CN117253231B - 一种油气站图像处理方法、装置、电子设备及存储介质 - Google Patents

一种油气站图像处理方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN117253231B
CN117253231B CN202311515301.3A CN202311515301A CN117253231B CN 117253231 B CN117253231 B CN 117253231B CN 202311515301 A CN202311515301 A CN 202311515301A CN 117253231 B CN117253231 B CN 117253231B
Authority
CN
China
Prior art keywords
image
target
target image
processed
instruction
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
CN202311515301.3A
Other languages
English (en)
Other versions
CN117253231A (zh
Inventor
陈友明
陈思竹
王猛珍
陈纪宗
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.)
Sichuan Honghe Digital Intelligence Group Co ltd
Original Assignee
Sichuan Honghe Digital Intelligence Group 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 Sichuan Honghe Digital Intelligence Group Co ltd filed Critical Sichuan Honghe Digital Intelligence Group Co ltd
Priority to CN202311515301.3A priority Critical patent/CN117253231B/zh
Publication of CN117253231A publication Critical patent/CN117253231A/zh
Application granted granted Critical
Publication of CN117253231B publication Critical patent/CN117253231B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/945—User interactive design; Environments; Toolboxes
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供一种油气站图像处理方法、装置、电子设备及存储介质，涉及图像处理技术领域，通过获取待处理图像，生成绘制启动指令；响应绘制启动指令，将控制指针由默认位置移动至绘制工具界面启动绘制工具，生成绘制指令；响应绘制指令，控制绘制工具在待处理图像内进行绘制得到绘制图像，生成差分指令；响应差分指令，将待处理图像内像素值具有差异的图像作为目标图像，生成标注指令；响应标注指令，生成目标图像的外接矩形作为目标图像的标注框。本发明通过指令控制目标软件根据选择的目标位置快速高效的绘制得到包含目标图像的图像数据，通过绘制生成的目标与原背景图像融合度高，使得生成包含目标的图像数据，补充特定场景下数据集的缺失。

Description

一种油气站图像处理方法、装置、电子设备及存储介质
技术领域
本发明涉及图像处理技术领域，特别是涉及一种油气站图像处理方法、装置、电子设备及存储介质。
背景技术
针对特殊场景中危险行为的数据缺失对于训练深度学习模型时，主要是通过加入上述场景作为背景生成目标图像去泛化训练模型，从而提高模型数据的丰富性的同时，可以减少误报提高模型精度。
现有技术通常是通过基于深度学习的GAN（Generative adversarial network，生成对抗网络）技术、人工利用PS（Photoshop，一种图像处理软件）技术、分割技术和泊松融合技术等等生成目标图像用于训练模型，上述技术存在训练难度大、效率低下、训练效果不佳、生成的目标图像效果不好等缺点。
因此，亟需一种自动化且快速生成目标图像的方法。
发明内容
本发明提供一种油气站图像处理方法、装置、电子设备及存储介质，以解决或至少部分解决上述现有技术中的问题。
第一方面，本发明实施例提供一种油气站图像处理方法，包括：
获取待处理图像，并生成绘制启动指令，所述待处理图像为油气站监控图像；
响应于所述绘制启动指令，将控制指针由默认位置移动至绘制工具界面处，以启动绘制工具，并生成绘制指令；
响应于所述绘制指令，控制所述绘制工具在所述待处理图像内进行绘制得到绘制图像，并生成差分指令；
响应于所述差分指令，将所述绘制图像内与所述待处理图像内像素值具有差异的图像作为目标图像，并生成标注指令；
响应于所述标注指令，生成所述目标图像的外接矩形作为所述目标图像的标注框。
在本发明可选地一实施例，所述将控制指针由默认位置移动至绘制工具界面处，以启动所述绘制工具，包括：
确定所述目标软件中的任一待绘制工具作为所述绘制工具；
获取所述绘制工具在所述目标软件中的位置坐标，作为第一位置；
将所述控制指针从所述默认位置移动至所述第一位置处，并启动所述绘制工具。
在本发明可选地一实施例，所述控制所述绘制工具在所述待处理图像内进行绘制得到绘制图像，包括：
基于所述待处理图像，获取所述待处理图像中待绘制点的坐标，作为第二位置，所述第二位置为所述待处理图像中的任一所述待绘制点的坐标；
将所述绘制工具从所述第一位置处移动至所述待处理图像内的所述第二位置处；
以所述第二位置作为待绘制中心点，基于预设像素值范围，通过所述绘制指令在所述待绘制中心点的纵向和横向绘制预设次数，得到包含目标的绘制图像，所述目标为烟雾或火焰，所述目标的像素值范围不超过所述预设像素值范围。
在本发明可选地一实施例，所述将所述绘制图像内与所述待处理图像内像素值具有差异的图像作为目标图像，包括：
