CN115661131B - 一种图像识别方法、装置、电子设备及存储介质 - Google Patents
一种图像识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115661131B CN115661131B CN202211461563.1A CN202211461563A CN115661131B CN 115661131 B CN115661131 B CN 115661131B CN 202211461563 A CN202211461563 A CN 202211461563A CN 115661131 B CN115661131 B CN 115661131B
- Authority
- CN
- China
- Prior art keywords
- detection frame
- image detection
- image
- information
- variable value
- 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
Links
Images
Abstract
本申请提供一种图像识别方法、装置、电子设备及存储介质。本申请提供的图像识别方法包括:获得图像以及图像信息;其中,图像信息包括图像检测框信息和图像像素精度信息;根据图像检测框信息和图像像素精度信息,生成图像检测框变量值;根据图像检测框变量值以及对应的预设变量阈值,对图像检测框信息对应的图像检测框进行筛选,以从图像中筛选出目标图像检测框。根据所述图像检测框信息和所述图像像素精度信息,生成图像检测框变量值;根据图像检测框变量值以及对应的预设变量阈值,对图像检测框进行筛选,以从图像中筛选出可信度和准确度较高的目标图像检测框。利用本申请提供的图像识别方法可从图像中选取目标区域的精准度。
Description
技术领域
本申请涉及图像处理领域,具体而言,涉及一种图像识别方法、装置、电子设备及存储介质。
背景技术
目标检测是计算机视觉中最重要的任务之一,且被广泛应用于各个行业中。传统的目标检测算法一般是将图像输入深度神经网络模型中,进行提取图像特征,根据不同区域的特征判断该区域内是否包含目标,如果包含则对目标生成候选框。但目前的目标检测算法对于候选框的检出区域和检出精度要求较低,从而造成识别精度较低。
发明内容
本发明实施例的目的在于一种图像识别方法、装置、电子设备及存储介质,根据所述图像检测框信息和所述图像像素精度信息,生成图像检测框变量值;根据图像检测框变量值以及对应的预设变量阈值,对图像检测框进行筛选,以从图像中筛选出可信度和准确度较高的目标图像检测框,提高检测精准度。
第一方面,本申请实施例提供了一种图像识别方法,包括:获得图像以及图像信息;其中,图像信息包括图像检测框信息和图像像素精度信息;根据图像检测框信息和图像像素精度信息,生成图像检测框变量值;根据图像检测框变量值以及对应的预设变量阈值,对图像检测框信息对应的图像检测框进行筛选,以从图像中筛选出目标图像检测框。
在上述的实现过程中,获得图像信息,根据图像信息中的图像检测框信息和图像像素精度信息,生成图像检测框变量值;根据图像检测框变量值以及预设的变量阈值对图像检测框进行筛选,以获得尺寸信息准确度更高的检测框,使得图像检测结果更精确。
可选地,在本申请实施例中,根据图像检测框信息和图像像素精度信息,生成图像检测框变量值,包括:根据图像检测框信息以及图像像素精度信息,通过变量值公式,生成图像检测框变量值;其中,变量值公式包括面积变量值公式、半径变量值公式以及占比变量值公式中的至少一个;其中,图像检测框变量值包括图像检测框面积变量值、图像检测框外接圆半径变量值以及图像检测框占比变量值中的至少一个。
在上述的实现过程中,通过变量值公式,生成图像检测框变量值,变量值公式包括面积变量值公式、半径变量值公式以及占比变量值公式中的至少一个,通过多种方式生成图像检测框变量值,提高目标检测框的检测精度。
可选地,在本申请实施例中,图像检测框信息包括图像检测框宽度和图像检测框高度;图像信息还包括图像宽度和图像高度;面积变量值公式为M1=(w*s)*(h*s);其中,M1为图像检测框面积变量值,w为图像检测框宽度,h为图像检测框高度,s为图像像素精度信息;半径变量值公式为M2=(h/2)*s;其中,M2为图像检测框外接圆半径变量值,h为图像检测框高度,s为图像像素精度信息;占比变量值公式为M3=(w*h)/(W*H);其中,M3为图像检测框占比变量值,w为图像检测框宽度,h为图像检测框高度,W为图像宽度,H为图像高度。
在上述的实现过程中,通过面试变量值公式生成图像检测框面积变量值、通过半径变量值公式生成图像检测框外接圆半径变量值以及通过占比变量值公式生成图像检测框占比变量值,选择合适的方式生成图像检测框变量值,提高目标检测框的检测精度。
可选地,在本申请实施例中,根据图像检测框变量值以及对应的预设变量阈值,对图像检测框信息对应的图像检测框进行筛选,包括:判断图像检测框变量值是否大于对应的预设变量阈值;若图像检测框变量值大于对应的预设变量阈值,则保留图像检测框变量值对应的图像检测框。
