[发明专利]一种鱼眼畸变图像的训练样本生成方法、系统及电子设备

说明书

本发明提供一种鱼眼畸变图像的训练样本生成方法、系统及电子设备，该方法通过获取一具有主点坐标及第一样本物体的鱼眼畸变图像，获取所述鱼眼畸变图像中的第一样本物体的边界，记录第一样本物体对应的多个像素点的第一坐标，输入一初始距离值，计算获得所述第一样本物体在鱼眼畸变图像中另一位置对应的多个像素点的第二坐标，并基于所述第二坐标，在鱼眼畸变图像中另一位置生成第二样本物体，获得第一样本物体在不同畸变状态下对应的训练样本，提高了图像识别神经网络的训练效率，降低了对大量真实的鱼眼畸变图像训练样本的依赖，减少训练成本。

【技术领域】

本发明涉及神经网络训练样本生成领域，特别涉及一种鱼眼畸变图像的训练样本生成方法、系统及电子设备。

【背景技术】

机器视觉领域，通过神经网络进行图像识别，需要对神经网络进行训练后才能对特定物体进行准确识别，在进行训练的图像样本中，获取的图像样本可能存在畸变，例如鱼眼镜头拍摄获得的鱼眼畸变图像，特别是在现有的智能售货机中，通常使用的是鱼眼镜头获取实时图像，获取的鱼眼畸变图像中售卖物体产生了不同程度的畸变，使得训练样本需要进行矫正，大大降低了对鱼眼畸变图像中物体识别的效率和准确度。

在现有的鱼眼畸变图像的训练样本获取方法中，通常都是通过鱼眼镜头拍摄直接获取不同的训练样本，使得获取训练样本的效率较低，且增加了成本。

【发明内容】

为了克服目前现有鱼眼畸变图像的训练样本获取方法中样本获取效率较低的问题，本发明提供一种鱼眼畸变图像的训练样本生成方法、系统及电子设备。

本发明为解决上述技术问题，提供一技术方案如下：一种鱼眼畸变图像的训练样本生成方法，包括如下步骤:步骤S1：获取一具有主点坐标及第一样本物体的鱼眼畸变图像；步骤S2：获取所述鱼眼畸变图像中的第一样本物体的边界，基于所述边界，记录所述第一样本物体对应的多个像素点的第一坐标；及步骤S3：输入一初始距离值，计算获得所述第一样本物体在鱼眼畸变图像中另一位置对应的多个像素点的第二坐标，并基于所述第二坐标，在鱼眼畸变图像中另一位置生成第二样本物体，获得第一样本物体在不同畸变状态下对应的训练样本。

优选地，步骤S3具体包括如下步骤：步骤S31：获取输入的一初始距离值，并基于每一像素点对应的第一坐标与主点的距离，计算每个像素点对应的第二坐标；及步骤S32：基于预设的鱼眼畸变图像对应的径向畸变公式及多个第二坐标，多个像素点根据对应的第二坐标移动至对应的畸变位置以生成第二样本物体，获得所述第一样本物体在不同畸变状态下对应的训练样本。

优选地，步骤S31中具体包括如下步骤：步骤S311：选取所述第一样本物体中任一个像素点作为代表点，获得所述代表点与所述主点之间的偏移距离值；步骤S312：在所述鱼眼畸变图像上选取一待测点，并输入该待测点距离所述主点的初始距离值；及步骤S313：基于所述初始距离值与偏移距离值的比值，获得每一像素点对应的第二坐标。

优选地，上述步骤S32中，将多个第二坐标中含有小数的第三坐标进行内插值计算，以对所述第三坐标进行矫正。

优选地，步骤S1具体包括如下步骤：步骤S11：获取一具有圆形有效区域及背景区域的初始鱼眼畸变图像，并基于所述鱼眼畸变图像的长边和宽边建立直角坐标系；步骤S12：基于圆形有效区域边缘的像素值，定位所述圆形有效区域的边缘；及步骤S13：基于圆形有效区域，获取圆形有效区域的主点及主点坐标。

优选地，步骤S2具体包括如下步骤：步骤S21：获取所述鱼眼畸变图像中预先标注的第一样本物体的边界；及步骤S22：选取所述边界内的所有像素点，并记录所有像素点的第一坐标。