CN114005060A - 图像数据的确定方法及装置 - Google Patents

Abstract

本申请公开了一种图像数据的确定方法及装置。其中，该方法包括：对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；对目标图像单元进行特征提取，得到初始特征数据；对初始特征数据进行分类，并基于分类结果对初始特征数据进行标记，得到目标特征数据，其中，目标特征数据包括：对预定检测结果存在干扰的数据。本申请解决了由于相关技术中在对视频等图像数据进行识别时，由于训练数据存在干扰数据造成的训练数据本身存在缺陷，以及基于该训练数据训练得到的识别模型，识别结果不准确，与实际情况偏差较大的技术问题。

Description

图像数据的确定方法及装置

技术领域

本申请涉及图像处理领域，具体而言，涉及一种图像数据的确定方法及装置。

背景技术

在利用人工智能算法，对视频、图像进行识别时，往往存在一些干扰识别结果的数据，例如，在火灾场景中，可利用有监督的学习方式，人工标记训练样本，以及异常样本，然后得到检测结果，但是由于火灾是小概率事件，很难获得穷尽各种烟火形态的训练数据，因此，在得到的训练数据中难免存在干扰火情识别结果的数据，产生误报警。

因此，相关技术中，在对视频、图像等进行识别时，由于训练数据中存在干扰数据，导致识别结果不准确，与实际情况偏差较大。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种图像数据的确定方法及装置，以至少解决由于相关技术中在对视频等图像数据进行识别时，由于训练数据存在干扰数据造成的训练数据本身存在缺陷，以及基于该训练数据训练得到的识别模型，识别结果不准确，与实际情况偏差较大的技术问题。

根据本申请实施例的一个方面，提供了一种图像数据的确定方法，包括：对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；对目标图像单元进行特征提取，得到初始特征数据；对初始特征数据进行分类，并基于分类结果对初始特征数据进行标记，得到目标特征数据，其中，目标特征数据包括：对预定检测结果存在干扰的数据。

可选地，对初始特征数据进行分类，基于分类结果对初始特征数据进行标记，得到目标特征数据，包括：确定分类结果中属于目标类型的初始特征数据；确定初始特征数据在目标图像单元中的位置信息；基于位置信息对初始特征数据进行标记，得到目标特征数据。

可选地，基于位置信息对初始特征数据进行标记，得到目标特征数据，包括：获取各个目标类型对应的权重值，其中，权重值用于指示目标类型的特征数据对预定检测结果的干扰程度，权重值越大，干扰程度越大；确定权重值对应的标记方式；在位置信息上基于标记方式，对初始特征数据进行标记，得到目标特征数据。

可选地，对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元，包括：确定接收图像数据过程中，各个数据块的接收时间；获取预定时长周期；基于预定时长周期对各个数据块的接收时间进行划分，得到多组子图像数据；对多组子图像数据中的每一组子图像数据进行分割，得到多个预定尺寸的目标图像单元。

可选地，对初始特征数据进行分类，基于分类结果对初始特征数据进行标记，得到目标特征数据之后，方法还包括：获取目标特征数据的属性值；记录属性值，其中，属性值至少包括：目标特征数据在图像数据中的坐标点，以及图像大小。

可选地，预定检测结果通过如下方式确定：基于无监督机制学习算法，对待检测数据中除了目标特征数据之外的其他数据进行识别，得到预定检测结果。

根据本申请实施例的另一方面，还提供了一种图像数据的确定装置，包括：分割模块，用于对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；提取模块，用于对目标图像单元进行特征提取，得到初始特征数据；分类模块，用于对初始特征数据进行分类，并基于分类结果对初始特征数据进行标记，得到目标特征数据，其中，目标特征数据包括：对预定检测结果存在干扰的数据。

可选地，分类模块，包括：第一确定单元，用于确定分类结果中属于目标类型的初始特征数据；第二确定单元，用于确定初始特征数据在目标图像单元中的位置信息；比较单元，用于基于位置信息对初始特征数据进行标记，得到目标特征数据。