在上述的实现过程中,通过判断确定图像检测框变量值大于对应的预设变量阈值,则保留该图像检测框,通过尺寸筛选保留符合要求的图像检测框,避免出现图像信息检出不明显的情况。从图像中筛选出可信度和准确度较高的目标图像检测框,提高检测精准度。
可选地,在本申请实施例中,图像信息还包括图像尺寸信息;方法还包括:根据图像的多个区域,建立对应的二维矩阵;其中,二维矩阵包括二维矩阵元素值;每个二维矩阵的尺寸信息与图像尺寸信息大小正相关;根据图像检测框对应的二维矩阵元素值,对图像检测框进行筛选。
在上述的实现过程中,根据图像的多个区域,建立与图像尺寸信息大小正相关对应的二维矩阵;根据图像检测框对应的二维矩阵元素值,对图像检测框进行筛选,同时可以确定图像检测框所属于的区域,以判断图像检测框是否在目标区域中。
可选地,在本申请实施例中,其中,图像检测框信息包括图像检测框的中心坐标;图像的多个区域包括图像目标区域;根据图像检测框对应的二维矩阵元素值,对图像检测框进行筛选,包括:根据图像检测框的中心坐标,在目标区域对应的二维矩阵中进行索引,获得图像检测框的中心坐标在目标区域对应的二维矩阵中的目标元素值;若目标元素值与预设值相匹配,则保留图像检测框。
在上述的实现过程中,根据图像检测框的中心坐标在目标区域对应的二维矩阵中的目标元素值,判断图像检测框是否在目标区域中,若目标元素值与预设值相匹配,则保留图像检测框,以获得位置信息更加精准的图像检测框。
可选地,在本申请实施例中,图像检测框信息包括置信度信息,方法还包括:根据置信度信息与预设的置信度阈值,对图像检测框进行筛选;其中,图像检测框信息是通过对图像进行目标检测处理获得的;置信度信息表征图像检测框信息为真实值的概率。
在上述的实现过程中,根据置信度信息与预设的置信度阈值,对图像检测框进行筛选,获得置信度更高的图像检测框,提高检测精准度。
第二方面,本申请实施例还提供了一种图像识别装置,包括:获取模块,用于获得图像以及图像信息;其中,图像信息包括图像检测框信息和图像像素精度信息;变量值模块,用于根据图像检测框信息和图像像素精度信息,生成图像检测框变量值;筛选模块,用于根据图像检测框变量值以及对应的预设变量阈值,对图像检测框信息对应的图像检测框进行筛选,以从图像中筛选出目标图像检测框。
第三方面,本申请实施例还提供了一种电子设备,包括:处理器和存储器,存储器存储有处理器可执行的机器可读指令,机器可读指令被处理器执行时执行如上面描述的方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上面描述的方法。
采用本申请提供图像识别方法、装置、电子设备及存储介质,根据图像检测框变量值以及预设的变量阈值对图像检测框进行筛选,以获得尺寸信息准确度更高的检测框;通过多种方式生成图像检测框变量值,提高目标检测框的检测精度。根据图像检测框对应的二维矩阵元素值,对图像检测框进行筛选,以获得位置信息更加精准的图像检测框。以及根据置信度信息,获得置信度更高的图像检测框。通过尺寸筛选、位置筛选以及置信度筛选获得目标图像检测框,提高检测精准度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的一种图像识别方法的流程示意图;
图2为本申请实施例提供的图像检测框筛选流程示意图;
图3为本申请实施例提供的图像检测框尺寸筛选示意图;
图4为本申请实施例提供的图像检测框置信度筛选示意图;
图5为本申请实施例提供的图像识别装置的结构示意图;
图6为本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合附图对本申请技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本申请的技术方案,因此只作为示例,而不能以此来限制本申请的保护范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
在本申请实施例的描述中,技术术语“第一”、“第二”等仅用于区别不同对象,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本申请实施例的描述中,“多个”的含义是两个及以上,除非另有明确具体的限定。
请参见图1示出的本申请实施例提供的一种图像识别方法的流程示意图。
步骤S110:获得图像以及图像信息;其中,图像信息包括图像检测框信息和图像像素精度信息。
上述步骤S110的实施方式包括:获得图像以及该图像对应的图像信息,图像信息包括图像检测框信息和图像像素精度信息,其中,图像检测框信息是对图像进行目标检测处理后获得的,图像检测框信息包括图像中所包含的目标、图像检测框的尺寸信息、位置信息以及置信度信息等;图像像素精度为一个像素在真实世界代表的距离,具体例如:拍摄视野或分辨率,图像像素精度信息可以根据相机参数获得。
步骤S120:根据图像检测框信息和图像像素精度信息,生成图像检测框变量值。图像检测框变量值可以包括图像检测框面积变量值、图像检测框外接圆半径变量值以及图像检测框占比变量值中的至少一个。
