CN111400534B - 图像数据的封面确定方法、装置及计算机存储介质 - Google Patents

图像数据的封面确定方法、装置及计算机存储介质 Download PDF

Info

Publication number
CN111400534B
CN111400534B CN202010146912.5A CN202010146912A CN111400534B CN 111400534 B CN111400534 B CN 111400534B CN 202010146912 A CN202010146912 A CN 202010146912A CN 111400534 B CN111400534 B CN 111400534B
Authority
CN
China
Prior art keywords
vehicle
image
image data
attribute
target
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.)
Active
Application number
CN202010146912.5A
Other languages
English (en)
Other versions
CN111400534A (zh
Inventor
林泉宇
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.)
Hangzhou Hikvision System Technology Co Ltd
Original Assignee
Hangzhou Hikvision System 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 Hangzhou Hikvision System Technology Co Ltd filed Critical Hangzhou Hikvision System Technology Co Ltd
Priority to CN202010146912.5A priority Critical patent/CN111400534B/zh
Publication of CN111400534A publication Critical patent/CN111400534A/zh
Application granted granted Critical
Publication of CN111400534B publication Critical patent/CN111400534B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5846Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using extracted text
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种图像数据的封面确定方法、装置及计算机存储介质,属于图像处理技术领域。所述方法包括:获取待确定封面的图像数据,基于该图像数据的分析结果,确定该图像数据的目标属性,确定图像数据中,目标属性符合第一预设条件的目标图像作为该图像数据的封面。由于目标属性是指图像数据中能够反映或影响图像数据的分析结果的属性,因此,在本申请中,在确定展示图像数据的封面时,考虑了图像数据的分析结果,如此用户根据封面便可了解图像数据的分析结果。所以通过本申请提供的方法可以使最终确定的封面能够满足用户的需求,从而吸引用户来点击该封面,以提高图像数据的利用率。

Description

图像数据的封面确定方法、装置及计算机存储介质
技术领域
本申请涉及图像处理技术领域,特别涉及一种图像数据的封面确定方法、装置及计算机存储介质。
背景技术
随着物联网技术的发展,诸如监控系统等机构通常需要对大量的图像数据进行分类,然后将各类图像数据显示在用户端,以便于用户对各类图像数据进行查询。其中,用户端上针对每类图像数据显示一个或多个封面,以便于用户通过封面快速了解该类图像数据。该图像数据可以为针对车辆采集的车辆图像数据。
相关技术中,车辆图像数据通常包括针对车辆采集的车辆图像。因此,对于分类之后的任一类车辆图像数据,可以从该类车辆图像数据所包括的多张车辆图像中随机选择一张车辆图像作为该类车辆图像数据对应的封面,以便于在用户端上显示该封面。
通过上述方式确定的封面通常很难满足用户的需求,导致用户可能不愿意通过点击封面来快速了解相应的车辆图像数据,从而影响图像数据的利用率。
发明内容
本申请实施例提供了一种图像数据的封面确定方法、装置及计算机存储介质,可以提高图像数据的利用率。所述技术方案如下:
