[发明专利]一种基于机器学习的初始数据处理方法和系统

说明书

本发明公开了一种基于机器学习的初始数据处理方法和系统，涉及数据处理领域。所述方法包括以下步骤：S1，采集若干场景数据；S2，利用采集的若干组场景数据对进行训练和构建机器学习模型；S3，采集待处理的低质量初始数据；S4，将获取的低质量初始数据输入经过训练好的机器学习模型，输出得到对应的高质量的场景数据；S5，将得到的高质量初始数据进行ISP图像处理，获得高质量的场景图像。本发明提供的技术方案，针对于不同的极端环境都具有较好的通用性，不需要增加不同的特定处理模块，适用各类数据处理，通过将初始数据做恢复处理，保留初始数据中的各种细节信息，并将保留细节信息的初始数据用于ISP图像处理，得到高质量的输出图像。

技术领域

本发明涉及数据处理领域，尤其是一种基于机器学习的初始数据处理方法和系统。

背景技术

随着计算机视觉技术的快速发展，摄像头作为一种重要的感知手段，被广泛应用于安防、监控等领域。作为后端处理模块的输入端，摄像头成像质量的好坏至关重要。从传感器端获取初始数据之后，传统的处理流程是直接将初始数据送到ISP(图像信号处理)模块,经过ISP模块处理之后输出YUV或者RGB图像。该处理流程在正常环境下可以取得较好的效果，但是，在某些环境恶劣或极端条件下输出的图像效果不够理想，后端处理模块还需要增加特定模块来对信号单独进行处理。这类处理方法会带来一定的缺陷：一方面，不同的极端环境需要增加不同的特定处理模块，不具有通用性；另一方面，ISP的处理会造成初始数据细节信息的丢失，在已经丢失输入信息的前提下特定处理模块无法做到最优。

发明内容

本发明的发明目的在于：针对上述存在的问题，为了提高摄像头在极端环境下的成像效果，减少后端的处理模块，提出了一种新的ISP处理方法，通过在获得的raw数据之后增加一个raw数据的处理模块，原始raw数据经过raw数据处理模块之后再送入ISP模块。

本发明采用的技术方案如下：

一方面，本发明提供了一种基于机器学习的初始数据处理方法，用于针对极端环境进行原始场景数据恢复，包括以下具体步骤：

S1，采集若干场景数据，利用前端的传感器对场景数据进行采集，得到若干组场景数据对；所述数据对包括同一场景的高质量初始数据和低质量初始数据；

S2，利用采集的若干组场景数据对进行训练和构建机器学习模型；

S3，采集待处理的场景初始数据，利用前端传感器对待处理的恶劣或极端场景数据进行采集，得到该场景对应的待处理的低质量初始数据；

S4，将获取的低质量初始数据输入经过训练好的机器学习模型，通过模型处理后输出得到对应的高质量的场景数据；

S5，将得到的高质量初始数据进行ISP图像处理，输出获得高质量的场景图像。

所述场景为恶劣或极端的自然场景，包括低照度场景、欠曝场景、过曝场景。

不同的极端场景对应的数据对采集方式不同；

对于低照度场景的数据对采集，采用短曝光+长曝光的方式：首先固定摄像头拍摄短曝光Raw图像，然后保持摄像头不动，拍摄长曝光Raw图像；

对于欠曝光场景的数据对采集：首先固定摄像头拍摄该场景正常光照条件下的Raw图像，然后调节环境亮度，使场景中的目标物体处于欠曝光环境，并拍摄对应的Raw图像；

对于过曝光场景的数据对采集，按照欠曝光场景数据对采集的方式进行数据对采集。

所述步骤S2中，由于每组数据对包含同一场景的效果较好的高质量初始数据和效果较差的低质量初始数据，将采集的初始数据对送入机器学习模型对学习模型进行训练，利用低质量初始数据和高质量初始数据之间的模型映射关系，得到训练好的机器学习模型。