CN113129303A - 一种巡检图片自动标注方法、装置、存储介质及电子设备 - Google Patents
一种巡检图片自动标注方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113129303A CN113129303A CN202110538730.7A CN202110538730A CN113129303A CN 113129303 A CN113129303 A CN 113129303A CN 202110538730 A CN202110538730 A CN 202110538730A CN 113129303 A CN113129303 A CN 113129303A
- Authority
- CN
- China
- Prior art keywords
- picture
- inspection
- marked
- pictures
- inspection 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.)
- Granted
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 247
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000002372 labelling Methods 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 8
- 239000002609 medium Substances 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种巡检图片自动标注方法、装置、存储介质及电子设备。该方法包括:获取待标注巡检图片;根据所述待标注巡检图片,确定巡检目标的特征点;将所述特征点与已标注图片的特征点进行匹配,获得特征点像素差值;其中,所述已标注图片是根据巡检目标的至少两张巡检图片确定的;若所述特征点像素差值满足预设阈值约束条件,则根据所述已标注图片的名称标注所述待标注巡检图片。本技术方案,可以实现巡检图片名称的自动标注,节省了工作时间和人工成本,且提高了名称标注的效率。
Description
技术领域
本申请实施例涉及巡检技术领域,尤其涉及一种巡检图片自动标注方法、装置、存储介质及电子设备。
背景技术
工程监测项目都要巡检,以基坑工程监测项目为例,一个项目需要上传冠梁、支撑、围檩有无裂缝出现;支撑、立柱有无较大变形;周边道路有无裂缝、沉陷;有无影响观测工作的障碍物;监测元件的完好及保护情况等巡检图片。
每次巡检过程中需要拍摄大量的图片。目前都是采用人工的方式对巡检图片进行名称标注。
采用人工的方式进行名称标注,工作时间长,出错率高,人工成本大。
发明内容
本申请实施例提供一种巡检图片自动标注方法、装置、存储介质及电子设备,可以实现巡检图片名称的自动标注,节省了工作时间和人工成本,且提高了标注的效率。
第一方面,本申请实施例提供了一种巡检图片自动标注方法,该方法包括:
获取待标注巡检图片;
根据所述待标注巡检图片,确定巡检目标的特征点;
将所述特征点与已标注图片的特征点进行匹配,获得特征点像素差值;其中,所述已标注图片是根据巡检目标的至少两张巡检图片确定的;
若所述特征点像素差值满足预设阈值约束条件,则根据所述已标注图片的名称标注所述待标注巡检图片。
第二方面,本申请实施例提供了一种巡检图片自动标注装置,该装置包括:
待标注巡检图片获取模块,用于获取待标注巡检图片;
特征点确定模块,用于根据所述待标注巡检图片,确定巡检目标的特征点;
特征点像素差值获得模块,用于将所述特征点与已标注图片的特征点进行匹配,获得特征点像素差值;其中,所述已标注图片是根据巡检目标的至少两张巡检图片确定的;
待标注巡检图片名称标注模块,用于若所述特征点像素差值满足预设阈值约束条件,则根据所述已标注图片的名称标注所述待标注巡检图片。
第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例所述的巡检图片自动标注方法。
第四方面,本申请实施例提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例所述的巡检图片自动标注方法。
本申请实施例所提供的技术方案,获取待标注巡检图片,根据待标注巡检图片,确定巡检目标的特征点,将特征点与已标注图片的特征点进行匹配,获得特征点像素差值;若特征点像素差值满足预设阈值约束条件,则根据已标注图片的名称标注所述待标注巡检图片。本技术方案,可以实现巡检图片名称的自动标注,节省了工作时间和人工成本,且提高了名称标注的效率。
附图说明