根据本申请实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行任意一种图像数据的确定方法。

根据本申请实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行任意一种图像数据的确定方法。

在本申请实施例中，采用对存在干扰的数据进行标记的方式，通过对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；对目标图像单元进行特征提取，得到初始特征数据；对初始特征数据进行分类，并基于分类结果对初始特征数据进行标记，得到目标特征数据，其中，目标特征数据包括：对预定检测结果存在干扰的数据，达到了将对检测结果存在干扰的数据进行标记，并可在后续识别数据时，忽略标记的数据的目的，从而实现了排除干扰数据，以确保后续识别结果更加准确，减少误差的技术效果，进而解决了由于相关技术中在对视频等图像数据进行识别时，由于训练数据存在干扰数据造成的训练数据本身存在缺陷，以及基于该训练数据训练得到的识别模型，识别结果不准确，与实际情况偏差较大的技术问题。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请实施例的一种可选的图像数据的确定方法的流程示意图；

图2是根据本申请实施例的一种可选的图像数据的确定装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

根据本申请实施例，提供了一种图像数据的确定方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本申请实施例的图像数据的确定方法，如图1所示，该方法包括如下步骤：

步骤S102，对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；

步骤S104，对目标图像单元进行特征提取，得到初始特征数据；

步骤S106，对初始特征数据进行分类，并基于分类结果对初始特征数据进行标记，得到目标特征数据，其中，目标特征数据包括：对预定检测结果存在干扰的数据。

该图像数据的确定方法中，对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；对目标图像单元进行特征提取，得到初始特征数据；对初始特征数据进行分类，并基于分类结果对初始特征数据进行标记，得到目标特征数据，其中，目标特征数据包括：对预定检测结果存在干扰的数据，达到了将对检测结果存在干扰的数据进行标记，并可在后续识别数据时，忽略标记的数据的目的，从而实现了排除干扰数据，以确保后续识别结果更加准确，减少误差的技术效果，进而解决了由于相关技术中在对视频等图像数据进行识别时，由于训练数据存在干扰数据造成的训练数据本身存在缺陷，以及基于该训练数据训练得到的识别模型是识别图像数据，识别结果不准确，与实际情况偏差较大的技术问题。

本申请一些实施例中，对初始特征数据进行分类，基于分类结果对初始特征数据进行标记，得到目标特征数据，可通过如下步骤实现：确定分类结果中属于目标类型的初始特征数据；确定初始特征数据在目标图像单元中的位置信息；基于位置信息对初始特征数据进行标记，得到目标特征数据。例如，对于火警这一场景，当有人在室内吸烟时，可能产生烟雾，该烟雾可能触发火警报警，因此，在对得到的火警数据进行分析时，可将香烟产生的烟雾图像数据确定为目标类型的初始特征数据，然后，确定在烟雾图像数据在在该目标图像单元中的位置信息，假设该烟雾图像数据位于该目标图像单元的左上位置，则对左上位置进行标记。需要说明的是，上述预定尺寸包括：预定大小的像素、二维的图像块、三维的视频块等。

本申请一些实施例中，基于位置信息对初始特征数据进行标记，得到目标特征数据，可以通过如下方式实现，具体地，获取各个目标类型对应的权重值，其中，权重值用于指示目标类型的特征数据对预定检测结果的干扰程度，权重值越大，干扰程度越大；确定权重值对应的标记方式；在位置信息上基于标记方式，对初始特征数据进行标记，得到目标特征数据。即对某一应用场景的初始特征数据进行分类后，会得到多种对预定检测结果存在干扰的数据，例如，对某一应用场景，对预定检测结果存在干扰数据的有A、B、C、D四类，A、B、C、D这四类干扰数据对预定检测结果的干扰程度不同，该四类数据在目标图像单元对应的位置分别为左上、左下、右上、右下，该四类干扰数据对应的权重值分别为0.4、0.3、0.2、0.1；获取上述四个权重值对应的标记方式甲、乙、丙、丁，分别基于甲、乙、丙、丁四种标记方式，对上述四类干扰数据分别在左上、左下、右上、右下进行标记。

