一种基于图像识别的场景分析方法及装置

技术领域

本发明涉及图像分析领域，具体而言，涉及一种基于图像识别的场景分析方法及装置。

背景技术

随着图像识别技术的不断发展，智能化图像识别技术越来越多地应用在人们的生活、工作和学习之中。例如，利用图像识别技术对安防图像进行识别和分析，可以增加安防设施所在地的安全保障系数。

目前，在安防系统的图像识别与分析过程之中，往往对摄像头获取的原始图像数据和视频数据进行识别和分析，但是这样直接对原始图像进行分析的方法会导致分析结果不准确、分析效率低下等技术问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种基于图像识别的场景分析方法及装置，以至少解决现有技术中仅仅通过原始图像数据进行识别和分析，降低了分析的精准度和分析效率的技术问题。

根据本发明实施例的一个方面，提供了一种基于图像识别的场景分析方法，包括：获取远程图像数据；根据所述远程图像数据，生成待识别图像数据；通过场景识别模型对所述待识别图像数据进行识别，得到待分析图像数据；根据预设安防规则，对所述待分析图像数据进行分析，得到分析结果。

可选的，在所述获取远程图像数据之后，所述方法还包括：将所述远程图像数据进行优化处理。

可选的，在所述通过场景识别模型对所述待识别图像数据进行识别，得到待分析图像数据之前，所述方法还包括：通过所述待识别图像数据训练所述场景识别模型。

可选的，所述分析结果包括：异常、正常、疑似异常。

根据本发明实施例的另一方面，还提供了一种基于图像识别的场景分析装置，包括：获取模块，用于获取远程图像数据；生成模块，用于根据所述远程图像数据，生成待识别图像数据；识别模块，用于通过场景识别模型对所述待识别图像数据进行识别，得到待分析图像数据；分析模块，用于根据预设安防规则，对所述待分析图像数据进行分析，得到分析结果。

可选的，所述装置还包括：优化模块，用于将所述远程图像数据进行优化处理。

可选的，所述装置还包括：训练模块，用于通过所述待识别图像数据训练所述场景识别模型。

可选的，所述分析结果包括：异常、正常、疑似异常。

根据本发明实施例的另一方面，还提供了一种包括指令的计算机程序产品，当所述指令在计算机上运行时，使得所述计算机执行一种基于图像识别的场景分析方法。

根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种基于图像识别的场景分析方法。

在本发明实施例中，采用获取远程图像数据；根据所述远程图像数据，生成待识别图像数据；通过场景识别模型对所述待识别图像数据进行识别，得到待分析图像数据；根据预设安防规则，对所述待分析图像数据进行分析，得到分析结果的方式，解决了现有技术中仅仅通过原始图像数据进行识别和分析，降低了分析的精准度和分析效率的技术问题。

附图说明

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

图1是根据本发明实施例的一种基于图像识别的场景分析方法的流程图；

图2是根据本发明实施例的一种基于图像识别的场景分析装置的结构框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明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，以便这里描述的本发明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。

根据本发明实施例，提供了一种基于图像识别的场景分析方法的方法实施例，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。

实施例一

图1是根据本发明实施例的一种基于图像识别的场景分析方法的流程图，如图1所示，该方法包括如下步骤：

步骤S102，获取远程图像数据。

具体的，本发明实施例为了将远程图像传感器获取到的图像数据进行识别和分析，并根据对应应用场景的分析规则来生成分析结果，供使用人员直观地看到传感器数据抓取情况。其中，远程图像传感器可以是摄像头或者红外成像仪，通过远程传感器可以实时将传感器所在区域的图像数据进行采集并传输至后续模块中。

可选的，在所述获取远程图像数据之后，所述方法还包括：将所述远程图像数据进行优化处理。

具体的，在本发明实施例获取到了远程图像数据之后，为了使得后续的图像识别和图像分析更加精准、更加高效，还可以将远程图像数据进行优化处理，使远程图像数据更加清晰可识别，增加后续识别的成功率和精准度。其中，对于远程图像数据的优化处理可以是图像降噪、图像瑕点去除等优化操作。