图1是本申请实施例一提供的巡检图片自动标注方法的流程图;
图2是本申请实施例二提供的巡检图片自动标注装置的结构示意图;
图3是本申请实施例三提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
实施例一
图1是本申请实施例一提供的巡检图片自动标注方法的流程图,本实施例可适用于对巡检图片的名称进行自动标注的情况,该方法可以由本申请实施例所提供的巡检图片自动标注装置执行,该装置可以由软件和/或硬件的方式来实现,并可集成于用于图片名称标注的智能终端等设备中。
如图1所示,所述巡检图片自动标注方法包括:
S110、获取待标注巡检图片;
在本实施例中,巡检图片可以是指工程监测项目中拍摄的巡检图片。例如,巡检图片可以是指支护结构成型质量;冠梁、支撑、围檩有无裂缝出现;支撑、立柱有无较大变形;止水帷幕有无开裂、渗漏;墙后土体有无沉陷、裂缝及滑移;基坑有无涌土、流沙、管涌。施工场地地表水、地下水排放状况是否正常、基坑降水、回灌设施是否运转正常;基坑周围地面堆载情况,有无超堆荷载。基坑周边建筑物有无裂缝出现;周边道路有无裂缝、沉陷;邻近基坑及建筑物的施工情况。监测基准点、测点完好状况;有无影响观测工作的障碍物;监测元件的完好及保护情况等巡检图片。
在本实施例中,可以通过手机或者摄像机等拍摄设备获取待标注巡检图片。获得待标注巡检图片后,通过YCbCr颜色空间对待标注巡检图片进行去除亮度等噪音,得到处理后的待标注巡检图片。即将待标注巡检图片由RGB颜色空间转换至YCbCr颜色空间。具体的,采用如下公式进行转换:
Y=0.257×R+0.564×G+0.098×B+16;
Cb=-0.148×R-0.291×G+0.439×B+128;
Cr=0.439×R-0.368×G-0.071×B+128;
其中,Y代表亮度,Cb和Cr分别代表蓝色分量和红色分量。YCbCr颜色空间具有将色度与亮度分离的特点。
S120、根据所述待标注巡检图片,确定巡检目标的特征点;
在本实施例中,巡检目标可以是指待标注巡检图片中测点、基坑、房屋或者冠梁等。待标注巡检图片中包含了巡检目标和背景区域。
在本方案中,待标注巡检图片中巡检目标的特征点可以是一个或者多个。不同巡检目标的特征点个数可以根据巡检目标进行设定。由各个特征点可以构成巡检目标的轮廓。
在本技术方案中,可选的,根据所述待标注巡检图片,确定巡检目标的特征点,包括:
根据所述待标注巡检图片,确定所述待标注巡检图片的二值图像;
利用所述二值图像,确定巡检目标的特征点。
在本方案中,可以采用人工阈值法将待标注巡检图片中的巡检目标与背景区域分开,形成二值图像。并基于二值图像对待标注巡检图片进行特征点标注,确定巡检目标的特征点。其中,巡检目标的特征点可以是多个。不同巡检目标的特征点不同。
对待标注巡检图片中巡检目标的特征点确定,可以基于特征点实现对待标注巡检图片名称的自动标注,节省了工作时间和人工成本,且提高了标注的效率。
S130、将所述特征点与已标注图片的特征点进行匹配,获得特征点像素差值;其中,所述已标注图片是根据巡检目标的至少两张巡检图片确定的;
在本方案中,可以从云平台数据库中获取至少两张巡检图片,至少两张巡检图片的名称是预先确定的。
在本实施例中,根据待标注图片巡检目标的特征点,确定与待标注图片巡检目标的特征点位置相对应的已标注图片巡检目标中的特征点,将待标注图片巡检目标的特征点的像素值与已标注图片的特征点的像素值进行相减,获得特征点像素差值。
在本技术方案中,可选的,所述已标注图片的确定过程包括:
获取至少两张巡检图片;其中,所述至少两张巡检图片的名称是预先确定的;
根据所述至少两张巡检图片,确定初始图片中巡检目标的特征点和样本图片中巡检目标的特征点;其中,所述初始图片是所述至少两张巡检图片中的一张;
利用所述初始图片中巡检目标的特征点和样本图片中巡检目标的特征点,获得图片特征值,并根据所述图片特征值确定已标注图片。
其中,至少两张巡检图片可以是指同一巡检目标不同角度、不同距离的图片。基于云平台数据库获取至少两张巡检图片。将至少两张巡检图片中的一张作为初始图片,其余图片作为样本图片。
在本方案中,获取初始图片中巡检目标的特征点的像素值和样本图片中巡检目标的特征点的像素值,按照预设规则对初始图片中巡检目标的特征点的像素值和样本图片中巡检目标的特征点的像素值进行处理,得到图片特征值,获得各图片特征值后,可以基于各图片特征值确定已标注图片。其中图片特征值满足预设阈值的要求。预设阈值可以根据具体巡检图片的进行设定。
通过对已标注图片进行确定,可以基于已标注图片实现对待标注巡检图片名称的自动标注,节省了工作时间和人工成本,且提高了标注的效率。
在本技术方案中,可选的,利用所述初始图片中巡检目标的特征点和样本图片中巡检目标的特征点,获得图片特征值,包括:
根据所述初始图片中巡检目标的特征点和样本图片中巡检目标的特征点,确定特征点均值;
