[发明专利]图像处理方法、装置、电子设备及计算机可读取存储介质

说明书

本申请提供一种图像处理方法、装置、电子设备及计算机可读取存储介质，涉及路侧感知的图像处理技术领域。该方法包括：基于标注图像中的标注框，提取多个标注目标图像；对每个标注目标图像进行清晰度检测，得到对应的清晰度结果；根据多个清晰度结果对多个标注目标图像进行筛选，得到训练图像。本申请能够将高清图像中标注的数据移植复用到较小尺寸的图像中，以对图像中不清晰的标注目标进行过滤，有效地提高了得到的训练图像的准确性，从而提高了检测模型基于训练图像进行训练时，对图像中路侧的物体进行检测和类型识别的准确性，能够为用户提供高精度的物体检测信息以实现预警、提示等多种功能，优化了用户端的使用体验。

技术领域

本申请涉及路侧感知的图像处理技术领域，具体而言，涉及一种图像处理方法、装置、电子设备及计算机可读取存储介质。

背景技术

一些路段的道路场景比较开阔，在路侧的处理设备对道路情况进行图像采集时，在采集的原始高清图像上放大处理，能看到200米甚至300米以外的物体。而目前的基于深度学习的检测方法往往需要人工对图像中的物体进行标注，以利用这些标注数据，对检测模型进行训练，从而使检测模型能够在未标注图像中检测并识别图像中的物体。

由于路侧的处理设备的算力限制以及当前深度学习技术的限制，通常是使用低算力的模型进行检测和识别，并且，由于原图与检测模型输入尺寸的不同，输入图像时会对原图的尺寸进行缩放，导致缩小的图像中远处物体的语义特征较为模糊，而这些语义特征不清晰的物体会给检测模型的训练带来负面影响，导致检测模型对物体进行检测和类型识别时产生错误，检测模型的检测准确性较低，无法为用户提供较高精度的物体检测信息。

发明内容

有鉴于此，本申请实施例的目的在于提供一种图像处理方法、装置、电子设备及计算机可读取存储介质，以改善现有技术中存在的训练数据中标注物体不清晰导致的检测模型检测准确性较低的问题。

为了解决上述问题，第一方面，本申请实施例提供了一种图像处理方法，所述方法包括：

基于标注图像中的标注框，提取多个标注目标图像；

对每个所述标注目标图像进行清晰度检测，得到对应的清晰度结果；

根据多个所述清晰度结果对多个所述标注目标图像进行筛选，得到训练图像。

在上述实现过程中，通过对标注图像中多个标注目标对应的单个标注目标图像进行提取，能够对每个标注目标图像是否清晰进行检测，从而根据检测的清晰度结果对标注目标进行筛选，以剔除一些模糊且较远的标注目标，保留清晰和关键的标注目标图像作为训练图像。能够将高清图像中标注的数据移植复用到较小尺寸的图像中，以对图像中不清晰的标注目标进行过滤，有效地提高了得到的训练图像的准确性，从而提高了检测模型基于训练图像进行训练时，对图像中路侧的物体进行检测和类型识别的准确性，能够为用户提供高精度的物体检测信息以实现预警、提示等多种功能，优化了用户端的使用体验。

可选地，所述基于标注图像中的标注框，提取多个标注目标图像，包括：

根据所述标注图像中的每个所述标注框进行外扩处理，以确定对应的裁剪区域；

基于每个所述裁剪区域，在所述标注图像中进行裁剪，以得到相应的所述标注目标图像。

在上述实现过程中，在对标注图像中各个标注目标对应的标注目标图像进行提取时，为了更好地区分标注目标与背景区域，可以对每个标注框进行外扩处理，从而得到较大的裁剪区域，以根据裁剪区域获取包含标注目标与背景区域的标注目标图像。通过外扩处理的方式截取包含由标注目标和背景区域的图像，有效地提高了标注目标图像的完整性，以便于后续对标注目标图像进行清晰度检测。

可选地，所述对每个所述标注目标图像进行清晰度检测，得到对应的清晰度结果，包括：

基于方差算法，计算得到每个所述标注目标图像的方差数据；