步骤S130:根据图像检测框变量值以及对应的预设变量阈值,对图像检测框信息对应的图像检测框进行筛选,以从图像中筛选出目标图像检测框。
上述步骤S130的实施方式包括:根据图像检测框变量值以及对应的预设变量阈值,对图像检测框信息对应的图像检测框进行筛选,每一图像检测框变量值所对应的预设变量阈值不同,将获得的图像检测框变量值与对应的预设变量阈值进行比较,根据图像检测框变量值与对应的预设变量阈值的大小关系,对图像检测框进行筛选,具体例如,若图像检测框变量值小于对应的预设变量阈值,则对该图像检测框变量值对应的图像检测框进行过滤;若图像检测框变量值大于对应的预设变量阈值,则对该图像检测框变量值对应的图像检测框进行保留,以从图像中筛选出目标图像检测框。
在上述的实现过程中,获得图像信息,根据图像信息中的图像检测框信息和图像像素精度信息,生成图像检测框变量值;根据图像检测框变量值以及预设的变量阈值对图像检测框进行筛选,以获得尺寸信息准确度更高的检测框,提高图像检测结果的精确度。
可选地,在本申请实施例中,根据图像检测框信息和图像像素精度信息,生成图像检测框变量值,包括:根据图像检测框信息以及图像像素精度信息,通过变量值公式,生成图像检测框变量值;其中,变量值公式包括面积变量值公式、半径变量值公式以及占比变量值公式中的至少一个;其中,图像检测框变量值包括图像检测框面积变量值、图像检测框外接圆半径变量值以及图像检测框占比变量值中的至少一个。
上述步骤的实施方式例如:根据图像检测框信息以及图像像素精度信息,通过变量值公式,生成图像检测框变量值,其中,图像检测框信息包括图像检测框的尺寸信息,图像像素精度信息包括图像单像素精度。具体例如,若图像检测框为矩形,则图像检测框的尺寸信息可以为图像检测框的宽度和高度;若图像检测框为圆形,则图像检测框的尺寸信息可以为半径;若图像检测框为椭圆形,则图像检测框的尺寸信息可以椭圆形的长半轴和短半轴等。
变量值公式包括面积变量值公式、半径变量值公式以及占比变量值公式中的至少一个。面积变量值公式用于检测图像检测框的面积参数;半径变量值公式用于检测图像检测框的边长的二分之一,即图像检测框的外接圆半径参数;占比变量值公式用于检测图像检测框占整个图像的比例。
相对应地,通过面积变量值公式生成图像检测框面积变量值;通过半径变量值公式生成图像检测框外接圆半径变量值;以及通过占比变量值公式生成图像检测框占比变量值。
在上述的实现过程中,通过变量值公式,生成图像检测框变量值,变量值公式包括面积变量值公式、半径变量值公式以及占比变量值公式中的至少一个,通过多种方式生成图像检测框变量值,提高目标检测框的检测精度。
可选地,在本申请实施例中,图像检测框信息包括图像检测框宽度和图像检测框高度;图像信息还包括图像宽度和图像高度;面积变量值公式为M1=(w*s)*(h*s);其中,M1为图像检测框面积变量值,w为图像检测框宽度,h为图像检测框高度,s为图像像素精度信息;半径变量值公式为M2=(h/2)*s;其中,M2为图像检测框外接圆半径变量值,h为图像检测框高度,s为图像像素精度信息;占比变量值公式为M3=(w*h)/(W*H);其中,M3为图像检测框占比变量值,w为图像检测框宽度,h为图像检测框高度,W为图像宽度,H为图像高度。
上述步骤的实施方式例如:图像检测框可以为矩形,图像检测框信息包括图像检测框宽度和图像检测框高度;图像信息还包括图像宽度和图像高度;图像像素精度信息包括图像单像素精度。图像检测框宽度和图像检测框高度在转化为实际的宽度和高度时需要乘以图像单像素精度。
面积变量值公式为M1=(w*s)*(h*s);其中,M1为图像检测框面积变量值,w为图像检测框宽度,h为图像检测框高度,s为图像像素精度信息。分别用图像检测框宽度和图像检测框高度乘以图像单像素精度,得到检测框实际的宽度和高度,将检测框实际的宽度和高度进行相乘,得到检测图像检测框的面积参数,即图像检测框面积变量值。
半径变量值公式为M2=(h/2)*s;其中,M2为图像检测框外接圆半径变量值,h为图像检测框高度,s为图像像素精度信息。将图像检测框高度的二分一乘以图像单像素精度,得到图像检测框的边长的二分之一,即图像检测框外接圆半径变量值。
占比变量值公式为M3=(w*h)/(W*H);其中,M3为图像检测框占比变量值,w为图像检测框宽度,h为图像检测框高度,W为图像宽度,H为图像高度。图像检测框宽度乘以图像检测框高度,获得图像检测框面积,图像宽度乘以图像高度,获得图像面积,用图像检测框面积比上图像面积,获得图像检测框占整个图像的比例,即图像检测框占比变量值。
在上述的实现过程中,通过面试变量值公式生成图像检测框面积变量值、通过半径变量值公式生成图像检测框外接圆半径变量值以及通过占比变量值公式生成图像检测框占比变量值,选择对应的方式生成图像检测框变量值,以保留符合尺寸要求的图像检测框,提高目标检测框的检测精度。