一方面、提供了一种图像数据的封面确定方法,所述方法包括:
获取待确定封面的图像数据;
基于所述图像数据的分析结果,确定所述图像数据的目标属性;其中,所述目标属性是指能够反映或影响所述分析结果的属性;
确定所述图像数据中,所述目标属性符合第一预设条件的目标图像作为所述图像数据的封面。
可选地,
所述目标属性包括采集时间;
所述目标图像为所述采集时间处于配置时间段内的图像,所述配置时间段是指采集图像时能够避免因采集光线而影响图像质量的时间段。
可选地,
所述图像数据为车辆图像数据;
在所述图像数据的分析结果与车头有关的情况下,所述目标属性包括车头属性,所述车头属性用于指示车辆图像中是否包括车头图像;
所述目标图像为所述车头属性为包括车头图像的车辆图像。
可选地,
所述图像数据为车辆图像数据;
在所述图像数据的分析结果与车辆形状有关的情况下,所述目标属性包括车辆完整性;
所述目标图像为所述车辆完整性属性符合第二预设条件的车辆图像。
另一方面、提供了一种图像数据的封面确定装置,所述装置包括:
获取模块,用于获取待确定封面的图像数据;
第一确定模块,用于基于所述图像数据的分析结果,确定所述图像数据的目标属性;其中,所述目标属性是指能够反映或影响所述分析结果的属性;
第二确定模块,用于确定所述图像数据中,所述目标属性符合第一预设条件的目标图像作为所述图像数据的封面。
可选地,所述目标属性包括采集时间;
所述目标图像为所述采集时间处于配置时间段内的车辆图像,所述配置时间段是指采集图像时能够避免因采集光线而影响图像质量的时间段。
可选地,
所述图像数据为车辆图像数据;
在所述图像数据的分析结果与车头有关的情况下,所述目标属性包括车头属性,所述车头属性用于指示车辆图像中是否包括车头图像;
所述目标图像为所述车头属性为包括车头图像的车辆图像。
可选地,
所述图像数据为车辆图像数据;
在所述图像数据的分析结果与车辆形状有关的情况下,所述目标属性包括车辆完整性;
所述目标图像为所述车辆完整性属性符合第二预设条件的车辆图像。
另一方面、提供了一种图像数据的封面确定装置,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行上述任一图像数据的封面确定方法中的步骤。
另一方面、提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现上述任一图像数据的封面确定方法中的步骤。
本申请实施例提供的技术方案带来的有益效果至少包括:
在本申请实施例中,获取待确定封面的图像数据,基于该图像数据的分析结果,确定该图像数据的目标属性,确定图像数据中,目标属性符合第一预设条件的目标图像作为该图像数据的封面。由于目标属性是指图像数据中能够反映或影响图像数据的分析结果的属性,因此,在本申请实施例中,在确定展示图像数据的封面时,考虑了图像数据的分析结果,如此用户根据封面便可了解图像数据的分析结果。所以通过本申请实施例提供的方法可以使最终确定的封面能够满足用户的需求,从而吸引用户来点击该封面,以提高图像数据的利用率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种车辆数据展示系统示意图;
图2是本申请实施例提供的一种车辆数据展示方法流程图;
图3是本申请实施例提供的一种车辆数据展示装置示意图;
图4是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例提供的图像数据的封面确定方法进行解释说明之前,先对本申请实施例涉及的应用场景进行说明。
目前,针对车辆图像数据通常是进行分类展示的,且用户端上针对各类车辆图像数据分别显示一个封面。如此,当用户端检测到用户点击某一张封面时,便可将该封面对应的车辆图像数据展示给用户。本申请实施例提供的图像数据的封面确定方法就应用于上述通过封面的方式展示车辆图像数据的过程中。此外,本申请实施例提供的图像数据的封面确定方法也可以应用于其他确定图像数据的封面的场景中,在此就不再一一举例说明。
图1是本申请实施例提供的一种图像数据的封面确定系统示意图。如图1所示,该系统100包括服务器101和用户端102。用户端102和服务器101之间通过无线或有线方式连接以进行通信。
其中,服务器101用于确定各类图像数据,然后通过本申请实施例提供的方法确定出各类图像数据的封面。服务器101将各类图像数据以及针对每类图像数据的封面推送给用户端102。由用户端102展示每类图像数据的封面,以便于用户通过每类图像数据的封面查询相应分类的图像数据。
上述用户端102可以手机、平板电脑以及台式计算机等设备。服务器101可以为一个独立的服务器,也可以为集群服务器中的一个。本申请实施例对此不做具体限定。
