[发明专利]一种图像处理方法、装置、介质和设备

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

根据监控摄像头采集到的停车场图像，确定车位图像，其中，一个车位图像对应一个车位；

利用预先训练出的卷积神经网络模型，进行车位图像归类，每一类车位图像中，占用车位的车辆颜色相同；

针对每一类车位图像，若包括至少两个车位图像，则将所述至少两个车位图像，标记为对应同一个车位的重复车位图像。

2.如权利要求1所述的方法，其特征在于，根据监控摄像头采集到的停车场图像，确定车位图像，包括：

利用车位区域线，对监控摄像头采集到的停车场图像进行分割；

根据分割后的停车场图像，确定车位图像。

3.如权利要求1或2所述的方法，其特征在于，利用预先训练出的卷积神经网络模型，进行车位图像归类，包括：

利用预先训练出的卷积神经网络模型，确定对应的车位被车辆占用的车位图像；并，

针对对应的车位被车辆占用的车位图像，进行像素比对，将占用车位的车辆颜色相似度高于设定值的车位图像，确定为同一类车位图像。

4.如权利要求3所述的方法，其特征在于，确定对应的车位被车辆占用的车位图像之后，进行像素比对之前，所述方法还包括：

从对应的车位被车辆占用的车位图像中，确定占用车位的车辆颜色类别相同的车位图像；

针对对应的车位被车辆占用的车位图像，进行像素比对，将占用车位的车辆颜色相似度高于设定值的车位图像，确定为同一类车位图像，包括：

针对占用车位的车辆颜色类别相同的车位图像，进行像素比对，将占用车位的车辆颜色相似度高于设定值的车位图像，确定为同一类车位图像。

5.如权利要求4所述的方法，其特征在于，针对占用车位的车辆颜色类别相同的车位图像，进行像素比对，包括：

利用预先训练出的掩码区域卷积神经网络Mask R-CNN，针对占用车位的车辆颜色类别相同的车位图像，进行像素块划分，并对划分出的像素块进行比对。

6.如权利要求1或2所述的方法，其特征在于，确定车位图像之后，进行车位图像归类之前，所述方法还包括：根据每个车位图像对应的停车场图像采集时间，为每个车位图像标记时间戳；

利用预先训练出的卷积神经网络模型，进行车位图像归类，包括：

针对每一组时间戳相同的车位图像，利用预先训练出的卷积神经网络模型，进行车位图像归类；

将针对每一组时间戳相同的车位图像，均确定为属于同一类的车位图像，作为最终确定出的属于同一类的车位图像。

7.一种图像处理装置，其特征在于，所述装置包括：

分割模块，用于根据监控摄像头采集到的停车场图像，确定车位图像，其中，一个车位图像对应一个车位；

归类模块，用于利用预先训练出的卷积神经网络模型，进行车位图像归类，每一类车位图像中，占用车位的车辆颜色相同；

标记模块，用于针对每一类车位图像，若包括至少两个车位图像，则将所述至少两个车位图像，标记为对应同一个车位的重复车位图像。

8.如权利要求7所述的装置，其特征在于，所述分割模块，具体用于利用车位区域线，对监控摄像头采集到的停车场图像进行分割；根据分割后的停车场图像，确定车位图像。

9.如权利要求7或8所述的装置，其特征在于，所述归类模块，利用预先训练出的卷积神经网络模型，进行车位图像归类，包括：利用预先训练出的卷积神经网络模型，确定对应的车位被车辆占用的车位图像；并，针对对应的车位被车辆占用的车位图像，进行像素比对，将占用车位的车辆颜色相似度高于设定值的车位图像，确定为同一类车位图像。