可选地,在本申请实施例中,根据图像检测框变量值以及对应的预设变量阈值,对图像检测框信息对应的图像检测框进行筛选,包括:判断图像检测框变量值是否大于对应的预设变量阈值;若图像检测框变量值大于对应的预设变量阈值,则保留图像检测框变量值对应的图像检测框。
上述步骤的实施方式例如:图像检测框变量值包括图像检测框面积变量值、图像检测框外接圆半径变量值以及图像检测框占比变量值中的至少一个。图像检测框面积变量值对应的预设阈值为面积阈值;图像检测框外接圆半径变量值对应的预设阈值为半径阈值;图像检测框占比变量值对应的预设阈值为占比阈值。
判断图像检测框面积变量值是否大于面积阈值,若是,则保留图像检测框;若否则将该图像检测框进行过滤。判断图像检测框外接圆半径变量值是否大于半径阈值,若是,则保留图像检测框;若否则将该图像检测框进行过滤。判断图像检测框占比变量值是否大于占比阈值,若是,则保留图像检测框;若否则将该图像检测框进行过滤。可以理解的,仅需要对图像检测框变量值包括的参数进行判断,具体例如,若图像检测框变量值仅包括图像检测框面积变量值,则仅需要对图像检测框变量值进行判断。
其中,面积阈值、半径阈值以及占比阈值可以根据图像尺寸和图像检测框进行预设,还可以根据实际需求进行设置;在一个可能的实施例中,面积阈值可以为0.3mm2,半径阈值为0.3mm,占比阈值1%,即0.01。
在上述的实现过程中,通过判断确定图像检测框变量值大于对应的预设变量阈值,则保留该图像检测框,通过尺寸筛选保留符合要求的图像检测框,避免出现图像信息检出不明显的情况。从图像中筛选出尺寸精确度较高的目标图像检测框,提高检测精准度。
可选地,在本申请实施例中,图像信息还包括图像尺寸信息;方法还包括:根据图像的多个区域,建立对应的二维矩阵;其中,二维矩阵包括二维矩阵元素值;每个二维矩阵的尺寸信息与图像尺寸信息大小正相关;根据图像检测框对应的二维矩阵元素值,对图像检测框进行筛选。
上述步骤的实施方式例如:根据图像的多个区域,建立对应的二维矩阵,例如,图像包括3个区域:区域1、区域2、区域3;则建立与图像这3个区域对应的二维矩阵,其中,每个二维矩阵的尺寸信息与图像尺寸信息大小正相关,即每个二维矩阵的尺寸信息可以与图像尺寸信息大小相等,也可以采用正相关的其他方式。二维矩阵可以为蒙版矩阵,二维矩阵包括二维矩阵元素值,二维矩阵元素值为1或0。
根据图像检测框对应的二维矩阵元素值,对图像检测框进行筛选,具体例如,根据图像检测框在每一个二维矩阵中对应的二维矩阵元素值,若查询到图像检测框在区域2以及区域3对应的二维矩阵中的二维矩阵元素值均为0,则代表图像检测框不在区域2以及区域3中;若查询到图像检测框在区域1对应的二维矩阵中的二维矩阵元素值为1,则代表图像检测框在区域1中。
在上述的实现过程中,根据图像的多个区域,建立与图像尺寸信息大小正相关对应的二维矩阵;根据图像检测框对应的二维矩阵元素值,对图像检测框进行筛选,同时可以确定图像检测框所属于的区域,以判断图像检测框是否在目标区域中。
可选地,在本申请实施例中,其中,图像检测框信息包括图像检测框的中心坐标;图像的多个区域包括图像目标区域;根据图像检测框对应的二维矩阵元素值,对图像检测框进行筛选,包括:根据图像检测框的中心坐标,在目标区域对应的二维矩阵中进行索引,获得图像检测框的中心坐标在目标区域对应的二维矩阵中的目标元素值;若目标元素值与预设值相匹配,则保留图像检测框。
上述步骤的实施方式例如:图像检测框信息包括图像检测框的中心坐标,图像的多个区域包括图像目标区域。根据图像检测框的中心坐标,在目标区域对应的二维矩阵中进行索引,具体例如,图像的目标区域为区域1,则根据图像检测框的中心坐标在区域1对应的二维矩阵中进行检索,查询到图像检测框的中心坐标在目标区域对应的二维矩阵中的目标元素值。
若目标元素值与预设值相匹配,则保留图像检测框,具体例如,预设值设为1,图像检测框的中心坐标在目标区域对应的二维矩阵中的目标元素值为1,则代表图像检测框的中心坐标在目标区域内,保留该图像检测框。若图像检测框的中心坐标在目标区域对应的二维矩阵中的目标元素值为0,则与预设值1不匹配,代表图像检测框的中心坐标不在目标区域内,则将该图像检测框进行过滤。
在上述的实现过程中,根据图像检测框的中心坐标在目标区域对应的二维矩阵中的目标元素值,判断图像检测框是否在目标区域中,若目标元素值与预设值相匹配,则保留图像检测框,以获得位置信息更加精准的图像检测框。
可选地,在本申请实施例中,图像检测框信息包括置信度信息,方法还包括:根据置信度信息与预设的置信度阈值,对图像检测框进行筛选;其中,图像检测框信息是通过对图像进行目标检测处理获得的;置信度信息表征图像检测框信息为真实值的概率。
上述步骤的实施方式例如:图像检测框信息包括置信度信息,置信度信息表征图像检测框信息为真实值的概率,置信度越大的图像检测框,可信度越高。图像检测框信息是通过对图像进行目标检测处理获得的,目标检测处理可以是将图像输入目标检测模型中,通过目标检测算法,获得该图像的图像检测框信息。目标检测算法通常会在输入图像中采样大量的区域,然后判断这些区域中是否包含我们感兴趣的目标,并调整区域边缘从而更准确地预测目标的真实边界框(ground-truth bounding box),即图像检测框。