需要说明的是,本申请实施例提供的图像数据的封面确定方法可以应用于服务器中,当然也可以应用于用户端,本申请实施例对此不做具体限定。下述实施例是以服务器为例说明本申请实施例提供的图像数据的封面确定方法,并不构成对本申请实施例提供的方法的执行主体的限制。
接下来对本申请实施例提供的图像数据的封面确定方法进行解释说明。
图2是本申请实施例提供的一种图像数据的封面确定方法流程图。如图2所示,该方法包括如下步骤:
步骤201:服务器获取待确定封面的图像数据。
当需要确定某类图像数据的封面时,服务器需要先获取该类图像数据,以便于后续用户能够通过封面快速了解到该类图像数据的基本情况。其中,该图像数据包括多张图像。
比如,服务器针对落脚点进行分类,得到针对用户A的落脚点的车辆图像数据以及针对用户B的落脚点的车辆图像数据。其中,针对用户A的落脚点的车辆图像数据包括针对用户A采集的多张车辆图像,此时,针对用户A采集的多张车辆图像即为步骤201中的图像数据。此外,针对用户B的落脚点的车辆图像数据包括针对用户B采集的多张车辆图像,此时,针对用户B采集的多张车辆图像即为步骤201中的图像数据。
步骤202:服务器基于图像数据的分析结果,确定图像数据的目标属性;其中,目标属性是指能够反映或影响该分析结果的属性。
在本申请实施例中,为了提高各类图像数据的用户点击率,可以根据图像数据的分析结果来确定封面。也即是,在本申请实施例中,在确定图像数据的封面时,考虑了图像数据的分析结果。如此用户根据封面便可了解图像数据的分析结果。使得最终确定的封面能够满足用户的需求,从而吸引用户来点击该封面,以提高图像数据的利用率。因此,在通过步骤201确定出图像数据之后,需要通过步骤202确定图像数据的目标属性。
其中,目标属性是指能够反映或影响图像数据的分析结果的属性。在本申请实施例中,目标属性包括但不限于采集时间、采集地点、车头属性、车尾属性、车辆完整性属性以及图像像素中的一个或多个。在选择哪个属性作为目标属性时需要考虑图像数据的分析结果。
由于采集时间和采集地点在一定程度上会影响采集图像时的光线,因此,在确定封面时可以将采集时间和采集地点作为考虑因素,以使确定出的封面是清晰的。需要说明的是,无论在图像数据的分析结果为何种分析结果的场景下,均可以将采集时间和采集地点这两个属性中的一个或两个作为目标属性。
另外,如果图像数据为车辆图像数据,在图像数据的分析结果与车头有关的情况下,比如车辆图像数据的分析结果为车牌识别或司机行为识别的情况下,由于车辆图像中包括车头时,用户能够从车辆图像对车牌或司机行为进行粗略分析,因此在这种情况下确定封面时,可以优先选择包括车头头像的车辆图像,以提高用户对该封面的兴趣度。所以,在图像数据的分析结果与车头有关的情况下,可以将车头属性作为确定封面的一个考虑因素,该车头属性用于指示车辆图像中是否包括车头图像。
另外,如果图像数据为车辆图像数据,在图像数据的分析结果与车尾有关的情况下,比如在车辆图像数据的分析结果为车牌识别的情况下,由于车辆图像中包括车尾图像时,用户能够从车辆图像对车牌进行粗略分析,因此在这种情况下确定封面时,也可以优先选择包括车尾图像的车辆图像,以提高用户对该封面的兴趣度。所以,在这种场景下,可以将车尾属性作为确定封面的一个考虑因素,该车尾属性用于指示车辆图像中是否包括车尾图像。
另外,如果图像数据为车辆图像数据,在图像数据的分析结果与车辆形状有关的情况下,比如在车辆图像数据的分析结果为车辆形状识别的情况下(譬如需要分析车辆型号的场景中),如果车辆图像中显示的车辆是完整性较好的车辆时,便于用户对车辆的形状进行分析。因此在确定封面时,可以优先选择车辆完整性较好的车辆图片,以提高用户对该封面的兴趣度。所以,在本申请实施例中,可以将车辆完整性作为确定封面的一个考虑因素。
上述车辆完整性可以包括车辆图像中的车辆是否主体完整或整车完整度大于参考完整度的车辆。其中,主体完整指示车辆的主体架构完整即可,无需车辆的每个细节完整。比如,可以将同时包括车辆侧方形状和前方形状的车辆标记为主体完整的车辆,也可以将同时包括车辆侧方形状和后方形状的车辆标记为主体完整的车辆。此外,整车完整度是指图像中显示的车辆的各个部位相对于车辆自身包括的全部部位之间的比例。参考完整度是开发人员预先配置的。比如,参考完整度可以为80%或90%等。
上述是以车辆主体完整或整车完整度为例来说明如何衡量车辆完整性。本申请实施例并不限定衡量车辆完整性的具体实现方式。
另外,如果封面的图像像素较低,用户在一定程度上也不愿意查询该类图像数据。所以,在本申请实施例中,可以将图像像素作为确定封面的一个考虑因素,以使确定的封面的画面比较清晰。需要说明的是,无论在图像数据的分析结果为何种分析结果的场景下,均可以将图像像素作为目标属性。
在本申请实施例,目标属性不限于上述几种属性,也可以包括其他任意能够反映或影响图像数据的分析结果的属性。也即是,任何能够反映或影响图像数据的分析结果的的属性均在本申请实施例的目标属性保护范围之内,在此就不再一一列出。