需要说明的是，对于远程图像数据的优化处理，可以采用均值滤波器，其采用了邻域平均法的均值滤波器去除通过扫描得到的图象中的颗粒噪声，领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与邻域半径成正比，其中，谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声。优化处理还可以采用自适应维纳滤波器它能根据图象的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像f^(x,y)与原始图像f(x,y)的均方误差e2＝E[(f(x,y)-f^(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。

步骤S104，根据所述远程图像数据，生成待识别图像数据。

具体的，当远程图像数据优化完毕之后，需要根据原始的远程图像数据识别成待识别图像数据，本发明实施例为便于将远程图像数据进行识别和分析，可以将远程图像数据通过二值化处理，生成专门用于后续识别的待识别图像数据。

需要说明的是，上述二值化处理是图像分割的一种最简单的方法。二值化可以把灰度图像转换成二值图像。把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，从而实现二值化。根据阈值选取的不同，二值化的算法分为固定阈值和自适应阈值。在本发明实施例中可以使用的二值化方法有：双峰法、P参数法、迭代法和OTSU法等。

步骤S106，通过场景识别模型对所述待识别图像数据进行识别，得到待分析图像数据。

具体的，本发明实施例利用了场景识别模型，在预设场景下对待识别图像数据进行训练，并根据训练好的模型进行待分析图像数据的输出，其中，上述场景识别模型是根据使用者对于不同场景进行参数选择而形成的模型，例如安防场景、环境分析场景，每种场景所对应的模型特征向量变换内容不同，利用不同场景识别模型来识别待识别图像数据，可以有针对性地生成待分析图像数据，便于后续生成分析结果之用。

可选的，在所述通过场景识别模型对所述待识别图像数据进行识别，得到待分析图像数据之前，所述方法还包括：通过所述待识别图像数据训练所述场景识别模型。

步骤S108，根据预设安防规则，对所述待分析图像数据进行分析，得到分析结果。

可选的，所述分析结果包括：异常、正常、疑似异常。

具体的，在得到待分析图像数据之后，为了进一步分析图像数据从而得到分析结果，即分析该图像是否符合预设的安防规则，还可以根据场景识别模型来确定预设安防规则，上述预设安防规则用于对待分析图像数据进行计算和分析，得到的分析结果包括：异常、正常、疑似异常。例如，预设安防规则中固定出现超过一个人物轮廓时，采取安防预警和安防措施，那么当分析结果为2个人物轮廓时，则启动安防预警和安防措施，如果分析结果为1个人物轮廓以及不清晰的半个人物轮廓等情况，则将分析结果定为“疑似异常。”

通过上述实施例，解决了现有技术中仅仅通过原始图像数据进行识别和分析，降低了分析的精准度和分析效率的技术问题。

实施例二

图2是根据本发明实施例的一种基于图像识别的场景分析装置的结构框图，如图2所示，该装置包括：

获取模块20，用于获取远程图像数据。

具体的，本发明实施例为了将远程图像传感器获取到的图像数据进行识别和分析，并根据对应应用场景的分析规则来生成分析结果，供使用人员直观地看到传感器数据抓取情况。其中，远程图像传感器可以是摄像头或者红外成像仪，通过远程传感器可以实时将传感器所在区域的图像数据进行采集并传输至后续模块中。

可选的，所述装置还包括：优化模块，用于将所述远程图像数据进行优化处理。

具体的，在本发明实施例获取到了远程图像数据之后，为了使得后续的图像识别和图像分析更加精准、更加高效，还可以将远程图像数据进行优化处理，使远程图像数据更加清晰可识别，增加后续识别的成功率和精准度。其中，对于远程图像数据的优化处理可以是图像降噪、图像瑕点去除等优化操作。