在一个可能的实施例中,图像检测框信息可以为由五个元素组成的一维张量,即[x, y, w, h, t],其中,(x, y)为图像检测框的中心坐标,(w, h)为图像检测框宽度和图像检测框高度,t为置信度信息。
根据置信度信息与预设的置信度阈值,对图像检测框进行筛选,具体例如,为了获得置信度较高的图像检测框,预设置信度阈值,若图像检测框的置信度信息大于置信度阈值,则保留该图像检测框;若图像检测框的置信度信息小于置信度阈值,将该图像检测框进行过滤。
在上述的实现过程中,根据置信度信息与预设的置信度阈值,对图像检测框进行筛选,若图像检测框的置信度信息小于置信度阈值,则代表该图像检测框检出目标的可能性较小,通过过滤置信度较小的图像检测框,获得置信度更高的图像检测框,提高检测精准度。
在本申请实施例中,对图像的筛选包括:根据图像检测框变量值对图像检测框进行筛选、根据图像检测框对应的二维矩阵元素值对图像检测框进行筛选以及根据置信度信息对图像检测框进行筛选,即尺寸筛选、区域筛选以及置信度筛选。本申请实施例对这三种图像检测框筛选方式的顺序不做限定,可以根据实际需求设置筛选的方式以及筛选方式的顺序。
在一个优选实施例中,置信度筛选的运算量小于尺寸筛选和区域筛选,且尺寸筛选的运算量大于区域筛选以及置信度筛选,因此,可以先进行运算量较小置信度筛选,再进行区域筛选,最后进行运算量较大的尺寸筛选。
请参见图2示出的本申请实施例提供的图像检测框筛选流程示意图。
将图像输入目标检测模型中,获得图像信息,图像信息包括图像检测框信息和图像像素精度信息,对模型检测出的图像检测框进行数据后处理,即图像检测框的筛选,图像检测框的筛选的方式包括根据图像检测框变量值对图像检测框进行筛选、根据图像检测框对应的二维矩阵元素值对图像检测框进行筛选以及根据置信度信息对图像检测框进行筛选,即尺寸筛选、区域筛选以及置信度筛选。根据实际需求选择尺寸筛选、区域筛选以及置信度筛选中的至少一项,这三种图像检测框筛选方式的顺序也可以根据实际需求设置。
请参见图3示出的本申请实施例提供的图像检测框尺寸筛选示意图。
具体例如,图像检测框信息包括图像检测框的中心坐标(x,y)、图像检测框宽度和图像检测框高度(w,h)以及置信度信息t。根据图像检测框宽度、图像检测框高度以及图像像素精度信息,生成图像检测框变量值,变量值公式包括面积变量值公式、半径变量值公式以及占比变量值公式中的至少一个。通过比较图像检测框变量值与对应的预设变量阈值,保留图像检测框变量值大于预设变量阈值的图像检测框。
请参见图4示出的本申请实施例提供的图像检测框置信度筛选示意图。
根据图像的每一个区域,建立每一个区域对应的二维矩阵,根据图像检测框在每一个二维矩阵中对应的二维矩阵元素值,根据图像检测框的中心坐标,在目标区域对应的二维矩阵中进行索引,查询到图像检测框的中心坐标在目标区域对应的二维矩阵中的目标元素值,若目标元素值为1,则代表图像检测框的中心坐标在目标区域内,保留该图像检测框。获得图像检测框信息中的置信度信息,判断置信度信息是否大于预设的置信度阈值,若是,则保留该图像检测框。
请参见图5示出的本申请实施例提供的图像识别装置的结构示意图;本申请实施例提供了一种图像识别装置200,包括:
获取模块210,用于获得图像以及图像信息;其中,图像信息包括图像检测框信息和图像像素精度信息;
变量值模块220,用于根据图像检测框信息和图像像素精度信息,生成图像检测框变量值;
筛选模块230,用于根据图像检测框变量值以及对应的预设变量阈值,对图像检测框信息对应的图像检测框进行筛选,以从图像中筛选出目标图像检测框。
可选地,在本申请实施例中,图像识别装置,变量值模块220,具体用于根据图像检测框信息以及图像像素精度信息,通过变量值公式,生成图像检测框变量值;其中,变量值公式包括面积变量值公式、半径变量值公式以及占比变量值公式中的至少一个;其中,图像检测框变量值包括图像检测框面积变量值、图像检测框外接圆半径变量值以及图像检测框占比变量值中的至少一个。
可选地,在本申请实施例中,图像识别装置,面积变量值公式为;其中,M1为图像检测框面积变量值,w为图像检测框宽度,h为图像检测框高度,s为图像像素精度信息;半径变量值公式为;其中,M2为图像检测框外接圆半径变量值,h为图像检测框高度,s为图像像素精度信息;占比变量值公式为;其中,M3为图像检测框占比变量值,w为图像检测框宽度,h为图像检测框高度,W为图像宽度,H为图像高度。
可选地,在本申请实施例中,图像识别装置,筛选模块230,具体用于判断图像检测框变量值是否大于对应的预设变量阈值;若图像检测框变量值大于对应的预设变量阈值,则保留图像检测框变量值对应的图像检测框。
可选地,在本申请实施例中,图像识别装置,还包括,区域筛选模块,用于根据图像的多个区域,建立对应的二维矩阵;其中,二维矩阵包括二维矩阵元素值;每个二维矩阵的尺寸信息与图像尺寸信息大小正相关;根据图像检测框对应的二维矩阵元素值,对图像检测框进行筛选。
