[发明专利]一种图像处理方法、装置、介质和设备

说明书

本发明涉及数据业务技术领域，特别涉及一种图像处理方法、装置、介质和设备。根据本发明提供的方案，可以在确定出每个车位对应的车位图像后，利用预先训练出的卷积神经网络模型，将占用车位的车辆颜色相同的车位图像划分为一类。如果一类车位图像中包括多个，那么这些车位图像就可以认为是对应同一个车位的重复车位图像。由于预先训练出的卷积神经网络模型，对颜色的识别精度较高，因此，通过对车辆颜色的准确识别，可以实现对重复车位图像的准确识别，提高车位去重的准确性，避免车位的重复统计。

技术领域

本发明涉及数据业务技术领域，特别涉及一种图像处理方法、装置、介质和设备。

背景技术

随着智慧城市的部署，越来越多的停车场用部署的监控摄像头来收集停车场的图像，然后根据物体识别技术判断各车位是否被占用。尤其是在大型的停车场，往往利用部署的监控摄像头来进行安全录像，从而检测停车场的车位占用、空闲情况，以便指导车辆停驶，避免车辆无目的停驶，以及可能造成的各种拥塞、事故。

但由于摄像头的角度和拍摄范围有限，大型停车场往往部署了不止一个监控摄像头，以全方位无死角地监控停车场发生的各类事件。多个监控摄像头捕捉收集的图像汇总、拼接后，再通过图像识别技术来分别判断每个车位的占用、空闲情况，从而统计出整个停车场的空闲车位数量，甚至可以勾画出整个停车场中各个车位的使用情况。

而多个监控摄像头捕捉到的车位往往会有重叠，即处于多个监控摄像头拍摄范围内的车位可能会被多次捕捉收集。为了避免车位的重复采集，从而有效、准确地统计出各个车位的使用情况，可以人工实地考察停车场情况，通过人为预设的方式判断重叠区域，然后手动输入系统，设定每个监控摄像头负责监控的车位的范围。但这种方式需要后台开发界面支持系统输入和预设，且一旦监控摄像头的角度发生了变化，或者新增了监控摄像头，或者停车场区域布局发生了变化等等，都需要重新考察，然后重新设定每个监控摄像头负责监控的车位的范围，因此，这种方式进行车位去重，实现过程复杂且容易出错。

另外，现有技术提供的另一种车位去重的方式是，在每个车位上标识序号，然后系统将监控摄像头拍摄到的图像按序号划分出各个车位，对于相同序号的车位进行去重。但这种方式成本比较高，且如果序号被车辆遮挡，角度太偏无法被捕捉或者捕捉不准确，则无法正确进行车位去重，很可能造成对空闲车位数量的误判。

发明内容

本发明实施例提供一种图像处理方法、装置、介质和设备，用于解决车位去重准确性较低的问题。

一种图像处理方法，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。

一种图像处理装置，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。

本发明还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有可执行程序，该可执行程序被处理器执行实现如上所述方法的步骤。