获取所述绘制图像和所述待处理图像中各像素点对应的第一像素值和第二像素值；
依次将所述绘制图像和所述待处理图像中每个所述像素点对应的所述第一像素值和所述第二像素值进行对比，得到多个具有相同像素值和差异像素值的第一像素点和第二像素点；
将所有所述第一像素点对应的所述绘制图像内图像区域去除，将所有所述第二像素点对应的所述绘制图像内的图像区域作为所述目标图像。
在本发明可选地一实施例，所述生成所述目标图像的外接矩形作为所述目标图像的标注框，包括：
对所述目标图像依次进行灰度化处理和二值化处理，得到第一目标图像；
对所述第一目标图像进行至少一次形态学处理，得到第二目标图像；
获取所述第二目标图像的轮廓信息，以所述轮廓信息对应的外接矩形作为所述标注框，所述轮廓信息包括所述第二目标图像的多个轮廓点和轮廓点坐标。
在本发明可选地一实施例，所述目标图像为多颜色通道的图像，所述对所述目标图像依次进行灰度化处理和二值化处理，得到第一目标图像，包括：
将所述目标图像中每个颜色通道对应的像素值相加，得到总像素值；
将所述总像素值除以所述目标图像的颜色通道数，得到平均像素值；
将多颜色通道的所述目标图像转换为灰色单通道的灰色目标图像，所述灰色单通道的像素值为所述平均像素值；
将所述灰色目标图像转换为二值图，作为所述第一目标图像。
在本发明可选地一实施例，所述获取所述第二目标图像的轮廓信息，以所述轮廓信息对应的外接矩形作为所述标注框，包括：
对所述第一目标图像的多个所述轮廓点进行标记，得到多个所述轮廓点；
基于任一所述轮廓点作为坐标原点建立直角坐标系，得到多个所述轮廓点对应的坐标；
在多个所述轮廓点对应的坐标中，获取横坐标最小值、横坐标最大值、纵坐标最小值和纵坐标最大值对应的所述轮廓点；
将所述横坐标最小值和纵坐标最小值组合得到最小轮廓点坐标，将所述横坐标最大值和纵坐标最大值组合得到最大轮廓点坐标；
基于所述最小轮廓点坐标和所述最大轮廓点坐标生成所述第二目标图像的最大外接矩形，作为所述第二目标图像的标注框。
第二方面，本发明实施例提供一种油气站图像处理装置，包括：
图像获取模块，获取待处理图像，并生成绘制启动指令，所述待处理图像为油气站监控图像；
启动模块，用于响应于所述绘制启动指令，将控制指针由默认位置移动至绘制工具界面处，以启动绘制工具，并生成绘制指令；
绘制模块，用于响应于所述绘制指令，控制所述绘制工具在所述待处理图像内进行绘制得到绘制图像，并生成差分指令；
目标图像获取模块，用于响应于所述差分指令，将所述绘制图像内与所述待处理图像内像素值具有差异的图像作为目标图像，并生成标注指令；
标注模块，用于响应于所述标注指令，生成所述目标图像的外接矩形作为所述目标图像的标注框。
在本发明可选地一实施例，所述启动模块包括：
确定子模块，用于确定所述目标软件中的任一待绘制工具作为所述绘制工具；
第一位置获取子模块，用于获取所述绘制工具在所述目标软件中的位置坐标，作为第一位置；
启动子模块，用于将所述控制指针从所述默认位置移动至所述第一位置处，并启动所述绘制工具。
在本发明可选地一实施例，所述绘制模块包括：
第二位置获取子模块，用于基于所述待处理图像，获取所述待处理图像中待绘制点的坐标，作为第二位置，所述第二位置为所述待处理图像中的任一所述待绘制点的坐标；
移动子模块，用于将所述绘制工具从所述第一位置处移动至所述待处理图像内的所述第二位置处；
绘制图像获取子模块，用于以所述第二位置作为待绘制中心点，基于预设像素值范围，通过所述绘制指令在所述待绘制中心点的纵向和横向绘制预设次数，得到包含目标的绘制图像，所述目标为烟雾或火焰，所述目标的像素值范围不超过所述预设像素值范围。
在本发明可选地一实施例，所述目标图像获取模块包括：
像素值获取子模块，用于获取所述绘制图像和所述待处理图像中各像素点对应的第一像素值和第二像素值；
对比子模块，用于依次将所述绘制图像和所述待处理图像中每个所述像素点对应的所述第一像素值和所述第二像素值进行对比，得到多个具有相同像素值和差异像素值的第一像素点和第二像素点；
目标图像获取子模块，用于将所有所述第一像素点对应的所述绘制图像内图像区域去除，将所有所述第二像素点对应的所述绘制图像内的图像区域作为所述目标图像。
在本发明可选地一实施例，所述标注模块包括：
第一目标图像获取子模块，用于对所述目标图像依次进行灰度化处理和二值化处理，得到第一目标图像；
第二目标图像获取子模块，用于对所述第一目标图像进行至少一次形态学处理，得到第二目标图像；
标注框获取子模块，用于获取所述第二目标图像的轮廓信息，以所述轮廓信息对应的外接矩形作为所述标注框，所述轮廓信息包括所述第二目标图像的多个轮廓点和轮廓点坐标。
在本发明可选地一实施例，所述第一目标图像获取子模块包括：
总像素值获取单元，用于将所述目标图像中每个颜色通道对应的像素值相加，得到总像素值；
平均像素值获取单元，用于将所述总像素值除以所述目标图像的颜色通道数，得到平均像素值；
灰色目标图像获取单元，用于将多颜色通道的所述目标图像转换为灰色单通道的灰色目标图像，所述灰色单通道的像素值为所述平均像素值；
二值化单元，用于将所述灰色目标图像转换为二值图，作为所述第一目标图像。
在本发明可选地一实施例，所述标注框获取子模块包括：
标记单元，用于对所述第一目标图像的多个所述轮廓点进行标记，得到多个所述轮廓点；
坐标获取单元，用于基于任一所述轮廓点作为坐标原点建立直角坐标系，得到多个所述轮廓点对应的坐标；
获取单元，用于在多个所述轮廓点对应的坐标中，获取横坐标最小值、横坐标最大值、纵坐标最小值和纵坐标最大值对应的所述轮廓点；
组合单元，用于将所述横坐标最小值和纵坐标最小值组合得到最小轮廓点坐标，将所述横坐标最大值和纵坐标最大值组合得到最大轮廓点坐标；
标注框获取单元，用于基于所述最小轮廓点坐标和所述最大轮廓点坐标生成所述第二目标图像的最大外接矩形，作为所述第二目标图像的标注框。
第三方面，本发明实施例提供一种电子设备，包括：
存储器，用于存储一个或多个程序；
处理器；
当所述一个或多个程序被所述处理器执行时，实现如上述第一方面中任一项所述的油气站图像处理方法。
第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项所述的油气站图像处理方法。