可选地,在本申请实施例中,图像识别装置,区域筛选模块,具体用于图像检测框信息包括图像检测框的中心坐标;图像的多个区域包括图像目标区域;根据图像检测框对应的二维矩阵元素值,对图像检测框进行筛选,包括:根据图像检测框的中心坐标,在目标区域对应的二维矩阵中进行索引,获得图像检测框的中心坐标在目标区域对应的二维矩阵中的目标元素值;若目标元素值与预设值相匹配,则保留图像检测框。
可选地,在本申请实施例中,图像识别装置,还包括,置信度筛选模块,用于根据置信度信息与预设的置信度阈值,对图像检测框进行筛选;其中,图像检测框信息是通过对图像进行目标检测处理获得的;置信度信息表征图像检测框信息为真实值的概率。
应理解的是,该装置与上述的图像识别方法实施例对应,能够执行上述方法实施例涉及的各个步骤,该装置具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。该装置包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置的操作系统(operating system,OS)中的软件功能模块。
请参见图6示出的本申请实施例提供的电子设备的结构示意图。本申请实施例提供的一种电子设备300,包括:处理器310和存储器320,存储器320存储有处理器310可执行的机器可读指令,机器可读指令被处理器310执行时执行如上的方法。
本申请实施例还提供了一种存储介质,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上的方法。
其中,存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(Static Random Access Memory, 简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory, 简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read Only Memory, 简称EPROM),可编程只读存储器(Programmable Red-Only Memory, 简称PROM),只读存储器(Read-OnlyMemory, 简称ROM),磁存储器,快闪存储器,磁盘或光盘。
本申请实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其他的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请实施例的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请实施例各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
以上的描述,仅为本申请实施例的可选实施方式,但本申请实施例的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请实施例揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请实施例的保护范围之内。
Claims (8)
1.一种图像识别方法,其特征在于,包括:
获得图像以及图像信息;其中,所述图像信息包括图像检测框信息和图像像素精度信息;
根据所述图像检测框信息和所述图像像素精度信息,生成图像检测框变量值;所述图像像素精度信息包括图像单像素精度;
根据所述图像检测框变量值以及对应的预设变量阈值,对所述图像检测框信息对应的图像检测框进行筛选,以从所述图像中筛选出目标图像检测框;
其中,所述根据所述图像检测框信息和所述图像像素精度信息,生成图像检测框变量值,包括:
根据所述图像检测框信息以及所述图像像素精度信息,通过变量值公式,生成所述图像检测框变量值;其中,所述变量值公式包括面积变量值公式以及半径变量值公式中的至少一个;
其中,所述图像检测框变量值包括图像检测框面积变量值以及图像检测框外接圆半径变量值中的至少一个;
所述图像检测框信息包括图像检测框宽度和图像检测框高度;
2.根据权利要求1所述的方法,其特征在于,所述根据所述图像检测框变量值以及对应的预设变量阈值,对所述图像检测框信息对应的图像检测框进行筛选,包括:
判断所述图像检测框变量值是否大于对应的预设变量阈值;
若所述图像检测框变量值大于对应的预设变量阈值,则保留所述图像检测框变量值对应的图像检测框。
3.根据权利要求1所述的方法,其特征在于,所述图像信息还包括图像尺寸信息;所述方法还包括:
根据所述图像的多个区域,建立对应的二维矩阵;其中,所述二维矩阵包括二维矩阵元素值;每个所述二维矩阵的尺寸信息与所述图像尺寸信息大小正相关;
根据所述图像检测框对应的所述二维矩阵元素值,对所述图像检测框进行筛选。
4.根据权利要求3所述的方法,其特征在于,其中,所述图像检测框信息包括所述图像检测框的中心坐标;所述图像的多个区域包括图像目标区域;所述根据所述图像检测框对应的所述二维矩阵元素值,对所述图像检测框进行筛选,包括:
根据所述图像检测框的中心坐标,在所述目标区域对应的二维矩阵中进行索引,获得所述图像检测框的中心坐标在所述目标区域对应的二维矩阵中的目标元素值;
