中需要处理的图像的数量，也就是说，通过去掉一部分相似度较高的图像，使得后续采用图像分析进行自动泊车控制的过程中，能够减少分析处理的图像，从而提升了图像的处理效率，使得自主泊车的场景中的实时性得到保障，并且不会对该场景中的分析结果的准确性产生影响。
还需要指出的是，又一种示例中，还可以用于自动驾驶场景下的其他需要图像分析的控制的处理过程中。比如，可以适用于实时行驶过程中的障碍物(包括动态、静态障碍物)的图像采集中，采用的图像过滤处理与前述方式可以相同。只是进一步地，在相应的场景中，需要基于过滤后的图像进行分析，比如在障碍物的分析中，可能需要基于过滤后的图像分析车辆当前所处环境中的行人等动态或静态障碍物的位置，进而进行避障等控制处理。同样的，由于可以对图像进行过滤，使得这种场景中的实时性得到保证，并且不会对准确性产生影响。
本示例中提供的方案在其他场景中的应用，本实施例中不再进行穷举。
可见，本申请提供的方案能够在存储图像的时候过滤掉一部分相似度较大的图像，从而实现存储时就过滤掉冗余图片，降低了存储及传输压力，也节省了后续分拣的工作量。再次，由于能够过滤掉一部分图像，从而能够提升图像处理的速度。
如图3所示，本申请提供了一种图像存储装置300，包括：
图像采集单元31，用于采集得到第n帧图像；其中，n为大于等于2的整数；
分析单元32，用于计算所述第n帧图像与已存储的参考图像之间的相似度；基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存。
本申请实施例提供的方案中，如图4所示，所述装置还可以包括：
存储单元33，用于将图像采集单元31采集得到的第1帧图像直接进行保存。也就是说，第1帧图像因为没有可参考的图像，所以不需要进行对比分析，而是直接进行保存。
然后连续进行多帧图像的采集。针对每一帧新采集的图像，即本实施例中第n帧图像，均采用本实施例提供的方法进行处理。具体说明如下：
分析单元32，用于从存储单元33中已存储的至少一个图像中，选取与第n帧图像的时间戳的时间最近的一个图像作为所述已存储的参考图像。
本实施例中，所述相似度的分析方法是指根据图片的某些特征来分辨出两幅图像的相似度的方法。可以包括但不仅限于直方图法、光流法。
分析单元32，用于当所述第n帧图像与所述已存储的参考图像之间的相似度大于预设门限值时，确定不对所述第n帧图像进行保存。
或者，当所述第n帧图像与所述已存储的参考图像之间的相似度不大于预设门限值时，确定对所述第n帧图像进行保存。
进一步地，对第n帧图像进行保存时，可以将第n帧图像以及采集得到第n帧图像时的时间戳同时在存储单元33中进行保存，以便于后续图像的分析。
可见，本申请提供的方案能够在存储图像的时候过滤掉一部分相似度较大的图像，从而实现存储时就过滤掉冗余图片，降低了存储及传输压力，也节省了后续分拣的工作量。再次，由于能够过滤掉一部分图像，从而能够提升图像处理的速度。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图5所示，是根据本申请实施例的图像存储方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图5所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface，GUI)的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的图像存储方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的图像存储方法。
存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的图像存储方法对应的程序指令/模块(例如，附图3所示的图像采集单元31、分析单元32和存储单元33)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的图像存储方法。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据图像存储的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至图像存储的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图像存储方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图5中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息，以及产生与图像存储的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(Liquid Crystal Display，LCD)、发光二极管(Light EmittingDiode，LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuits，ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(programmable logic device，PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(Cathode Ray Tube，阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(Local Area Network，LAN)、广域网(Wide Area Network，WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案，在存储图像的时候过滤掉一部分相似度较大的图像，从而实现存储时就过滤掉冗余图片，降低了存储及传输压力，也节省了后续分拣的工作量。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (12)
1.一种图像存储方法，其特征在于，包括：
采集得到第n帧图像；其中，n为大于等于2的整数；
计算所述第n帧图像与已存储的参考图像之间的相似度；
基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将采集得到的第1帧图像直接进行保存。
3.根据权利要求1所述的方法，其特征在于，所述计算所述第n帧图像与已存储的参考图像之间的相似度之前，所述方法还包括：
从已存储的至少一个图像中，选取与第n帧图像的时间戳的时间最近的一个图像作为所述已存储的参考图像。
4.根据权利要求1所述的方法，其特征在于，所述基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存，包括：
当所述第n帧图像与所述已存储的参考图像之间的相似度大于预设门限值时，确定不对所述第n帧图像进行保存。
5.根据权利要求1所述的方法，其特征在于，所述基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存，包括：
当所述第n帧图像与所述已存储的参考图像之间的相似度不大于预设门限值时，确定对所述第n帧图像进行保存。
6.一种图像存储装置，其特征在于，包括：
图像采集单元，用于采集得到第n帧图像；其中，n为大于等于2的整数；
分析单元，用于计算所述第n帧图像与已存储的参考图像之间的相似度；基于所述第n帧图像与所述已存储的参考图像之间的相似度，确定是否对所述第n帧图像进行保存。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
存储单元，用于将图像采集单元采集得到的第1帧图像直接进行保存。
8.根据权利要求6所述的装置，其特征在于，所述分析单元，用于从已存储的至少一个图像中，选取与第n帧图像的时间戳的时间最近的一个图像作为所述已存储的参考图像。
9.根据权利要求6所述的装置，其特征在于，所述分析单元，用于当所述第n帧图像与所述已存储的参考图像之间的相似度大于预设门限值时，确定不对所述第n帧图像进行保存。