本申请一些可选的实施例中，对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元，可通过如下步骤实现，具体地，确定接收图像数据过程中，各个数据块的接收时间；获取预定时长周期；基于预定时长周期对各个数据块的接收时间进行划分，得到多组子图像数据；对多组子图像数据中的每一组子图像数据进行分割，得到多个预定尺寸的目标图像单元。

本申请一些实施例中，对初始特征数据进行分类，基于分类结果对初始特征数据进行标记，得到目标特征数据之后，可获取目标特征数据的属性值；记录属性值，其中，属性值至少包括：目标特征数据在图像数据中的坐标点，以及图像大小。

在一示例性的实施例中，上述方法可通过如下步骤实现：

1、对检测的视频进行序列分割成固定尺度的小单元

2、对每个单元进行局部特征的提取，或全局特征提取

3、对提取出的特征进行绘点涂层(即标记)，再之后的视频监测中，对标注的涂层不在进行检测，以防止出现误报。

4、当对特征进行绘点涂层时，保存其属性值(坐标点、大小、储存位置)，当拍摄的设备发生位置改变时，涂层(标记的位置)会自动检索并更新其属性值。

通过上述图像数据的确定方法，可将干扰到检测结果的特征数据进行绘点涂层，避免了误报信息，提高了算法的准确率。

需要说明的是，预定检测结果通过如下方式确定：基于无监督机制学习算法，对待检测数据中除了目标特征数据之外的其他数据进行识别，得到预定检测结果。

图2是根据本申请实施例的一种图像数据的确定装置，如图2所示，该装置包括：

分割模块40，用于对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；

提取模块42，用于对目标图像单元进行特征提取，得到初始特征数据；

分类模块44，用于对初始特征数据进行分类，并基于分类结果对初始特征数据进行标记，得到目标特征数据，其中，目标特征数据包括：对预定检测结果存在干扰的数据。

该图像数据的确定装置中，分割模块40，用于对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；提取模块42，用于对目标图像单元进行特征提取，得到初始特征数据；分类模块44，用于对初始特征数据进行分类，并基于分类结果对初始特征数据进行标记，得到目标特征数据，其中，目标特征数据包括：对预定检测结果存在干扰的数据，达到了将对检测结果存在干扰的数据进行标记，并可在后续识别数据时，忽略标记的数据的目的，从而实现了排除干扰数据，以确保后续识别结果更加准确，减少误差的技术效果，进而解决了由于相关技术中在对视频等图像数据进行识别时，由于训练数据存在干扰数据造成的训练数据本身存在缺陷，以及基于该训练数据训练得到的识别模型是识别图像数据，识别结果不准确，与实际情况偏差较大的技术问题。

可选地，分类模块44，包括：第一确定单元440，用于确定分类结果中属于目标类型的初始特征数据；第二确定单元442，用于确定初始特征数据在目标图像单元中的位置信息；比较单元444，用于基于位置信息对初始特征数据进行标记，得到目标特征数据。例如，对于火警这一场景，当有人在室内吸烟时，可能产生烟雾，该烟雾可能触发火警报警，因此，在对得到的火警数据进行分析时，可将香烟产生的烟雾图像数据确定为目标类型的初始特征数据，然后，确定在烟雾图像数据在在该目标图像单元中的位置信息，假设该烟雾图像数据位于该目标图像单元的左上位置，则对左上位置进行标记。

本申请一些实施例中，基于位置信息对初始特征数据进行标记，得到目标特征数据，可以通过如下方式实现，具体地，获取各个目标类型对应的权重值，其中，权重值用于指示目标类型的特征数据对预定检测结果的干扰程度，权重值越大，干扰程度越大；确定权重值对应的标记方式；在位置信息上基于标记方式，对初始特征数据进行标记，得到目标特征数据。即对某一应用场景的初始特征数据进行分类后，会得到多种对预定检测结果存在干扰的数据，例如，对某一应用场景，对预定检测结果存在干扰数据的有A、B、C、D四类，A、B、C、D这四类干扰数据对预定检测结果的干扰程度不同，该四类数据在目标图像单元对应的位置分别为左上、左下、右上、右下，该四类干扰数据对应的权重值分别为0.4、0.3、0.2、0.1；获取上述四个权重值对应的标记方式甲、乙、丙、丁，分别基于甲、乙、丙、丁四种标记方式，对上述四类干扰数据分别在左上、左下、右上、右下进行标记。