将所述初始图片中巡检目标的特征点的像素值与所述特征点均值进行相减,获得图片特征值。
其中,根据初始图片中巡检目标的特征点和样本图片中巡检目标的特征点,可以确定初始图片中巡检目标的特征点的坐标,以及样本图片中巡检目标的特征点的坐标。假设有n张巡检图片,每张巡检图片有m个特征点,i为其中一个特征点。则每个特征点在n张巡检图片中的特征点均值为 将初始图片中的特征点减去其对应的特征点均值,则可以确定图片特征值。即图片特征值为
通过对图像特征值进行确定,可以获得已标注图片。已标注图片是基于不同角度、不同距离的巡检图片进行确定的,能够提高标注的准确率。
在本技术方案中,可选的,根据所述至少两张巡检图片,确定初始图片中巡检目标的特征点和样本图片中巡检目标的特征点,包括:
根据所述至少两张巡检图片,确定初始图片和样本图片;
根据所述初始图片,获得所述初始图片中巡检目标的特征点;以及,对所述样本图片进行偏移、旋转或缩放处理,获得所述样本图片中巡检目标的特征点。
在本方案中,至少两张巡检图片可以是指同一巡检目标不同角度、不同距离的图片。假设初始图片的特征点坐标为则样本图片中相同特征点的发生偏移之后的坐标为tx,ty为特征点在x和y方向上的偏移量;旋转之后的坐标为θ为特征点旋转角度;缩放之后的坐标为为缩放倍数。通过对样本图片进行偏移、旋转或缩放处理,可以根据初始图片的特征点坐标,确定样本图片中巡检目标的特征点。
对样本图片中巡检目标的特征点进行确定,可以实现已标注图片的确定。能够实现对待标注巡检图片名称的自动标注,节省了工作时间和人工成本,且提高了标注的效率。
在本技术方案中,可选的,在获取至少两张巡检图片之后,所述方法还包括:
通过YCbCr颜色空间对所述至少两张巡检图片进行去噪处理,获得处理后的至少两张巡检图片。
可以理解的,获取至少两张巡检图片后,通过YCbCr颜色空间对至少两张巡检图片进行去除亮度等噪音,得到处理后的至少两张巡检图片。即将至少两张巡检图片由RGB颜色空间转换至YCbCr颜色空间。
通过对巡检图片进行去噪处理,可以提高获取巡检图片特征点的准确率。
S140、若所述特征点像素差值满足预设阈值约束条件,则根据所述已标注图片的名称标注所述待标注巡检图片。
其中,预设阈值约束条件可以是指YCbCr差值阀值,若特征点像素差值满足预设阈值约束条件,则待标注巡检图片的名称与已标注图片的名称一致,对待标注巡检图片进行标注,并归档。
在本技术方案中,可选的,在将所述特征点与已标注图片的特征点进行匹配,获得特征点像素差值之后,所述方法还包括:
若所述特征点像素差值不满足预设阈值约束条件,则将所述待标注巡检图片进行偏移、旋转或缩放处理,直至特征点像素差值满足预设阈值约束条件,根据已标注图片的名称标注所述待标注巡检图片。
可以理解的,特征点像素差值不满足预设阈值约束条件时,待标注巡检图片可能是相对于已标注图片不同角度、不同距离的图片,此时将待标注巡检图片进行偏移、旋转或缩放处理,直至特征点像素差值满足预设阈值约束条件。
通过对待标注巡检图片和已标注图片的特征点像素值进行比较,可以实现巡检图片名称的自动标注,节省了工作时间和人工成本,且提高了标注的效率。
本申请实施例所提供的技术方案,获取待标注巡检图片,根据待标注巡检图片,确定巡检目标的特征点,将特征点与已标注图片的特征点进行匹配,获得特征点像素差值;若特征点像素差值满足预设阈值约束条件,则根据已标注图片的名称标注所述待标注巡检图片。通过执行本技术方案,可以实现巡检图片名称的自动标注,节省了工作时间和人工成本,且提高了名称标注的效率。
实施例二
图2是本申请实施例二提供的巡检图片自动标注装置的结构示意图,如图2所示,巡检图片自动标注装置包括:
待标注巡检图片获取模块210,用于获取待标注巡检图片;
特征点确定模块220,用于根据所述待标注巡检图片,确定巡检目标的特征点;
特征点像素差值获得模块230,用于将所述特征点与已标注图片的特征点进行匹配,获得特征点像素差值;其中,所述已标注图片是根据巡检目标的至少两张巡检图片确定的;
待标注巡检图片名称标注模块240,用于若所述特征点像素差值满足预设阈值约束条件,则根据所述已标注图片的名称标注所述待标注巡检图片。
在本技术方案中,可选的,特征点像素差值获得模块230,包括:
巡检图片获取单元,用于获取至少两张巡检图片;其中,所述至少两张巡检图片的名称是预先确定的;
特征点确定单元,用于根据所述至少两张巡检图片,确定初始图片中巡检目标的特征点和样本图片中巡检目标的特征点;其中,所述初始图片是所述至少两张巡检图片中的一张;
已标注图片确定单元,用于利用所述初始图片中巡检目标的特征点和样本图片中巡检目标的特征点,获得图片特征值,并根据所述图片特征值确定已标注图片。
在本技术方案中,可选的,已标注图片确定单元,包括:
特征点均值确定子单元,用于根据所述初始图片中巡检目标的特征点和样本图片中巡检目标的特征点,确定特征点均值;
图片特征值获取子单元,用于将所述初始图片中巡检目标的特征点的像素值与所述特征点均值进行相减,获得图片特征值。
在本技术方案中,可选的,特征点确定单元,包括:
初始图片和样本图片确定子单元,用于根据所述至少两张巡检图片,确定初始图片和样本图片;
特征点获得子单元,用于根据所述初始图片,获得所述初始图片中巡检目标的特征点;以及,对所述样本图片进行偏移、旋转或缩放处理,获得所述样本图片中巡检目标的特征点。
在本技术方案中,可选的,特征点像素差值获得模块230,还包括:
去噪处理单元,用于通过YCbCr颜色空间对所述至少两张巡检图片进行去噪处理,获得处理后的至少两张巡检图片。
在本技术方案中,可选的,特征点确定模块220,包括:
二值图像确定单元,用于根据所述待标注巡检图片,确定所述待标注巡检图片的二值图像;
巡检目标的特征点确定单元,用于利用所述二值图像,确定巡检目标的特征点。
在本技术方案中,可选的,所述装置还包括:
待标注巡检图片处理模块,用于若所述特征点像素差值不满足预设阈值约束条件,则将所述待标注巡检图片进行偏移、旋转或缩放处理,直至特征点像素差值满足预设阈值约束条件,根据已标注图片的名称标注所述待标注巡检图片。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
实施例三
本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种巡检图片自动标注方法,该方法包括:
获取待标注巡检图片;
根据所述待标注巡检图片,确定巡检目标的特征点;
将所述特征点与已标注图片的特征点进行匹配,获得特征点像素差值;其中,所述已标注图片是根据巡检目标的至少两张巡检图片确定的;
若所述特征点像素差值满足预设阈值约束条件,则根据所述已标注图片的名称标注所述待标注巡检图片。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的巡检图片自动标注操作,还可以执行本申请任意实施例所提供的巡检图片自动标注方法中的相关操作。
实施例四
本申请实施例提供了一种电子设备,该电子设备中可集成本申请实施例提供的巡检图片自动标注装置。图3是本申请实施例四提供的一种电子设备的结构示意图。如图3所示,本实施例提供了一种电子设备300,其包括:一个或多个处理器320;存储装置310,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器320执行,使得所述一个或多个处理器320实现本申请实施例所提供的巡检图片自动标注方法,该方法包括:
获取待标注巡检图片;
根据所述待标注巡检图片,确定巡检目标的特征点;
将所述特征点与已标注图片的特征点进行匹配,获得特征点像素差值;其中,所述已标注图片是根据巡检目标的至少两张巡检图片确定的;
若所述特征点像素差值满足预设阈值约束条件,则根据所述已标注图片的名称标注所述待标注巡检图片。
当然,本领域技术人员可以理解,处理器320还实现本申请任意实施例所提供的巡检图片自动标注方法的技术方案。
图3显示的电子设备300仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图3所示,该电子设备300包括处理器320、存储装置310、输入装置330和输出装置340;电子设备中处理器320的数量可以是一个或多个,图3中以一个处理器320为例;电子设备中的处理器320、存储装置310、输入装置330和输出装置340可以通过总线或其他方式连接,图3中以通过总线350连接为例。
存储装置310作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块单元,如本申请实施例中的巡检图片自动标注方法对应的程序指令。
存储装置310可主要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、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置310可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置310可进一步包括相对于处理器320远程设置的存储器,这些远程存储器可以通过网络连接。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。
输入装置330可用于接收输入的数字、字符信息或语音信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏、扬声器等电子设备。
本申请实施例提供的电子设备,可以实现巡检图片名称的自动标注,节省了工作时间和人工成本,且提高了名称标注的效率目的。
上述实施例中提供的巡检图片自动标注装置、存储介质及电子设备可执行本申请任意实施例所提供的巡检图片自动标注方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的巡检图片自动标注方法。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (10)
1.一种巡检图片自动标注方法,其特征在于,包括:
获取待标注巡检图片;
根据所述待标注巡检图片,确定巡检目标的特征点;
将所述特征点与已标注图片的特征点进行匹配,获得特征点像素差值;其中,所述已标注图片是根据巡检目标的至少两张巡检图片确定的;
若所述特征点像素差值满足预设阈值约束条件,则根据所述已标注图片的名称标注所述待标注巡检图片。
2.根据权利要求1所述的方法,其特征在于,所述已标注图片的确定过程包括:
获取至少两张巡检图片;其中,所述至少两张巡检图片的名称是预先确定的;
根据所述至少两张巡检图片,确定初始图片中巡检目标的特征点和样本图片中巡检目标的特征点;其中,所述初始图片是所述至少两张巡检图片中的一张;
利用所述初始图片中巡检目标的特征点和样本图片中巡检目标的特征点,获得图片特征值,并根据所述图片特征值确定已标注图片。
3.根据权利要求2所述的方法,其特征在于,利用所述初始图片中巡检目标的特征点和样本图片中巡检目标的特征点,获得图片特征值,包括:
根据所述初始图片中巡检目标的特征点和样本图片中巡检目标的特征点,确定特征点均值;
将所述初始图片中巡检目标的特征点的像素值与所述特征点均值进行相减,获得图片特征值。
4.根据权利要求2所述的方法,其特征在于,根据所述至少两张巡检图片,确定初始图片中巡检目标的特征点和样本图片中巡检目标的特征点,包括:
根据所述至少两张巡检图片,确定初始图片和样本图片;
根据所述初始图片,获得所述初始图片中巡检目标的特征点;以及,对所述样本图片进行偏移、旋转或缩放处理,获得所述样本图片中巡检目标的特征点。
5.根据权利要求2所述的方法,其特征在于,在获取至少两张巡检图片之后,所述方法还包括:
通过YCbCr颜色空间对所述至少两张巡检图片进行去噪处理,获得处理后的至少两张巡检图片。
6.根据权利要求1所述的方法,其特征在于,根据所述待标注巡检图片,确定巡检目标的特征点,包括:
根据所述待标注巡检图片,确定所述待标注巡检图片的二值图像;
利用所述二值图像,确定巡检目标的特征点。
7.根据权利要求1所述的方法,其特征在于,在将所述特征点与已标注图片的特征点进行匹配,获得特征点像素差值之后,所述方法还包括:
若所述特征点像素差值不满足预设阈值约束条件,则将所述待标注巡检图片进行偏移、旋转或缩放处理,直至特征点像素差值满足预设阈值约束条件,根据已标注图片的名称标注所述待标注巡检图片。
8.一种巡检图片自动标注装置,其特征在于,包括:
待标注巡检图片获取模块,用于获取待标注巡检图片;
特征点确定模块,用于根据所述待标注巡检图片,确定巡检目标的特征点;
特征点像素差值获得模块,用于将所述特征点与已标注图片的特征点进行匹配,获得特征点像素差值;其中,所述已标注图片是根据巡检目标的至少两张巡检图片确定的;
待标注巡检图片名称标注模块,用于若所述特征点像素差值满足预设阈值约束条件,则根据所述已标注图片的名称标注所述待标注巡检图片。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的巡检图片自动标注方法。
10.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的巡检图片自动标注方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110538730.7A CN113129303B (zh) | 2021-05-18 | 2021-05-18 | 一种巡检图片自动标注方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110538730.7A CN113129303B (zh) | 2021-05-18 | 2021-05-18 | 一种巡检图片自动标注方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113129303A true CN113129303A (zh) | 2021-07-16 |
CN113129303B CN113129303B (zh) | 2022-01-18 |
Family