需要说明的是，对于远程图像数据的优化处理，可以采用均值滤波器，其采用了邻域平均法的均值滤波器去除通过扫描得到的图象中的颗粒噪声，领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与邻域半径成正比，其中，谐波均值滤波器对“盐”噪声效果更好,但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声。优化处理还可以采用自适应维纳滤波器它能根据图象的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。它的最终目标是使恢复图像f^(x,y)与原始图像f(x,y)的均方误差e2＝E[(f(x,y)-f^(x,y)2]最小。该方法的滤波效果比均值滤波器效果要好,对保留图像的边缘和其他高频部分很有用,不过计算量较大。维纳滤波器对具有白噪声的图象滤波效果最佳。

生成模块22，用于根据所述远程图像数据，生成待识别图像数据。

具体的，当远程图像数据优化完毕之后，需要根据原始的远程图像数据识别成待识别图像数据，本发明实施例为便于将远程图像数据进行识别和分析，可以将远程图像数据通过二值化处理，生成专门用于后续识别的待识别图像数据。

需要说明的是，上述二值化处理是图像分割的一种最简单的方法。二值化可以把灰度图像转换成二值图像。把大于某个临界灰度值的像素灰度设为灰度极大值，把小于这个值的像素灰度设为灰度极小值，从而实现二值化。根据阈值选取的不同，二值化的算法分为固定阈值和自适应阈值。在本发明实施例中可以使用的二值化方法有：双峰法、P参数法、迭代法和OTSU法等。

识别模块24，用于通过场景识别模型对所述待识别图像数据进行识别，得到待分析图像数据。

具体的，本发明实施例利用了场景识别模型，在预设场景下对待识别图像数据进行训练，并根据训练好的模型进行待分析图像数据的输出，其中，上述场景识别模型是根据使用者对于不同场景进行参数选择而形成的模型，例如安防场景、环境分析场景，每种场景所对应的模型特征向量变换内容不同，利用不同场景识别模型来识别待识别图像数据，可以有针对性地生成待分析图像数据，便于后续生成分析结果之用。

可选的，所述装置还包括：训练模块，用于通过所述待识别图像数据训练所述场景识别模型。

分析模块26，用于根据预设安防规则，对所述待分析图像数据进行分析，得到分析结果。

可选的，所述分析结果包括：异常、正常、疑似异常。

具体的，在得到待分析图像数据之后，为了进一步分析图像数据从而得到分析结果，即分析该图像是否符合预设的安防规则，还可以根据场景识别模型来确定预设安防规则，上述预设安防规则用于对待分析图像数据进行计算和分析，得到的分析结果包括：异常、正常、疑似异常。例如，预设安防规则中固定出现超过一个人物轮廓时，采取安防预警和安防措施，那么当分析结果为2个人物轮廓时，则启动安防预警和安防措施，如果分析结果为1个人物轮廓以及不清晰的半个人物轮廓等情况，则将分析结果定为“疑似异常。”

根据本发明实施例的另一方面，还提供了一种包括指令的计算机程序产品，当所述指令在计算机上运行时，使得所述计算机执行一种基于图像识别的场景分析方法。

具体的，上述一种基于图像识别的场景分析方法包括：获取远程图像数据；根据所述远程图像数据，生成待识别图像数据；通过场景识别模型对所述待识别图像数据进行识别，得到待分析图像数据；根据预设安防规则，对所述待分析图像数据进行分析，得到分析结果。

根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种基于图像识别的场景分析方法。

具体的，上述一种基于图像识别的场景分析方法包括：获取远程图像数据；根据所述远程图像数据，生成待识别图像数据；通过场景识别模型对所述待识别图像数据进行识别，得到待分析图像数据；根据预设安防规则，对所述待分析图像数据进行分析，得到分析结果。

通过上述实施例，解决了现有技术中仅仅通过原始图像数据进行识别和分析，降低了分析的精准度和分析效率的技术问题。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，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，在本发明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，本发明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)执行本发明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-On ly 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。

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