本发明包括以下优点：本发明实施例提供一种油气站图像处理方法、装置、电子设备及存储介质，通过获取待处理图像，并生成绘制启动指令，所述待处理图像为油气站监控图像；响应于所述绘制启动指令，将控制指针由默认位置移动至绘制工具界面处，以启动绘制工具，并生成绘制指令；响应于所述绘制指令，控制所述绘制工具在所述待处理图像内进行绘制得到绘制图像，并生成差分指令；响应于所述差分指令，将所述绘制图像内与所述待处理图像内像素值具有差异的图像作为目标图像，并生成标注指令；响应于所述标注指令，生成所述目标图像的外接矩形作为所述目标图像的标注框。本发明实施例提供的一种油气站图像处理方法，可以快速高效的生成危险场景或特定场景缺失而必要的深度学习训练集数据，该油气站图像处理方法只需要通过指令控制目标软件可以根据选择的目标位置快速灵活的绘制得到包含目标图像的图像数据，该方法通过绘制生成的目标图像与原背景图像融合度高，使得生成包含目标图像的图像数据，补充危险场景或特定场景下数据集的缺失，通过标注指令对所述目标图像自动进行标注，避免了人工标注的不准确性，并降低了人力成本。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于油气站图像处理方法的步骤流程示意图；
图2是本发明实施例提供的一种基于油气站图像处理装置的架构图；
图3是本发明实施例提供的一种电子设备的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
针对特殊场景中危险行为的数据缺失对于训练深度学习模型时，主要是通过加入上述场景作为背景生成目标图像去泛化训练模型，从而提高模型数据的丰富性的同时，可以减少误报提高模型精度。
现有技术通常是通过基于深度学习的GAN（Generative adversarial network，生成对抗网络）技术、人工利用PS（Photoshop，一种图像处理软件）技术、分割技术和泊松融合技术等等生成目标图像用于训练模型，主要存在以下问题：1）基于深度学习GAN网络技术需要大量的数据集，训练难度大，效果依赖模型，结果难以掌控；2）PS技术是在UI（UserInterface Design，软件页面设计）中常见的技术，但在模型训练数据集的制作中，该方法虽然生成的数据比较真实可靠，但是由于效率低下，而模型的训练会需要大量的数据集，所以该方法显然很不合适；3）利用分割技术，得出目标物体的掩码，之后把原目标粘贴到背景图中，但粘贴后的图像与背景图突兀明显，训练时效果反而可能会更差；4）泊松融合技术，该技术虽然能够渲染原物体边缘和背景图拼接的平滑，但是这种平滑还是比较模糊性，并且效果与目标图有很大的关系。
因此，亟需一种自动化且快速生成目标图像的方法，以解决上述现有技术中的至少部分问题。
本发明实施例第一方面提供一种油气站图像处理方法，参阅图1，图1为本发明实施例提供的一种油气站图像处理方法的流程图，所述油气站图像处理方法包括以下步骤：
步骤101，获取待处理图像，并生成绘制启动指令，所述待处理图像为油气站监控图像；
步骤102，响应于所述绘制启动指令，将控制指针由默认位置移动至绘制工具界面处，以启动绘制工具，并生成绘制指令；
步骤103，响应于所述绘制指令，控制所述绘制工具在所述待处理图像内进行绘制得到绘制图像，并生成差分指令；
步骤104，响应于所述差分指令，将所述绘制图像内与所述待处理图像内像素值具有差异的图像作为目标图像，并生成标注指令；
步骤105，响应于所述标注指令，生成所述目标图像的外接矩形作为所述目标图像的标注框。
所述待处理图像为危险场景或其他特定场景下用于物品识别的图像，例如，上述危险场景或特定场景可以为加油站失火场景、加气站失火场景、油库场景等。所述绘制图像为包含目标的图像数据，其中所述目标可以为指定场景中缺失的对象，例如，上述目标可以为火焰、烟雾等。本发明实施例中提供的图像数据举例并不对上述图像数据做任何限定，仅做说明示意，上述图像数据可以是任何实际需要的图像数据，在此不做赘述。
所述控制指针为用于指示目标软件中的任何可点击的元素，通过移动所述控制指针在计算机界面上移动，并点击想要获取的对象，例如，通过将所述控制指针从初始位置移动至所述绘制软件的工具栏位置处，可以点击工具栏上的绘制工具或其他工具。
所述绘制工具为绘制软件中用于进行图像绘制的工具，所述绘制软件可以为PS（Adobe Photoshop，图像处理软件），AI（Adobe Illustrator，应用于出版、多媒体和在线图像的工业标准矢量插画的软件），CAD（Computer Aided Design，计算机辅助设计）等等，绘制工具可以为笔刷、钢笔、铅笔、毛笔等等。
所述绘制启动指令、所述绘制指令、所述差分指令和所述标注指令均为预先生成的控制脚本，用于自动对目标软件以及目标软件中的任一绘制工具进行控制，以实现自动生成绘制图像以及对所述绘制图像进行自动标注。
具体实施步骤101时，通过在危险场景或其他特定场景下预先设置的图像采集设备采集视频数据，对采集的视频数据进行处理，得到所述待处理图像。所述图像采集设备可以为摄像头、无人机、防爆平板等等，所述待处理图像至少包括所述危险场景或其他特定场景下的场景图像。例如，所述待处理图像可以为包含加油站场景的图像数据，也可以为包含油库场景的图像数据，也可以为包含加气站场景的图像数据。当获取得到所述待处理图像时，响应于所述待处理图像，生成绘制启动指令，所述绘制启动指令用于启动绘制软件中的绘制工具。
具体实施步骤102时，基于所述绘制启动指令并响应，将所述控制指针从默认位置移动至目标绘制软件的绘制工具界面处，以启动所述绘制工具。将所述目标软件中的任一待绘制工具作为所述绘制工具，例如，当所述目标软件为PS软件时，所述待绘制工具包括笔刷、铅笔、毛笔等等，所述绘制工具可以为笔刷或者铅笔或者毛笔中的一者。获取所述绘制工具在所述目标软件中的位置坐标，作为第一位置。在本发明可选地一实施例中，所述位置坐标可以通过pyautogui跨平台图像用户接口自动化库获取，该库中包含多个绘制软件中多个工具的位置坐标信息。将所述目标绘制软件打开后，获取所述目标绘制软件界面中所有工具的坐标位置。例如，可以将所述目标绘制软件界面的中心点、左上角顶点、右上角顶点、左下角顶点、右下角顶点等任一点设置为默认位置，将所述目标绘制软件打开后，所述绘制指令位于所述默认位置处。将所述控制指令从所述默认位置移动至所述第一位置处，并启动所述绘制工具。