若所述目标元素值与预设值相匹配,则保留所述图像检测框。
5.根据权利要求1所述的方法,其特征在于,所述图像检测框信息包括置信度信息,所述方法还包括:
根据所述置信度信息与预设的置信度阈值,对所述图像检测框进行筛选;其中,所述图像检测框信息是通过对所述图像进行目标检测处理获得的;所述置信度信息表征所述图像检测框信息为真实值的概率。
6.一种图像识别装置,其特征在于,包括:
获取模块,用于获得图像以及图像信息;其中,所述图像信息包括图像检测框信息和图像像素精度信息;
变量值模块,用于根据所述图像检测框信息和所述图像像素精度信息,生成图像检测框变量值;所述图像像素精度信息包括图像单像素精度;
筛选模块,用于根据所述图像检测框变量值以及对应的预设变量阈值,对所述图像检测框信息对应的图像检测框进行筛选,以从所述图像中筛选出目标图像检测框;
所述变量值模块,具体用于根据所述图像检测框信息以及所述图像像素精度信息,通过变量值公式,生成所述图像检测框变量值;其中,所述变量值公式包括面积变量值公式以及半径变量值公式中的至少一个;其中,所述图像检测框变量值包括图像检测框面积变量值以及图像检测框外接圆半径变量值中的至少一个;
所述图像检测框信息包括图像检测框宽度和图像检测框高度;
7.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器存储有所述处理器可执行的机器可读指令,所述机器可读指令被所述处理器执行时执行如权利要求1至5任一所述的方法。
8.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211461563.1A CN115661131B (zh) | 2022-11-17 | 2022-11-17 | 一种图像识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211461563.1A CN115661131B (zh) | 2022-11-17 | 2022-11-17 | 一种图像识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115661131A CN115661131A (zh) | 2023-01-31 |
CN115661131B true CN115661131B (zh) | 2023-03-10 |
Family
ID=85017359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211461563.1A Active CN115661131B (zh) | 2022-11-17 | 2022-11-17 | 一种图像识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115661131B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116486312B (zh) * | 2023-06-21 | 2023-09-08 | 苏州浪潮智能科技有限公司 | 一种视频图像的处理方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269795A (zh) * | 2021-06-03 | 2021-08-17 | 南京耘瞳科技有限公司 | 一种基于废钢车厢区域的识别方法 |
CN113989276A (zh) * | 2021-12-23 | 2022-01-28 | 珠海视熙科技有限公司 | 一种基于深度图像的检测方法、检测装置及摄像设备 |
CN114359641A (zh) * | 2021-12-23 | 2022-04-15 | 科大讯飞(苏州)科技有限公司 | 目标对象的检测方法以及相关装置、设备 |
CN114445864A (zh) * | 2022-01-29 | 2022-05-06 | 北京沃东天骏信息技术有限公司 | 一种手势识别方法及装置、存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190050985A1 (en) * | 2016-02-08 | 2019-02-14 | Koninklijke Philips N.V. | Device, system and method for pulsatility detection |
CN109344899B (zh) * | 2018-09-30 | 2022-05-17 | 百度在线网络技术(北京)有限公司 | 多目标检测方法、装置和电子设备 |
CN111695374B (zh) * | 2019-03-12 | 2023-09-01 | 中国科学院上海高等研究院 | 监控视角中斑马线区域的分割方法、系统、介质及设备 |
CN111832459A (zh) * | 2020-07-02 | 2020-10-27 | 北京百度网讯科技有限公司 | 目标检测方法、装置、设备以及存储介质 |