10.根据权利要求6所述的装置，其特征在于，所述分析单元，用于当所述第n帧图像与所述已存储的参考图像之间的相似度不大于预设门限值时，确定对所述第n帧图像进行保存。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910977548.4A CN110689090A (zh) | 2019-10-14 | 2019-10-14 | 图像存储方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910977548.4A CN110689090A (zh) | 2019-10-14 | 2019-10-14 | 图像存储方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110689090A true CN110689090A (zh) | 2020-01-14 |
Family
ID=69112662
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910977548.4A Pending CN110689090A (zh) | 2019-10-14 | 2019-10-14 | 图像存储方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110689090A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111310654A (zh) * | 2020-02-13 | 2020-06-19 | 北京百度网讯科技有限公司 | 一种地图要素的定位方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104539864A (zh) * | 2014-12-23 | 2015-04-22 | 小米科技有限责任公司 | 记录图像的方法和装置 |
| US9082229B1 (en) * | 2011-05-10 | 2015-07-14 | Lucasfilm Entertainment Company Ltd. | Transforming animations |
| CN106225789A (zh) * | 2016-07-12 | 2016-12-14 | 武汉理工大学 | 一种具有高安全性的车载导航系统及其引导方法 |
| CN107333026A (zh) * | 2017-06-26 | 2017-11-07 | 电子科技大学 | 一种针对固定场景下的监控视频图像传输及存储方法 |
| CN107426142A (zh) * | 2016-12-28 | 2017-12-01 | 广州大气候农业科技有限公司 | 图像回传方法、图像保存方法、物联网的节点和服务器 |
| CN107886560A (zh) * | 2017-11-09 | 2018-04-06 | 网易（杭州）网络有限公司 | 动画资源的处理方法及装置 |
| CN109241897A (zh) * | 2018-08-29 | 2019-01-18 | 深圳华远云联数据科技有限公司 | 监控图像的处理方法、装置、网关设备及存储介质 |
-
2019
- 2019-10-14 CN CN201910977548.4A patent/CN110689090A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9082229B1 (en) * | 2011-05-10 | 2015-07-14 | Lucasfilm Entertainment Company Ltd. | Transforming animations |
| CN104539864A (zh) * | 2014-12-23 | 2015-04-22 | 小米科技有限责任公司 | 记录图像的方法和装置 |
| CN106225789A (zh) * | 2016-07-12 | 2016-12-14 | 武汉理工大学 | 一种具有高安全性的车载导航系统及其引导方法 |
| CN107426142A (zh) * | 2016-12-28 | 2017-12-01 | 广州大气候农业科技有限公司 | 图像回传方法、图像保存方法、物联网的节点和服务器 |
| CN107333026A (zh) * | 2017-06-26 | 2017-11-07 | 电子科技大学 | 一种针对固定场景下的监控视频图像传输及存储方法 |
| CN107886560A (zh) * | 2017-11-09 | 2018-04-06 | 网易（杭州）网络有限公司 | 动画资源的处理方法及装置 |
| CN109241897A (zh) * | 2018-08-29 | 2019-01-18 | 深圳华远云联数据科技有限公司 | 监控图像的处理方法、装置、网关设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 何东健: "《数字图像处理》", 28 February 2015, 西安：西安电子科技大学出版社, pages: 211 * |
| 何汉武: "《增强现实交互方法与实现》", 31 December 2018, 武汉：华中科技大学出版社, pages: 135 - 136 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111310654A (zh) * | 2020-02-13 | 2020-06-19 | 北京百度网讯科技有限公司 | 一种地图要素的定位方法、装置、电子设备及存储介质 |
| CN111310654B (zh) * | 2020-02-13 | 2023-09-08 | 北京百度网讯科技有限公司 | 一种地图要素的定位方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110929639B (zh) | 用于确定图像中障碍物位置的方法、装置、设备和介质 | |
| CN111722245B (zh) | 定位方法、定位装置和电子设备 | |
| CN110659600B (zh) | 物体检测方法、装置及设备 | |
| CN111275190B (zh) | 神经网络模型的压缩方法及装置、图像处理方法及处理器 | |
| CN112270399B (zh) | 基于深度学习的算子注册处理方法、装置及电子设备 | |
| CN110968718B (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
| CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
| CN110796191B (zh) | 轨迹分类方法及装置 | |
| CN111291650A (zh) | 自动泊车辅助的方法及装置 | |
| CN110781824B (zh) | 目标检测及跟踪方法、装置、电子设备及存储介质 | |
| CN113255411A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
| CN111784757A (zh) | 深度估计模型的训练方法、深度估计方法、装置及设备 | |
| CN111652112A (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
| CN111601013A (zh) | 用于处理视频帧的方法和装置 | |
| CN112714282A (zh) | 远程控制中的图像处理方法、装置、设备和程序产品 | |
| CN111027195B (zh) | 仿真场景的生成方法、装置及设备 | |
| CN112560772A (zh) | 人脸的识别方法、装置、设备及存储介质 | |
| CN111861991A (zh) | 计算图像清晰度的方法以及装置 | |
| CN110798681B (zh) | 成像设备的监测方法、装置和计算机设备 | |
| CN110689090A (zh) | 图像存储方法及装置 | |
| CN111724598B (zh) | 用于自动驾驶规划路径的方法、装置、设备以及存储介质 | |
| CN111339852B (zh) | 追踪方法、装置、电子设备和计算机可读存储介质 | |
| CN111401248B (zh) | 一种天空区域的识别方法、装置、电子设备及存储介质 | |
| CN110995687B (zh) | 一种猫池设备识别方法、装置、设备及存储介质 | |
| CN112528932A (zh) | 用于优化位置信息的方法、装置、路侧设备和云控平台 |
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 |