具体实施步骤103时，通过生成的所述绘制指令并响应，控制所述绘制工具在所述待处理图像内进行绘制得到绘制图像。基于所述待处理图像获取所述待处理图像中待绘制点的坐标，作为第二位置，所述第二位置为所述待处理图像中的任一所述待绘制点的坐标。在本发明可选地一实施例中，所述待处理图像中的待绘制点可以为通过人工点击标注，或者以预设某点为所述待绘制点，将该待绘制点标注出来，通过坐标函数获取所述待绘制点的坐标作为所述第二位置。在本发明可选地一实施例中，所述待绘制点可以为所述待处理图像中的任意一点，将所述绘制工具移动至所述待处理图像中的任意一点处，进行后续目标的绘制。
将所述绘制工具启动后移动至所述待处理图像内的第二位置处，并以所述第二位置作为待绘制中心点，以预设像素值范围作为绘制的目标的绘制范围，通过所述绘制指令在所述待绘制中心点的纵向和横向绘制预设次数，得到包含目标的绘制图像，在本发明实施例中所述目标可以为烟雾或火焰，所述目标的像素值范围不超过所述预设像素值范围。例如，当所述待处理图像为加油站背景图，以所述加油站背景图的坐标A（X1，Y1）为待绘制中心点，预设像素值单位设定为50*50，绘制预设次数设定为5次，在坐标A处横向和纵向各绘制5次，得到绘制的目标烟雾，所述绘制图像包含所述绘制目标烟雾和加油站背景的图像。响应于所述绘制图像，生成所述差分指令，所述差分指令用于获取目标图像。
具体实施步骤104时，获取所述差分指令并响应，将所述绘制图像内与所述待处理图像内像素值具有差异的图像作为目标图像。具体地，通过获取所述绘制图像和所述待处理图像中像素点对应的第一像素值和第二像素值，所述第一像素值为所述绘制图像中各像素点对应的像素值，所述第二像素值为所述待处理图像中所有各像素点对应的像素值，依次将所述绘制图像和所述待处理图像中每个所述像素点对应的所述第一像素值和所述第二像素值进行对比，得到具有相同像素值的第一像素点和差异像素值的第二像素点，将所有所述第一像素点对应的所述绘制图像内图像区域去除，将所有所述第二像素点对应的所述绘制图像内的图像区域作为所述目标图像。响应于所述目标图像，生成标注指令。例如，当所述待处理图像为加油站背景图，得到绘制的目标为烟雾，所述绘制图像包含所述绘制目标烟雾和加油站背景的图像，将具有相同背景的加油站图像去除后，得到烟雾目标图像。
在本申请可选地一实施例中，可以通过对所述绘制图像内绘制的目标进行轮廓点标记，通过标记出所述目标的多个轮廓点后，获取多个轮廓点对应的坐标，通过多个轮廓点的坐标获取所述目标在绘制图像内对应的图像，实现所述目标图像的提取。例如，当所述待处理图像为加油站背景图，得到绘制的目标为烟雾，所述绘制图像包含所述绘制目标烟雾和加油站背景的图像，将绘制图像内绘制的目标烟雾进行多个轮廓点标记后，获取多个烟雾轮廓点对应的坐标，通过多个轮廓坐标获取烟雾在绘制图像内对应的图像，得到烟雾目标图像。
具体实施步骤105时，获取所述标注指令并响应，生成所述目标图像的外接矩形作为所述目标图像的标注框。具体地，首先对所述目标图像依次进行灰度化处理和二值化处理，得到第一目标图像，在本发明实施例中，所述待绘制图像、所述绘制图像和所述目标图像均为多颜色通道的图像，所述多颜色通道可以为RGB三颜色空间的通道（RGB三颜色空间标识每个像素由三个通道组成，每个通道代表一种颜色，R为red红色，G为green绿色，B为blue蓝色）。将所述目标图像中每个颜色通道对应的像素值相加，得到总像素值，然后将所述总像素值除以所述目标图像的颜色通道数，得到平均像素值，将多颜色通道的所述目标图像转换为灰色单通道的灰色目标图像，所述灰色单通道的像素值为所述平均像素值，将所述灰色目标图像转换为二值图，作为所述第一目标图像。
在本发明可选地一实施例中，所述对所述目标图像依次进行灰度化处理和二值化处理，得到第一目标图像，包括：所述灰度化处理为将目标图像的多颜色通道转换为灰色单通道的灰色目标图像，所述二值化处理为将所述灰色单通道的灰色目标图像转换为二值图，作为所述第一目标图像。二值化处理为将灰度图像转换为仅包含黑白像素的黑白图像（二值图），二值图中的像素点对应的颜色为黑色或白色。
然后，对所述第一目标图像进行至少一次形态处理，得到第二目标图像，通过对所述第一目标图像进行形态处理可以消除所述第一目标图像上的噪声，去除孤立的白点或白线，使得到的所述第二目标图像更清晰完整。所述形态处理可以为腐蚀处理、膨胀处理等等，例如，可以对所述第一目标图像进行腐蚀处理，再进行膨胀处理的开运算，也可以对所述第一目标图像进行膨胀处理，再进行腐蚀处理的闭运算。
进而获取所述第二目标图像的轮廓信息，在本发明可选地一实施例中，可以通过cv2.findContours函数获取目标的轮廓和组成轮廓的多个轮廓点，其中，所述轮廓信息包括所述第二目标图像的多个轮廓点和轮廓点坐标，并以所述轮廓信息对应的外接矩形作为所述标注框，包括：对所述第一目标图像的多个所述轮廓点进行标记，得到多个所述轮廓点，然后基于任一所述轮廓点作为坐标原点建立直角坐标系，得到多个所述轮廓点对应的坐标，在多个所述轮廓点对应的坐标中，获取横坐标最小值、横坐标最大值、纵坐标最小值和纵坐标最大值对应的多个所述轮廓点，将所述横坐标最小值和纵坐标最小值组合得到最小轮廓点坐标，将所述横坐标最大值和纵坐标最大值组合得到最大轮廓点坐标，基于所述最小轮廓点坐标和所述最大轮廓点坐标生成所述第二目标图像的最大外接矩形，作为所述第二目标图像的标注框。
示例性地，首先获取得到所述目标图像的轮廓以及构成所述轮廓的多个轮廓点B、C、D、E、F，以坐标B作为坐标原点建立直角坐标系后，得到上述轮廓点对应的坐标B（X2，Y2），C（X3，Y3），D（X4，Y4），E（X5，Y5），F（X6，Y6），其中，横坐标最小值为轮廓点B对应的横坐标值X2，纵坐标最小值为轮廓点B对应的纵坐标值Y2，横坐标最大值为轮廓点F对应的横坐标X6，纵坐标最大值为轮廓点D对应的纵坐标Y4，将横坐标最小值X2和纵坐标最小值Y2组合得到最小轮廓点坐标G（X2，Y2），将横坐标最大值X6和纵坐标最大值Y4组合得到最大轮廓点坐标H（X6，Y4），基于最小轮廓点坐标G（X2，Y2）和最大轮廓点坐标H（X6，Y4）生成所述第二目标图像的最大外接矩形，作为所述第二目标图像的标注框。
在本发明可选地一实施例中，首先对所述第二目标图像多个所述轮廓点进行标记，得到多个所述轮廓点和多个所述轮廓点对应的坐标，基于所述多个所述轮廓点对应的坐标，将相邻轮廓点坐标之间两两进行相加操作，得到所述相邻轮廓点坐标之间的距离值，将所有所述相邻轮廓点坐标之间的距离值相加，得到所有轮廓点的相加值，将所述所有轮廓点的相加值作为所述第二目标图像的最大周长，基于所述最大周长对应的多个所述轮廓点，生成最大外接矩形作为所述第二目标图像的标注框。
示例性地，首先获取得到所述目标图像的轮廓以及构成所述轮廓的多个轮廓点I、J、K、L、M、N、O、P、Q，得到上述轮廓点对应的坐标I（Xi，Yi），J（Xj，Yj），K（Xk，Yk），L（Xl，Yl），M（Xm，Ym），N（Xn，Yn），O（Xo，Yo），P（Xp，Yp），Q（Xq，Yq），依次计算相邻轮廓点之间的距离，以计算轮廓点I和轮廓点J之间的距离D1为例进行说明，通过以下公式可以计算得到距离D1：
，
依据上述公式，可以依次计算得到轮廓点J和轮廓点K之间的距离D2、轮廓点K和轮廓点L之间的距离D3、轮廓点L和轮廓点M之间的距离D4、轮廓点M和轮廓点N之间的距离D5、轮廓点N和轮廓点O之间的距离D6、轮廓点O和轮廓点P之间的距离D7、轮廓点P和轮廓点Q之间的距离D8、轮廓点Q和轮廓点I之间的距离D9，将所有轮廓点之间的距离相加得到相加值Z，可以通过以下公式计算得到相加值Z：
，
将上述相加值Z作为第二目标图像的最大周长，基于最大周长对应的所有轮廓点I、J、K、L、M、N、O、P、Q，生成最大外接矩形作为所述第二目标图像的标注框。
本发明实施例提供一种油气站图像处理方法，通过获取待处理图像，并生成绘制启动指令，所述待处理图像为油气站监控图像；响应于所述绘制启动指令，将控制指针由默认位置移动至绘制工具界面处，以启动绘制工具，并生成绘制指令；响应于所述绘制指令，控制所述绘制工具在所述待处理图像内进行绘制得到绘制图像，并生成差分指令；响应于所述差分指令，将所述绘制图像内与所述待处理图像内像素值具有差异的图像作为目标图像，并生成标注指令；响应于所述标注指令，生成所述目标图像的外接矩形作为所述目标图像的标注框。通过生成控制指令控制对应的指令，以控制目标软件在待处理图像中绘制得到包含目标的绘制图像，本发明实施例提供的一种油气站图像处理方法，可以快速的生成危险场景或特定场景缺失而必要的深度学习训练集数据，该油气站图像处理方法只需要通过指令控制目标软件可以根据选择的目标位置快速高效的绘制得到包含目标图像的图像数据，该方法通过绘制生成的目标图像与原背景图像融合度高，使得生成准确的包含目标图像的图像数据，补充危险场景或特定场景下数据集的缺失，通过标注指令对所述目标图像自动进行标注，避免了人工标注的不准确性，并降低了人力成本。
基于上述第一方面同一发明构思，在本发明的实施例中还提供一种油气站图像处理装置，参阅图2，图2为本发明实施例提供的一种油气站图像处理装置的架构图，所述油气站图像处理装置包括：
图像获取模块201，获取待处理图像，并生成绘制启动指令，所述待处理图像为油气站监控图像；
启动模块202，用于响应于所述绘制启动指令，将控制指针由默认位置移动至绘制工具界面处，以启动绘制工具，并生成绘制指令；
绘制模块203，用于响应于所述绘制指令，控制所述绘制工具在所述待处理图像内进行绘制得到绘制图像，并生成差分指令；
目标图像获取模块204，用于响应于所述差分指令，将所述绘制图像内与所述待处理图像内像素值具有差异的图像作为目标图像，并生成标注指令；
标注模块205，用于响应于所述标注指令，生成所述目标图像的外接矩形作为所述目标图像的标注框。
其中，所述启动模块包括：
确定子模块，用于确定所述目标软件中的任一待绘制工具作为所述绘制工具；
第一位置获取子模块，用于获取所述绘制工具在所述目标软件中的位置坐标，作为第一位置；
启动子模块，用于将所述控制指针从所述默认位置移动至所述第一位置处，并启动所述绘制工具。
其中，所述绘制模块包括：
第二位置获取子模块，用于基于所述待处理图像，获取所述待处理图像中待绘制点的坐标，作为第二位置，所述第二位置为所述待处理图像中的任一所述待绘制点的坐标；
移动子模块，用于将所述绘制工具从所述第一位置处移动至所述待处理图像内的所述第二位置处；
绘制图像获取子模块，用于以所述第二位置作为待绘制中心点，基于预设像素值范围，通过所述绘制指令在所述待绘制中心点的纵向和横向绘制预设次数，得到包含目标的绘制图像，所述目标为烟雾或火焰，所述目标的像素值范围不超过所述预设像素值范围。
其中，所述目标图像获取模块包括：
像素值获取子模块，用于获取所述绘制图像和所述待处理图像中各像素点对应的第一像素值和第二像素值；
对比子模块，用于依次将所述绘制图像和所述待处理图像中每个所述像素点对应的所述第一像素值和所述第二像素值进行对比，得到多个具有相同像素值和差异像素值的第一像素点和第二像素点；
目标图像获取子模块，用于将所有所述第一像素点对应的所述绘制图像内图像区域去除，将所有所述第二像素点对应的所述绘制图像内的图像区域作为所述目标图像。
其中，所述标注模块包括：
第一目标图像获取子模块，用于对所述目标图像依次进行灰度化处理和二值化处理，得到第一目标图像；
第二目标图像获取子模块，用于对所述第一目标图像进行至少一次形态学处理，得到第二目标图像；
标注框获取子模块，用于获取所述第二目标图像的轮廓信息，以所述轮廓信息对应的外接矩形作为所述标注框，所述轮廓信息包括所述第二目标图像的多个轮廓点和轮廓点坐标。
其中，所述第一目标图像获取子模块包括：
总像素值获取单元，用于将所述目标图像中每个颜色通道对应的像素值相加，得到总像素值；
平均像素值获取单元，用于将所述总像素值除以所述目标图像的颜色通道数，得到平均像素值；
灰色目标图像获取单元，用于将多颜色通道的所述目标图像转换为灰色单通道的灰色目标图像，所述灰色单通道的像素值为所述平均像素值；
二值化单元，用于将所述灰色目标图像转换为二值图，作为所述第一目标图像。
其中，所述标注框获取子模块包括：
标记单元，用于对所述第一目标图像的多个所述轮廓点进行标记，得到多个所述轮廓点；
坐标获取单元，用于基于任一所述轮廓点作为坐标原点建立直角坐标系，得到多个所述轮廓点对应的坐标；
获取单元，用于在多个所述轮廓点对应的坐标中，获取横坐标最小值、横坐标最大值、纵坐标最小值和纵坐标最大值对应的所述轮廓点；
组合单元，用于将所述横坐标最小值和纵坐标最小值组合得到最小轮廓点坐标，将所述横坐标最大值和纵坐标最大值组合得到最大轮廓点坐标；
标注框获取单元，用于基于所述最小轮廓点坐标和所述最大轮廓点坐标生成所述第二目标图像的最大外接矩形，作为所述第二目标图像的标注框。
基于上述第一方面同一发明构思，本发明实施例公开了一种电子设备，图3示出了本发明实施例公开的一种电子设备示意图，如图3所示，电子设备100包括：存储器110和处理器120，所述电子设备的存储器不少于12G，处理器主频不低于2.4GHz，存储器110与处理器120之间通过总线通信连接，存储器110中存储有计算机程序，该计算机程序可在处理器120上运行，以实现本发明实施例公开的一种油气站图像处理方法。
基于上述第一方面同一发明构思，本发明实施例公开了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现本发明实施例公开的一种油气站图像处理方法。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本发明实施例是参照根据本发明实施例的方法、装置、电子设备和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种油气站图像处理方法、装置、电子设备及存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种油气站图像处理方法，其特征在于，所述方法包括：
获取待处理图像，并生成绘制启动指令，所述待处理图像为油气站监控图像；
响应于所述绘制启动指令，将控制指针由默认位置移动至绘制工具界面处，以启动绘制工具，并生成绘制指令；
响应于所述绘制指令，控制所述绘制工具在所述待处理图像内进行绘制得到绘制图像，并生成差分指令；
响应于所述差分指令，将所述绘制图像内与所述待处理图像内像素值具有差异的图像作为目标图像，并生成标注指令；
响应于所述标注指令，生成所述目标图像的外接矩形作为所述目标图像的标注框；
所述控制所述绘制工具在所述待处理图像内进行绘制得到绘制图像，包括：
基于所述待处理图像，获取所述待处理图像中待绘制点的坐标，作为第二位置，所述第二位置为所述待处理图像中的任一所述待绘制点的坐标；
将所述绘制工具从第一位置处移动至所述待处理图像内的所述第二位置处，所述第一位置为所述绘制工具在目标软件中的位置坐标；
以所述第二位置作为待绘制中心点，基于预设像素值范围，通过所述绘制指令在所述待绘制中心点的纵向和横向绘制预设次数，得到包含目标的所述绘制图像，所述目标为烟雾或火焰，所述目标的像素值范围不超过所述预设像素值范围。
2.根据权利要求1所述的油气站图像处理方法，其特征在于，所述将控制指针由默认位置移动至绘制工具界面处，以启动所述绘制工具，包括：
确定所述目标软件中的任一待绘制工具作为所述绘制工具；
获取所述绘制工具在所述目标软件中的位置坐标，作为所述第一位置；
将所述控制指针从所述默认位置移动至所述第一位置处，并启动所述绘制工具。
3.根据权利要求1所述的油气站图像处理方法，其特征在于，所述将所述绘制图像内与所述待处理图像内像素值具有差异的图像作为目标图像，包括：
获取所述绘制图像和所述待处理图像中各像素点对应的第一像素值和第二像素值；
依次将所述绘制图像和所述待处理图像中每个所述像素点对应的所述第一像素值和所述第二像素值进行对比，得到多个具有相同像素值和差异像素值的第一像素点和第二像素点；
将所有所述第一像素点对应的所述绘制图像内图像区域去除，将所有所述第二像素点对应的所述绘制图像内的图像区域作为所述目标图像。
4.根据权利要求1所述的油气站图像处理方法，其特征在于，所述生成所述目标图像的外接矩形作为所述目标图像的标注框，包括：
对所述目标图像依次进行灰度化处理和二值化处理，得到第一目标图像；
对所述第一目标图像进行至少一次形态学处理，得到第二目标图像；
获取所述第二目标图像的轮廓信息，以所述轮廓信息对应的外接矩形作为所述标注框，所述轮廓信息包括所述第二目标图像的多个轮廓点和轮廓点坐标。
5.根据权利要求4所述的油气站图像处理方法，其特征在于，所述目标图像为多颜色通道的图像，所述对所述目标图像依次进行灰度化处理和二值化处理，得到第一目标图像，包括：
将所述目标图像中每个颜色通道对应的像素值相加，得到总像素值；
将所述总像素值除以所述目标图像的颜色通道数，得到平均像素值；
将多颜色通道的所述目标图像转换为灰色单通道的灰色目标图像，所述灰色单通道的像素值为所述平均像素值；
将所述灰色目标图像转换为二值图，作为所述第一目标图像。
6.根据权利要求4所述的油气站图像处理方法，其特征在于，所述获取所述第二目标图像的轮廓信息，以所述轮廓信息对应的外接矩形作为所述标注框，包括：
对所述第一目标图像的多个所述轮廓点进行标记，得到多个所述轮廓点；
基于任一所述轮廓点作为坐标原点建立直角坐标系，得到多个所述轮廓点对应的坐标；
在多个所述轮廓点对应的坐标中，获取横坐标最小值、横坐标最大值、纵坐标最小值和纵坐标最大值对应的所述轮廓点；
将所述横坐标最小值和纵坐标最小值组合得到最小轮廓点坐标，将所述横坐标最大值和纵坐标最大值组合得到最大轮廓点坐标；
基于所述最小轮廓点坐标和所述最大轮廓点坐标生成所述第二目标图像的最大外接矩形，作为所述第二目标图像的标注框。
7.一种油气站图像处理装置，其特征在于，包括：
图像获取模块，获取待处理图像，并生成绘制启动指令，所述待处理图像为油气站监控图像；
启动模块，用于响应于所述绘制启动指令，将控制指针由默认位置移动至绘制工具界面处，以启动绘制工具，并生成绘制指令；
绘制模块，用于响应于所述绘制指令，控制所述绘制工具在所述待处理图像内进行绘制得到绘制图像，并生成差分指令；
目标图像获取模块，用于响应于所述差分指令，将所述绘制图像内与所述待处理图像内像素值具有差异的图像作为目标图像，并生成标注指令；
标注模块，用于响应于所述标注指令，生成所述目标图像的外接矩形作为所述目标图像的标注框；
所述绘制模块还包括：
第二位置获取子模块，用于基于所述待处理图像，获取所述待处理图像中待绘制点的坐标，作为第二位置，所述第二位置为所述待处理图像中的任一所述待绘制点的坐标；
移动子模块，用于将所述绘制工具从第一位置处移动至所述待处理图像内的所述第二位置处，所述第一位置为所述绘制工具在目标软件中的位置坐标；
绘制图像获取子模块，用于以所述第二位置作为待绘制中心点，基于预设像素值范围，通过所述绘制指令在所述待绘制中心点的纵向和横向绘制预设次数，得到包含目标的所述绘制图像，所述目标为烟雾或火焰，所述目标的像素值范围不超过所述预设像素值范围。