ID=76782157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110538730.7A Active CN113129303B (zh) | 2021-05-18 | 2021-05-18 | 一种巡检图片自动标注方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129303B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868772A (zh) * | 2016-03-23 | 2016-08-17 | 百度在线网络技术(北京)有限公司 | 图像识别方法及装置 |
CN108257114A (zh) * | 2017-12-29 | 2018-07-06 | 天津市万贸科技有限公司 | 一种基于深度学习的输电设备缺陷自动识别方法 |
CN109522898A (zh) * | 2018-09-18 | 2019-03-26 | 平安科技(深圳)有限公司 | 手写样本图片标注方法、装置、计算机设备及存储介质 |
CN109949296A (zh) * | 2019-03-21 | 2019-06-28 | 北京中飞艾维航空科技有限公司 | 一种输电线路缺陷识别方法、装置及存储介质 |
CN109960736A (zh) * | 2019-02-19 | 2019-07-02 | 广州中科云图智能科技有限公司 | 基于无人机的缺陷分析方法、系统、存储介质以及设备 |
CN110175255A (zh) * | 2019-05-29 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 图像标注的方法、基于病理图像的标注展示方法及装置 |
CN110414588A (zh) * | 2019-07-23 | 2019-11-05 | 广东小天才科技有限公司 | 图片标注方法、装置、计算机设备和存储介质 |
CN111507147A (zh) * | 2019-10-28 | 2020-08-07 | 深圳市海洋王照明工程有限公司 | 智能巡检方法、装置、计算机设备和存储介质 |
CN111832557A (zh) * | 2020-06-04 | 2020-10-27 | 北京百度网讯科技有限公司 | 电网巡检方法、装置、电子设备及存储介质 |
CN112102443A (zh) * | 2020-09-15 | 2020-12-18 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种适用于变电站设备巡检图像的标注系统及标注方法 |
CN112330787A (zh) * | 2020-11-24 | 2021-02-05 | 沈阳东软智能医疗科技研究院有限公司 | 图像标注方法、装置、存储介质和电子设备 |
CN112418287A (zh) * | 2020-11-16 | 2021-02-26 | 深圳市优必选科技股份有限公司 | 图像预标注方法、装置、电子设备及介质 |
-
2021
- 2021-05-18 CN CN202110538730.7A patent/CN113129303B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105868772A (zh) * | 2016-03-23 | 2016-08-17 | 百度在线网络技术(北京)有限公司 | 图像识别方法及装置 |
US20190019053A1 (en) * | 2016-03-23 | 2019-01-17 | Baidu Online Network Technology (Beijing) Co., Ltd. | Image recognition method, apparatus and device, and non-volatile computer storage medium |
CN108257114A (zh) * | 2017-12-29 | 2018-07-06 | 天津市万贸科技有限公司 | 一种基于深度学习的输电设备缺陷自动识别方法 |
CN109522898A (zh) * | 2018-09-18 | 2019-03-26 | 平安科技(深圳)有限公司 | 手写样本图片标注方法、装置、计算机设备及存储介质 |
CN109960736A (zh) * | 2019-02-19 | 2019-07-02 | 广州中科云图智能科技有限公司 | 基于无人机的缺陷分析方法、系统、存储介质以及设备 |
CN109949296A (zh) * | 2019-03-21 | 2019-06-28 | 北京中飞艾维航空科技有限公司 | 一种输电线路缺陷识别方法、装置及存储介质 |
