[发明专利]救援现场图像的识别方法、装置、设备及计算机介质

说明书

本发明涉及人工智能技术，揭露了一种救援现场图像的识别方法，包括：利用拖车场景图像集和搭电场景图像集对初始图像识别模型进行训练，得到第一目标检测模型和第二目标检测模型；将第一目标检测模型和第二目标检测模型聚合为并行检测模型，利用并行检测模型初步判断待识别救援场景图像所属的场景标签是否为拖车场景或为搭电场景，再将待识别救援场景图像根据所属的场景标签输入至与第一目标检测模型或第二检测模型进行图像识别。因此本发明提出的救援现场图像的识别方法、装置及计算机可读存储介质。此外，本发明还涉及区块链技术，拖车场景图像集和搭电场景图像集可存储于区块链节点中。本发明可以提高救援现场图像的识别的效率。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种救援现场图像的识别方法、装置、电子设备及计算机可读存储介质。

背景技术

由于交通的发展，越来越多的人选择驾车出行，在出行过程中若遇到交通事故等意外事件，通常结合救援现场的图像进行处理，通过获取救援现场图像的识别结果，救援人员可以准确迅速的采取救援行动，进而减少交通事故带来的损失并能及时舒缓交通压力。

目前大多对于救援现场的图像的识别方法为：将救援现场图片依次输入到单一功能的识别网络中进行判断。该方法中，由于识别救援现场图片在每个识别网络进行识别时都需要花费大量的时间，识别效率不高，不能满足救援的实时性要求。因此，如何提高对救援现场图片识别的效率，成为了亟待解决的问题。

发明内容

本发明提供一种救援现场图像的识别方法、装置、电子设备及计算机可读存储介质，其主要目的在于提高对救援现场图片识别的效率。

为实现上述目的，本发明提供的一种救援现场图像的识别方法，包括：

获取拖车场景图像集和搭电场景图像集；

对所述拖车场景图像集进行图像扩展，得到第一扩展图像集，对所述搭电场景图像集进行图像扩展，得到第二扩展图像集；

获取卷积神经网络构建的初始图像识别模型；

利用所述第一扩展图像集对所述初始图像识别模型进行训练，得到拖车场景的第一目标检测模型；

利用所述第二扩展图像集对所述初始图像识别模型进行训练，得到搭电场景的第二目标检测模型；

将所述第一目标检测模型和所述第二目标检测模型聚合为并行检测模型；

获取待识别救援现场图像，将所述待识别救援现场图像输入至所述并行检测模型，通过所述并行检测模型确定所述待救援现场图像的场景标签；

若所述场景标签为标识所述拖车场景的第一标签，则将所述待识别救援现场图像输入至所述第一目标检测模型，得到所述待识别救援现场图像中拖车和被拖车辆的识别结果；

若所述场景标签为标识所述搭电场景的第二标签，则将所述待识别救援现场图像输入至所述第二目标检测模型，得到所述待识别救援现场图像中搭电器件的识别结果。

可选地，所述得到所述待识别救援现场图像中拖车和被拖车辆的识别结果之后，所述方法还包括：

若所述识别结果为所述待识别救援现场图像中不存在拖车或被拖车辆，则调节所述待识别救援现场图像的角度或亮度；

利用所述第一目标检测模型再次识别所述待识别救援现场图像中是否存在拖车或被拖车辆。

可选地，所述得到所述待识别救援现场图像中搭电器件的识别结果之后，所述方法还包括：

若所述识别结果为所述待识别救援现场图像中不存在搭电器件，则调节所述待识别救援现场图像的角度或亮度；

利用所述第二目标检测模型再次识别所述待识别救援现场图像中是否存在搭电器件。