步骤203:确定图像数据中,目标属性符合第一预设条件的目标图像作为该图像数据的封面。
基于步骤202可知,目标属性可以包括一个属性,也可以包括多个属性。当目标属性包括一个属性时,服务器可以仅仅根据该目标属性来确定封面。当目标属性包括多个属性时,服务器需要同时根据这多个目标属性来确定封面。
需要说明的是,当服务器同时根据多个目标属性来确定封面时,相当于先根据每个目标属性依次选择图像,然后将最终选择的图像确定为封面。下面以单个目标属性来分别解释说明如何根据目标属性确定封面,当目标属性包括多个目标属性,同时根据下述各种实现方式来筛选封面即可。
场景一:该目标属性包括采集时间。
此时,步骤203的实现方式可以为:从图像数据包括的多张图像中选择采集时间处于配置时间段内的图像,根据选择的图像确定封面。此时第一预设条件为配置时间段。其中,该配置时间段是指采集图像时能够避免采集光线昏暗模糊的时间段。也即是,服务器预先设置采集图像时光线明亮的时间段,然后在选择封面时,可以优先选择配置时间段内的图像,以避免最终确定的封面是光线昏暗模糊的照片,而影响用户点击该封面的兴趣。此时通过上述实现方式确定的目标图像为采集时间处于该配置时间段内的车辆图像,以保证该目标图像的清晰度。
另外,由于不同的地点光线较佳的时间段不同,因此,为了进一步保证确定的封面中的光线昏暗模糊,服务器可以预先针对不同的地点配置不同的配置时间段。
此时,在场景一中,目标属性还可以进一步包括采集地点。服务器在从图像数据包括的多张图像中选择采集时间处于配置时间段内的图像之前,对于任一张图像,需要先根据该图像的采集地点,确定针对图像的配置时间段。也即是,根据图像的采集地点,确定预先针对该采集地点的光线较佳时间段,然后再判断该图像的采集时间是否在该光线较佳时间段,以确定是否考虑该图像为封面。此时,通过上述实现方式确定的目标图像为采集时间处于与采集地点关联的配置时间段内的车辆图像,以保证该目标车辆图像的清晰度。此时,步骤203中的第一预设条件为与图像的采集地点关联的配置时间段。
场景二:图像数据为车辆图像数据,该目标属性包括车头属性。其中,车头属性用于指示车辆图像中是否包括车头图像。
基于步骤202可知,场景二可以应用于在车辆图像数据的分析结果为与车头有关的情况下,比如为车牌识别或为司机行为识别的情况的场景。车牌识别包括车牌号码识别、是否为套牌识别等。司机行为识别包括是否系有安全带识别、是否正在打电话识别、脸部是否被遮挡识别等。
此时,步骤203的实现方式可以为:从车辆图像数据包括的多张车辆图像中选择车头属性为包括车头图像的车辆图像,根据选择的车辆图像确定封面。也即是,在确定封面时,优先考虑包括车头图像的车辆图像,以便于后续用户可以根据封面快速了解车辆图像数据的一些相关信息。此时,目标图像为包括车头图像的车辆图像。
在一种可能的实现方式中,上述从多张车辆图像中选择车头属性为包括车头图像的车辆图像的实现过程可以为:基于车头识别模型,从多张车辆图像中选择车头属性为包括车头图像的车辆图像,该车头识别模型用于识别车辆图中是否包括车头图像。
在本申请实施例中,预先可以通过大量的样本车辆图像以及每张样本车辆图像中的标签对初始化的神经网络模型训练,以得到一个车头识别模型。其中,每张样本车辆图像中的标签用于指示该样本车辆图像是否包括车头图像。以便于后续服务器可以通过该车头识别模型对任一张车辆图像进行识别,以确定该车辆图像中是否包括车头图像。
另外,上述初始化的神经网络模型训练可以为基于CNN(convolutional neuralnetworks,卷积神经网络)的深度学习模型。也可以为其他类型的神经网络,本申请实施例对此不做具体限定。
其中,当初始化的神经网络模型训练为基于CNN的深度学习模型时,该初始化的神经网络模型可以采用2个卷积层、2个池化层、3个全连接层这种连接方式。在通过大量的样本车辆图像对初始化的神经网络模型进行训练的过程,也即是,对初始化的神经网络模型中的参数不断调整,直至将样本车辆图像输入参数调整后的神经网络模型之后,参数调整后的神经网络模型输出的识别结果与样本车辆图像中的标签一致,最后一次参数调整后的神经网络模型即为训练之后的车头识别模型。
此外,如果目标属性为车尾属性,则同样可以参考车头属性的相关实现方式来确定目标图像,在此不再赘述。
场景三:目标属性包括车辆完整性。
基于步骤202可知,场景三可以应用于在图像数据的分析结果与车辆形状有关的情况下。比如,在图像数据的分析结果为车辆型号识别的情况下,该目标数据可以包括车辆完整性。
此时,步骤203的实现方式可以为:从车辆图像数据包括的多张车辆图像中选择车辆完整性属性符合第二预设条件的车辆图像,根据选择的车辆图像确定封面。也即是,在确定封面时,优先考虑包括车辆完整的车辆图像,以便于后续用户可以根据封面快速了解车辆数据的一些相关信息。