CN110175255A (zh) * | 2019-05-29 | 2019-08-27 | 腾讯科技(深圳)有限公司 | 图像标注的方法、基于病理图像的标注展示方法及装置 |
CN110414588A (zh) * | 2019-07-23 | 2019-11-05 | 广东小天才科技有限公司 | 图片标注方法、装置、计算机设备和存储介质 |
CN111507147A (zh) * | 2019-10-28 | 2020-08-07 | 深圳市海洋王照明工程有限公司 | 智能巡检方法、装置、计算机设备和存储介质 |
CN111832557A (zh) * | 2020-06-04 | 2020-10-27 | 北京百度网讯科技有限公司 | 电网巡检方法、装置、电子设备及存储介质 |
CN112102443A (zh) * | 2020-09-15 | 2020-12-18 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种适用于变电站设备巡检图像的标注系统及标注方法 |
CN112418287A (zh) * | 2020-11-16 | 2021-02-26 | 深圳市优必选科技股份有限公司 | 图像预标注方法、装置、电子设备及介质 |
CN112330787A (zh) * | 2020-11-24 | 2021-02-05 | 沈阳东软智能医疗科技研究院有限公司 | 图像标注方法、装置、存储介质和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113129303B (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112793564B (zh) | 一种基于全景鸟瞰图和深度学习的自主泊车辅助系统 | |
CN109978755B (zh) | 全景图像合成方法、装置、设备与存储介质 | |
JP4647514B2 (ja) | 航空画像処理装置および航空画像処理方法 | |
US20140233804A1 (en) | Method and apparatus for finding stick-up height of a pipe or finding a joint between two pipes in a drilling environment | |
CN109916415B (zh) | 道路类型确定方法、装置、设备及存储介质 | |
CN110703760B (zh) | 一种用于安防巡检机器人的新增可疑物体检测方法 | |
WO2023138163A1 (zh) | 一种基于深度图像修复的室内移动机器人玻璃检测与地图更新方法 | |
CN111692978A (zh) | 一种基于多源影像数据的违章建筑识别方法 | |
CN110718068B (zh) | 一种道路监控摄像机安装角度估计方法 | |
CN114820485A (zh) | 一种基于机载图像测量波浪爬高的方法 | |
CN111080640A (zh) | 一种孔洞检测方法、装置、设备和介质 | |
CN113505643B (zh) | 违章目标物检测方法及相关装置 | |
CN113129303B (zh) | 一种巡检图片自动标注方法、装置、存储介质及电子设备 | |
CN113971697A (zh) | 一种空地协同车辆定位定向方法 | |
CN116168345B (zh) | 火灾检测方法及相关设备 | |
WO2024119729A1 (zh) | 一种基于场景结构信息的非流体溢出检测方法和系统 | |
CN111062863A (zh) | 3d模型与经纬度坐标绑定方法、装置、设备及存储介质 | |
CN113112551B (zh) | 相机参数的确定方法、装置、路侧设备和云控平台 | |
CN115272482A (zh) | 一种相机外参标定方法及存储介质 | |
CN113850133A (zh) | 一种面向船闸视频监控的船只越线检测方法及系统 | |
CN116266402A (zh) | 对象自动标注方法、装置、电子设备及存储介质 | |
KR101224176B1 (ko) | 아웃도어 증강현실의 정확도 향상 시스템 및 그 방법 | |
Chang et al. | Remote Crack Measurement Using Android Camera with Laser-Positioning Technique | |
CN112822450B (zh) | 一种大规模视觉计算系统中有效节点动态遴选方法 | |
CN118230172A (zh) | 钢结构金属屋面锈蚀缺陷全景视觉检测方法、系统及装置 |
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 |