8.一种电子设备，其特征在于，包括：
存储器，用于存储一个或多个程序；
处理器；
当所述一个或多个程序被所述处理器执行时，实现如权利要求1-6中任一项所述的油气站图像处理方法。
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，该计算机程序被处理器执行时实现如权利要求1-6中任一项所述的油气站图像处理方法。
CN202311515301.3A 2023-11-15 2023-11-15 一种油气站图像处理方法、装置、电子设备及存储介质 Active CN117253231B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311515301.3A CN117253231B (zh) 2023-11-15 2023-11-15 一种油气站图像处理方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311515301.3A CN117253231B (zh) 2023-11-15 2023-11-15 一种油气站图像处理方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN117253231A CN117253231A (zh) 2023-12-19
CN117253231B true CN117253231B (zh) 2024-01-26

Family

ID=89137189

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311515301.3A Active CN117253231B (zh) 2023-11-15 2023-11-15 一种油气站图像处理方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN117253231B (zh)

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010233178A (ja) * 2009-03-30 2010-10-14 Saxa Inc 画像処理システム
CN105809184A (zh) * 2015-10-30 2016-07-27 哈尔滨工程大学 一种适用于加油站的车辆实时识别跟踪与车位占用判断的方法
JP2018132457A (ja) * 2017-02-16 2018-08-23 株式会社四国総合研究所 火炎監視方法、火炎監視装置およびガス取扱施設
CN109410305A (zh) * 2018-10-30 2019-03-01 广东明星创意动画有限公司 基于maya平台的火焰模拟自动生成系统
CN110008360A (zh) * 2019-04-09 2019-07-12 河北工业大学 包含特定背景图像的车辆目标图像数据库建立方法
CN111028261A (zh) * 2019-11-15 2020-04-17 五邑大学 高精度半自动化图像数据标注方法、电子装置及存储介质
CN111437556A (zh) * 2020-04-15 2020-07-24 上海翼捷工业安全设备股份有限公司 一种火灾探测器、火灾探测方法和自动灭火系统
CN112069975A (zh) * 2020-09-02 2020-12-11 成都指码科技有限公司 一种基于紫外、红外、视觉的综合火焰检测方法
CN113066026A (zh) * 2021-03-26 2021-07-02 重庆邮电大学 基于深度神经网络的内窥镜图像烟雾净化方法
CN114078218A (zh) * 2021-11-24 2022-02-22 南京林业大学 一种自适应融合的森林烟火识别数据增广方法
CN114155151A (zh) * 2021-12-08 2022-03-08 北京安云世纪科技有限公司 图像绘制方法、装置、设备及存储介质
CN114565891A (zh) * 2022-02-28 2022-05-31 国网安徽省电力有限公司亳州供电公司 一种基于图形生成技术的烟火监测方法及系统
CN114565702A (zh) * 2022-02-25 2022-05-31 北京鼎事兴教育咨询有限公司 文本图像生成方法、装置及电子设备
CN114639058A (zh) * 2022-04-01 2022-06-17 中国科学技术大学先进技术研究院 火灾烟雾图像检测方法、装置、设备及存储介质
CN114998737A (zh) * 2022-06-08 2022-09-02 徐州才聚智能科技有限公司 一种远距离烟雾检测方法、系统、电子设备及介质
CN114998686A (zh) * 2022-06-08 2022-09-02 徐州才聚智能科技有限公司 烟雾检测模型构建方法、装置、设备、介质及检测方法
CN115393470A (zh) * 2022-10-28 2022-11-25 成都航空职业技术学院 一种文物数字线图的绘制方法、绘制系统及绘制装置
CN117037062A (zh) * 2023-08-14 2023-11-10 国机工业互联网研究院(河南)有限公司 一种目标物体抓取方法、系统、电子设备及存储介质
CN117036216A (zh) * 2023-07-24 2023-11-10 四川弘和数智集团有限公司 一种数据生成方法、装置、电子设备及存储介质

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010233178A (ja) * 2009-03-30 2010-10-14 Saxa Inc 画像処理システム
CN105809184A (zh) * 2015-10-30 2016-07-27 哈尔滨工程大学 一种适用于加油站的车辆实时识别跟踪与车位占用判断的方法
JP2018132457A (ja) * 2017-02-16 2018-08-23 株式会社四国総合研究所 火炎監視方法、火炎監視装置およびガス取扱施設
CN109410305A (zh) * 2018-10-30 2019-03-01 广东明星创意动画有限公司 基于maya平台的火焰模拟自动生成系统