当通过车辆的主体或整车完整度来衡量车辆完整性时,上述第二预设条件可以为车辆的主体完整或整车完整度大于该参考完整度。此时,确定的目标车图像为车辆的主体完整或整车完整度大于该参考完整度的车辆图像。
在一种可能的实现方式中,上述从车辆图像数据包括的多张车辆图像中选择车辆完整性属性符合第二预设条件的车辆图像的实现过程可以为:基于车辆完整性识别模型,从多张车辆图像中选择车辆完整性属性符合第二预设条件的车辆图像,该车辆完整性识别模型用于识别车辆图像的车辆完整性属性是否符合第二预设条件。
也即是,在本申请实施例中,同样预先可以通过大量的样本车辆图像以及每张样本车辆图像中的标签对初始化的神经网络模型训练,以得到一个车辆完整性识别模型。其中,每张样本车辆图像中的标签用于指示该样本车辆图像中显示的车辆的车辆完整性属性是否符合第二预设条件。以便于后续服务器可以通过该车辆完整性识别模型对任一张车辆图像进行识别,以确定该车辆图像的车辆完整性属性是否符合第二预设条件。
上述车辆完整性识别模型的训练过程可以参考车头识别模型的训练过程,在此就不再重复说明。
场景四:该目标属性包括图像像素。
此时,步骤203的实现方式可以为:从图像数据包括的多张车辆图像中选择图像像素大于或等于像素阈值辆图像,根据选择的图像确定封面。这种情况下第一预设条件为上述像素值阈值。
上述像素阈值是预先设置的像素值,该像素阈值是为了表征最终确定的封面像素清晰,满足用户的需求,从而提高用户针对该封面的点击率。
上述四个场景仅仅用于举例说明如何根据目标属性确定封面。当目标属性包括其他的属性时,同样可以参考上述四种场景来确定封面,在此就不再一一举例说明。
此外,当目标属性包括多个属性时,服务器只需将上述四种场景下实现方式结合即可确定出封面。比如,当目标属性同时包括采集时间、采集地点、车头属性、车辆完整性属性以及图像像素时,此时,服务器可以从多张车辆图像中选择出采集时间在采集地点对应的配置时间段内、车辆图像中包括车头图像、车辆图像中车辆完整性符合第二预设条件、且车辆图像的图像像素大于像素阈值的车辆图像,然后根据选择的车辆图像确定封面。
需要说明的时,如果上述最终选择的车辆图像有多张车辆图像时,此时可以随机选择一张作为封面,也可以采用其他方式比如轮播的方式将最终选择的多张车辆图像轮流作为封面,在此就不再一一举例说明。
在本申请实施例中,获取待确定封面的图像数据,基于该图像数据的分析结果,确定该图像数据的目标属性,确定图像数据中,目标属性符合第一预设条件的目标图像作为该图像数据的封面。由于目标属性是指图像数据中能够反映或影响图像数据的分析结果的属性,因此,在本申请实施例中,在确定展示图像数据的封面时,考虑了图像数据的分析结果,如此用户根据封面便可了解图像数据的分析结果。所以通过本申请实施例提供的方法可以使最终确定的封面能够满足用户的需求,从而吸引用户来点击该封面,以提高图像数据的利用率。
图3是本申请实施例提供的一种图像数据的封面确定装置示意图。如图3所示,该装置300包括:
获取模块301,用于获取待确定封面的图像数据;
第一确定模块302,用于基于图像数据的分析结果,确定图像数据的目标属性;其中,目标属性是指能够反映或影响分析结果的属性;
第二确定模块303,用于确定图像数据中,目标属性符合第一预设条件的目标图像作为图像数据的封面。
可选地,
目标属性包括采集时间;
目标图像为采集时间处于配置时间段内的图像,配置时间段是指采集图像时能够避免因采集光线而影响图像质量的时间段。
可选地,
图像数据为车辆图像数据;
在图像数据的分析结果与车头有关的情况下,目标属性包括车头属性,车头属性用于指示车辆图像中是否包括车头图像;
目标图像为车头属性为包括车头图像的车辆图像。
可选地,
图像数据为车辆图像数据;
在图像数据的分析结果与车辆形状有关的情况下,目标属性包括车辆完整性;
目标图像为车辆完整性属性符合第二预设条件的车辆图像。
在本申请实施例中,获取待确定封面的图像数据,基于该图像数据的分析结果,确定该图像数据的目标属性,确定图像数据中,目标属性符合第一预设条件的目标图像作为该图像数据的封面。由于目标属性是指图像数据中能够反映或影响图像数据的分析结果的属性,因此,在本申请实施例中,在确定展示图像数据的封面时,考虑了图像数据的分析结果,如此用户根据封面便可了解图像数据的分析结果。所以通过本申请实施例提供的方法可以使最终确定的封面能够满足用户的需求,从而吸引用户来点击该封面,以提高图像数据的利用率。
需要说明的是:上述实施例提供的图像数据的封面确定装置在确定封面时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的图像数据的封面确定装置与图像数据的封面确定方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图4是本申请实施例提供的一种服务器结构示意图。上述实施例中涉及的服务器均可以通过图4所示的服务器来实现,该服务器可以是后台服务器集群中的服务器。具体来讲:
服务器400包括中央处理单元(CPU)401、包括随机存取存储器(RAM)402和只读存储器(ROM)403的系统存储器404,以及连接系统存储器404和中央处理单元401的系统总线405。服务器400还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)406,和用于存储操作系统413、应用程序414和其他程序模块415的大容量存储设备407。
基本输入/输出系统406包括有用于显示信息的显示器408和用于用户输入信息的诸如鼠标、键盘之类的输入设备409。其中显示器408和输入设备409都通过连接到系统总线405的输入输出控制器410连接到中央处理单元401。基本输入/输出系统406还可以包括输入输出控制器410以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器410还提供输出到显示屏、打印机或其他类型的输出设备。
大容量存储设备407通过连接到系统总线405的大容量存储控制器(未示出)连接到中央处理单元401。大容量存储设备407及其相关联的计算机可读介质为服务器400提供非易失性存储。也就是说,大容量存储设备407可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术,CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知计算机存储介质不局限于上述几种。上述的系统存储器404和大容量存储设备407可以统称为存储器。
根据本申请的各种实施例,服务器400还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器400可以通过连接在系统总线405上的网络接口单元411连接到网络412,或者说,也可以使用网络接口单元411来连接到其他类型的网络或远程计算机系统(未示出)。
上述存储器还包括一个或者一个以上的程序,一个或者一个以上程序存储于存储器中,被配置由CPU执行。所述一个或者一个以上程序包含用于进行本申请实施例提供的图像数据的封面确定方法的指令。
本申请实施例还提供了一种非临时性计算机可读存储介质,当所述存储介质中的指令由服务器的处理器执行时,使得服务器能够执行上述实施例提供的图像数据的封面确定方法。
本申请实施例还提供了一种包含指令的计算机程序产品,当其在服务器上运行时,使得服务器执行上述实施例提供的图像数据的封面确定方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

Claims (10)

1.一种图像数据的封面确定方法,其特征在于,所述方法包括:
获取待确定封面的图像数据,所述图像数据为车辆图像数据;
基于所述图像数据的分析结果,确定所述图像数据的目标属性;其中,所述目标属性是指能够反映或影响所述分析结果的属性,所述目标属性包括采集时间、采集地点、车头属性、车尾属性、车辆完整性属性和图像像素中的至少一个;所述分析结果包括与车头有关、与车尾有关以及与车辆形状有关中的至少一个,与车头有关的分析结果包括车牌识别或司机行为识别,与车尾有关的分析结果包括车牌识别,与车辆形状有关的分析结果包括车辆形状识别;在所述分析结果与车头有关的情况下,所述目标属性至少包括车头属性,所述车头属性用于指示车辆图像中是否包括车头图像;在所述分析结果与车尾有关的情况下,所述目标属性至少包括车尾属性,所述车尾属性用于指示车辆图像中是否包括车尾图像;在所述分析结果与车辆形状有关的情况下,所述目标属性至少包括车辆完整性;
确定所述图像数据中,所述目标属性符合第一预设条件的目标图像作为所述图像数据的封面。
2.如权利要求1所述的方法,其特征在于,在所述目标属性包括所述采集时间的情况下,所述目标图像为所述采集时间处于配置时间段内的图像,所述配置时间段是指采集图像时能够避免因采集光线而影响图像质量的时间段。
3.如权利要求1所述的方法,其特征在于,在所述目标属性包括所述车头属性的情况下,所述目标图像为所述车头属性为包括车头图像的车辆图像。
4.如权利要求1所述的方法,其特征在于,在所述目标属性包括所述车辆完整性的情况下,所述目标图像为所述车辆完整性属性符合第二预设条件的车辆图像。
5.一种图像数据的封面确定装置,其特征在于,所述装置包括:
获取模块,用于获取待确定封面的图像数据,所述图像数据为车辆图像数据;
第一确定模块,用于基于所述图像数据的分析结果,确定所述图像数据的目标属性;其中,所述目标属性是指能够反映或影响所述分析结果的属性,所述目标属性包括采集时间、采集地点、车头属性、车尾属性、车辆完整性属性和图像像素中的至少一个;所述分析结果包括与车头有关、与车尾有关以及与车辆形状有关中的至少一个,与车头有关的分析结果包括车牌识别或司机行为识别,与车尾有关的分析结果包括车牌识别,与车辆形状有关的分析结果包括车辆形状识别;在所述分析结果与车头有关的情况下,所述目标属性至少包括车头属性,所述车头属性用于指示车辆图像中是否包括车头图像;在所述分析结果与车尾有关的情况下,所述目标属性至少包括车尾属性,所述车尾属性用于指示车辆图像中是否包括车尾图像;在所述分析结果与车辆形状有关的情况下,所述目标属性至少包括车辆完整性;
第二确定模块,用于确定所述图像数据中,所述目标属性符合第一预设条件的目标图像作为所述图像数据的封面。
6.如权利要求5所述的装置,其特征在于,在所述目标属性包括所述采集时间的情况下,所述目标图像为所述采集时间处于配置时间段内的车辆图像,所述配置时间段是指采集图像时能够避免因采集光线而影响图像质量的时间段。
7.如权利要求5所述的装置,其特征在于,在所述目标属性包括所述车头属性的情况下,所述目标图像为所述车头属性为包括车头图像的车辆图像。
8.如权利要求5所述的装置,其特征在于,在所述目标属性包括所述车辆完整性的情况下;所述目标图像为所述车辆完整性属性符合第二预设条件的车辆图像。
9.一种图像数据的封面确定装置,其特征在于,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为执行上述权利要求1至权利要求4中的任一项权利要求所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现上述权利要求1至权利要求4中的任一项权利要求所述的方法的步骤。
CN202010146912.5A 2020-03-05 2020-03-05 图像数据的封面确定方法、装置及计算机存储介质 Active CN111400534B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010146912.5A CN111400534B (zh) 2020-03-05 2020-03-05 图像数据的封面确定方法、装置及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010146912.5A CN111400534B (zh) 2020-03-05 2020-03-05 图像数据的封面确定方法、装置及计算机存储介质

Publications (2)

Publication Number Publication Date
CN111400534A CN111400534A (zh) 2020-07-10
CN111400534B true CN111400534B (zh) 2023-09-19

Family

ID=71428669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010146912.5A Active CN111400534B (zh) 2020-03-05 2020-03-05 图像数据的封面确定方法、装置及计算机存储介质

Country Status (1)

Country Link
CN (1) CN111400534B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180004380A (ko) * 2016-07-01 2018-01-11 삼성디스플레이 주식회사 표시장치 및 그 제조 방법
CN108038431A (zh) * 2017-11-30 2018-05-15 广东欧珀移动通信有限公司 图像处理方法、装置、计算机设备和计算机可读存储介质
CN108108461A (zh) * 2017-12-29 2018-06-01 北京小米移动软件有限公司 确定封面图像的方法及装置
CN108509584A (zh) * 2018-03-29 2018-09-07 北京百度网讯科技有限公司 封面图的选择方法、装置和计算机设备
CN108833942A (zh) * 2018-06-28 2018-11-16 北京达佳互联信息技术有限公司 视频封面选取方法、装置、计算机设备及存储介质
CN110728255A (zh) * 2019-10-22 2020-01-24 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10330664B2 (en) * 2015-06-18 2019-06-25 Pratt & Whitney Canada Corp. Evaluation of component condition through analysis of material interaction