根据本申请实施例的另一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行任意一种图像数据的确定方法。

具体地，上述存储介质用于存储执行以下功能的程序指令，实现以下功能:

对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；对目标图像单元进行特征提取，得到初始特征数据；对初始特征数据进行分类，并基于分类结果对初始特征数据进行标记，得到目标特征数据，其中，目标特征数据包括：对预定检测结果存在干扰的数据。

根据本申请实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行任意一种图像数据的确定方法。

具体地，上述处理器用于调用存储器中的程序指令，实现以下功能：

对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；对目标图像单元进行特征提取，得到初始特征数据；对初始特征数据进行分类，并基于分类结果对初始特征数据进行标记，得到目标特征数据，其中，目标特征数据包括：对预定检测结果存在干扰的数据。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种图像数据的确定方法，其特征在于，包括：

对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；

对所述目标图像单元进行特征提取，得到初始特征数据；

对所述初始特征数据进行分类，并基于分类结果对所述初始特征数据进行标记，得到目标特征数据，其中，所述目标特征数据包括：对预定检测结果存在干扰的数据。

2.根据权利要求1所述的方法，其特征在于，对所述初始特征数据进行分类，基于分类结果对所述初始特征数据进行标记，得到目标特征数据，包括：

确定所述分类结果中属于目标类型的初始特征数据；

确定所述初始特征数据在所述目标图像单元中的位置信息；

基于所述位置信息对所述初始特征数据进行标记，得到目标特征数据。

3.根据权利要求2所述的方法，其特征在于，基于所述位置信息对所述初始特征数据进行标记，得到目标特征数据，包括：

获取各个所述目标类型对应的权重值，其中，所述权重值用于指示所述目标类型的特征数据对所述预定检测结果的干扰程度，所述权重值越大，所述干扰程度越大；

确定所述权重值对应的标记方式；

在所述位置信息上基于所述标记方式，对所述初始特征数据进行标记，得到目标特征数据。

4.根据权利要求1所述的方法，其特征在于，对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元，包括：

确定接收所述图像数据过程中，各个数据块的接收时间；

获取预定时长周期；

基于所述预定时长周期对所述各个数据块的接收时间进行划分，得到多组子图像数据；

对所述多组子图像数据中的每一组子图像数据进行分割，得到所述多个预定尺寸的目标图像单元。

5.根据权利要求1所述的方法，其特征在于，对所述初始特征数据进行分类，基于分类结果对所述初始特征数据进行标记，得到目标特征数据之后，所述方法还包括：

获取目标特征数据的属性值；

记录所述属性值，其中，所述属性值至少包括：所述目标特征数据在所述图像数据中的坐标点，以及图像大小。

6.根据权利要求1所述的方法，其特征在于，所述预定检测结果通过如下方式确定：

基于无监督机制学习算法，对所述待检测数据中除了所述目标特征数据之外的其他数据进行识别，得到所述预定检测结果。

7.一种图像数据的确定装置，其特征在于，包括：

分割模块，用于对待检测的图像数据进行分割，得到多个预定尺寸的目标图像单元；

提取模块，用于对所述目标图像单元进行特征提取，得到初始特征数据；

分类模块，用于对所述初始特征数据进行分类，并基于分类结果对所述初始特征数据进行标记，得到目标特征数据，其中，所述目标特征数据包括：对预定检测结果存在干扰的数据。

8.根据权利要求7所述的装置，其特征在于，所述分类模块，包括：

第一确定单元，用于确定所述分类结果中属于目标类型的初始特征数据；

第二确定单元，用于确定所述初始特征数据在所述目标图像单元中的位置信息；

比较单元，用于基于所述位置信息对所述初始特征数据进行标记，得到目标特征数据。

9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至6中任意一项所述图像数据的确定方法。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述图像数据的确定方法。

Images