CN110008360A (zh) * 2019-04-09 2019-07-12 河北工业大学 包含特定背景图像的车辆目标图像数据库建立方法
CN111028261A (zh) * 2019-11-15 2020-04-17 五邑大学 高精度半自动化图像数据标注方法、电子装置及存储介质
CN111437556A (zh) * 2020-04-15 2020-07-24 上海翼捷工业安全设备股份有限公司 一种火灾探测器、火灾探测方法和自动灭火系统
CN112069975A (zh) * 2020-09-02 2020-12-11 成都指码科技有限公司 一种基于紫外、红外、视觉的综合火焰检测方法
CN113066026A (zh) * 2021-03-26 2021-07-02 重庆邮电大学 基于深度神经网络的内窥镜图像烟雾净化方法
CN114078218A (zh) * 2021-11-24 2022-02-22 南京林业大学 一种自适应融合的森林烟火识别数据增广方法
CN114155151A (zh) * 2021-12-08 2022-03-08 北京安云世纪科技有限公司 图像绘制方法、装置、设备及存储介质
CN114565702A (zh) * 2022-02-25 2022-05-31 北京鼎事兴教育咨询有限公司 文本图像生成方法、装置及电子设备
CN114565891A (zh) * 2022-02-28 2022-05-31 国网安徽省电力有限公司亳州供电公司 一种基于图形生成技术的烟火监测方法及系统
CN114639058A (zh) * 2022-04-01 2022-06-17 中国科学技术大学先进技术研究院 火灾烟雾图像检测方法、装置、设备及存储介质
CN114998737A (zh) * 2022-06-08 2022-09-02 徐州才聚智能科技有限公司 一种远距离烟雾检测方法、系统、电子设备及介质
CN114998686A (zh) * 2022-06-08 2022-09-02 徐州才聚智能科技有限公司 烟雾检测模型构建方法、装置、设备、介质及检测方法
CN115393470A (zh) * 2022-10-28 2022-11-25 成都航空职业技术学院 一种文物数字线图的绘制方法、绘制系统及绘制装置
CN117036216A (zh) * 2023-07-24 2023-11-10 四川弘和数智集团有限公司 一种数据生成方法、装置、电子设备及存储介质
CN117037062A (zh) * 2023-08-14 2023-11-10 国机工业互联网研究院(河南)有限公司 一种目标物体抓取方法、系统、电子设备及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FIgLib & SmokeyNet: Dataset and Deep Learning Model for Real-TimeWildland Fire Smoke Detection;Anshuman Dewangan等;《remote sensing》;1-15 *
GPU上具有复杂光照烟雾动画的绘制;李伟伟等;《吉林大学学报（理学版）》;第49卷(第4期);717-722 *
基于特效合成数据增广的YOLO算法在烟雾检测中的应用;凌宇志等;《数字通信世界》;99-101 *
遮挡图像数据生成系统;梅若恒;《光学精密工程》;第29卷(第5期);1136-1144 *

Also Published As

Publication number Publication date
CN117253231A (zh) 2023-12-19

Similar Documents

Publication Publication Date Title
US10861232B2 (en) Generating a customized three-dimensional mesh from a scanned object
CN109753953B (zh) 图像中定位文本的方法、装置、电子设备和存储介质
CN104820990A (zh) 一种交互式图像抠图系统
CN115812221A (zh) 图像生成及着色方法及装置
CN110675940A (zh) 病理图像标注方法、装置、计算机设备及存储介质
CN110880176B (zh) 一种基于对抗生成网络的半监督工业图像缺陷分割方法
CN108197567B (zh) 用于图像处理的方法、装置和计算机可读介质
CN111091167A (zh) 标志识别训练数据合成方法、装置、电子设备及存储介质
CN113096147B (zh) 一种基于matlab的激光标记阴影的自动生成方法
CN108900895B (zh) 一种对视频流的目标区域的屏蔽方法及其装置
CN117253231B (zh) 一种油气站图像处理方法、装置、电子设备及存储介质
CN110334818B (zh) 一种管路自动识别的方法及系统
CN107533760A (zh) 一种图像分割方法和装置
CN117036216A (zh) 一种数据生成方法、装置、电子设备及存储介质
CN113947529B (zh) 图像增强方法、模型训练方法、构件识别方法及相关设备
CN116432160A (zh) 基于rpa和lbp特征的滑块验证码识别方法及系统
CN115995086A (zh) 端子排图纸短连片图元的识别方法、设备及存储介质
CN115578362A (zh) 电极涂层的缺陷检测方法、装置、电子设备及介质
CN115661851A (zh) 获取样本数据及构件识别方法及电子设备
CN114723601A (zh) 一种虚拟场景下的模型结构化建模及快速渲染方法
CN114240734A (zh) 图像数据增广方法、装置、电子设备及存储介质
CN112256896A (zh) 一种cad图元自动识别与替换方法
CN113674142A (zh) 图像中目标物的消融方法、装置、计算机设备及介质
CN109285166B (zh) 基于全卷积网络的交叠、粘连染色体自动分割方法
CN111598835A (zh) 一种服装图片颜色的匹配方法、系统和匹配装置

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