US10241097B2 (en) * 2015-07-30 2019-03-26 Ecoation Innovative Solutions Inc. Multi-sensor platform for crop health monitoring
CN107679183B (zh) * 2017-09-29 2020-11-06 百度在线网络技术(北京)有限公司 分类器用训练数据获取方法和装置、服务器及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180004380A (ko) * 2016-07-01 2018-01-11 삼성디스플레이 주식회사 표시장치 및 그 제조 방법
CN108038431A (zh) * 2017-11-30 2018-05-15 广东欧珀移动通信有限公司 图像处理方法、装置、计算机设备和计算机可读存储介质
CN108108461A (zh) * 2017-12-29 2018-06-01 北京小米移动软件有限公司 确定封面图像的方法及装置
CN108509584A (zh) * 2018-03-29 2018-09-07 北京百度网讯科技有限公司 封面图的选择方法、装置和计算机设备
CN108833942A (zh) * 2018-06-28 2018-11-16 北京达佳互联信息技术有限公司 视频封面选取方法、装置、计算机设备及存储介质
CN110728255A (zh) * 2019-10-22 2020-01-24 Oppo广东移动通信有限公司 图像处理方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN111400534A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
EP3806064B1 (en) Method and apparatus for detecting parking space usage condition, electronic device, and storage medium
US20210256320A1 (en) Machine learning artificialintelligence system for identifying vehicles
CN109978893B (zh) 图像语义分割网络的训练方法、装置、设备及存储介质
CN109117760B (zh) 图像处理方法、装置、电子设备和计算机可读介质
CN111160434B (zh) 目标检测模型的训练方法、装置及计算机可读存储介质
WO2021114612A1 (zh) 目标重识别方法、装置、计算机设备和存储介质
WO2021051547A1 (zh) 暴力行为检测方法及系统
CN110059666B (zh) 一种注意力检测方法及装置
CN111709421B (zh) 鸟类识别方法、装置、计算机设备及存储介质
CN115049057B (zh) 一种模型部署方法、装置、电子设备和存储介质
CN112633255A (zh) 目标检测方法、装置及设备
CN111198815A (zh) 用户界面的兼容性测试方法及装置
CN113439227B (zh) 放大图像的捕获和存储
CN112306829A (zh) 性能信息的确定方法及装置、存储介质、终端
CN111862040A (zh) 人像图片质量评价方法、装置、设备及存储介质
CN113822907B (zh) 图像处理方法及装置
CN113902740A (zh) 图像模糊程度评价模型的构建方法
CN113158773A (zh) 一种活体检测模型的训练方法及训练装置
CN115269359A (zh) 终端界面测试方法及装置
CN111400534B (zh) 图像数据的封面确定方法、装置及计算机存储介质
CN113934481A (zh) 一种通知信息的推送方法、智能终端及存储介质
CN114821658B (zh) 牛脸识别方法、运行控制装置、电子设备及存储介质
CN115526859A (zh) 生产缺陷识别的方法、分布式处理平台、设备及存储介质
CN113642353A (zh) 一种人脸检测模型的训练方法、存储介质及终端设备
CN116912603B (zh) 预标注筛选方法及相关装置、设备和介质

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
GR01 Patent grant
GR01 Patent grant