CN114140683A (zh) * | 2020-08-12 | 2022-03-04 | 天津大学 | 一种航拍图像目标检测的方法、设备与介质 |
CN112613570A (zh) * | 2020-12-29 | 2021-04-06 | 深圳云天励飞技术股份有限公司 | 一种图像检测方法、图像检测装置、设备及存储介质 |
CN113158869A (zh) * | 2021-04-15 | 2021-07-23 | 深圳市优必选科技股份有限公司 | 图像识别方法、装置、终端设备及计算机可读存储介质 |
CN113554008B (zh) * | 2021-09-18 | 2021-12-31 | 深圳市安软慧视科技有限公司 | 静态物体区域内检测方法、装置、电子设备及存储介质 |
-
2022
- 2022-11-17 CN CN202211461563.1A patent/CN115661131B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269795A (zh) * | 2021-06-03 | 2021-08-17 | 南京耘瞳科技有限公司 | 一种基于废钢车厢区域的识别方法 |
CN113989276A (zh) * | 2021-12-23 | 2022-01-28 | 珠海视熙科技有限公司 | 一种基于深度图像的检测方法、检测装置及摄像设备 |
CN114359641A (zh) * | 2021-12-23 | 2022-04-15 | 科大讯飞(苏州)科技有限公司 | 目标对象的检测方法以及相关装置、设备 |
CN114445864A (zh) * | 2022-01-29 | 2022-05-06 | 北京沃东天骏信息技术有限公司 | 一种手势识别方法及装置、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115661131A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112508846B (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
CN113109368B (zh) | 玻璃裂纹检测方法、装置、设备及介质 | |
CN112598922B (zh) | 车位检测方法、装置、设备及存储介质 | |
CN111757014B (zh) | 网络摄像头的焦距调节方法、装置、设备和存储介质 | |
CN110596121A (zh) | 键盘外观检测方法、装置和电子系统 | |
CN115661131B (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN111768450A (zh) | 基于散斑图的结构光相机行偏差的自动检测方法和装置 | |
CN111553302B (zh) | 关键帧选取方法、装置、设备及计算机可读存储介质 | |
CN107748882B (zh) | 一种车道线检测方法及装置 | |
CN112179294A (zh) | 一种土地校对方法、装置以及系统 | |
CN109784328B (zh) | 定位条码的方法、终端及计算机可读存储介质 | |
CN111144372A (zh) | 车辆检测方法、装置、计算机设备和存储介质 | |
KR102260556B1 (ko) | 전역 정보와 지역 정보 통합을 통한 딥러닝 기반 주차구획 검출 방법 및 장치 | |
CN109785343B (zh) | 基于清晰度的人脸抠图图片的优选方法及装置 | |
CN111274965A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN111402185B (zh) | 一种图像检测方法及装置 | |
CN115249024A (zh) | 条码识别方法、装置、存储介质及计算机设备 | |
CN114330408A (zh) | 一种图像增强方法以及图像增强装置 | |
CN110310239B (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
CN111767757B (zh) | 身份信息确定方法及装置 | |
CN112581541A (zh) | 参数的评估方法、装置和电子设备 | |
CN112233020A (zh) | 无人机图像拼接方法、装置、计算机设备及存储介质 | |
CN110706263A (zh) | 一种图像处理方法、装置、设备和计算机可读存储介质 | |
CN112418244A (zh) | 目标检测方法、装置和电子系统 | |
CN111695404A (zh) | 行人跌倒检测方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |