[发明专利]一种固定空间、车辆上的图像识别方法及系统

说明书

本发明公开了一种固定空间、车辆上的图像识别方法及系统，其中，依据第一指示信息获取固定空间的多个第一图像，用预设矩形框对多个该第一图像中的目标物进行标注，依据该标注确定多个该第一图像的特征区域，依据该特征区域的信息建立第一数据集，并依据该第一数据集建立识别训练模型；依据第二指示信息获取该固定空间的第二图像；依据该识别训练模型对该第二图像进行识别，该识别包括该识别训练模型识别与该第一图像中的特征区域的信息对应的该第二图像的特征区域，生成识别的结果，解决了在固定空间内，图像识别的误报率高，人工筛选图像工作量大的问题，提升了图像识别的准确率，并且这种方式大大降低了人工筛选的工作量。

技术领域

本发明涉及图像处理领域，具体而言，涉及一种固定空间、车辆上的图像识别方法及系统。

背景技术

随着互联网技术的发展，很多行业出现无人值守，例如共享汽车、共享单车、共享酒店、监控室、仓库、储存室等固定空间，客户通过互联网租赁，以及还车（退房），因管理方无人值守，一直存在需要解决如何有效地进行远程监控的问题。随着监控数量的增多，人工通过检视照片或视频的效率严重受制约，尤其是快速增长的共享汽车和共享单车行业。

例如：停放的车辆不规范，车辆内部被损坏，客户遗留物品在车辆上，租车与实际驾车不是同一人导致无证驾驶等问题。现有的租赁业务，依赖工作人员现场或者通过视频照片的方式，受限于人工识别的效率，无法应对快速增长的业务需求，以及24小时不间断的突变检测监控。同时传统的视频图像自动监控的图像算法为拍摄固定空间内 ，以第一时间点的图片作为基准，接下来以第二时间点拍摄同样地方的图片，对比两张图片的差异，对差异值发出警报。这种算法，无法区分图片里是人，还是物品，只判断图片的差异，误报率高，导致后期人工筛选的工作量很大，并且自身无学习成长的能力。

针对相关技术中，在固定空间内，图像识别的误报率高，人工筛选图像工作量大的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中在固定空间内，图像识别的误报率高，人工筛选工作量大的问题，本发明提供了一种固定空间、车辆上的图像识别方法及系统，以至少解决上述问题。

根据本发明的一个方面，提供了一种固定空间内的图像识别方法，收获取图像的第一指示信息，依据所述第一指示信息获取固定空间的多个第一图像；

对多个所述第一图像进行预处理，该预处理包括：用预设矩形框对多个所述第一图像中的目标物进行标注，依据所述标注确定多个所述第一图像的特征区域，依据所述特征区域的信息建立第一数据集，并依据所述第一数据集建立识别训练模型；

接收获取图像的第二指示信息，依据所述第二指示信息获取所述固定空间的第二图像；

依据所述识别训练模型对所述第二图像进行识别，所述识别包括所述识别训练模型识别与所述第一图像中的特征区域的信息对应的所述第二图像的特征区域，生成识别的结果。

进一步地，所述对所述多个第一图像进行预处理包括：

用预设矩形框对多个所述第一图像中的目标物进行标注之前，对所述第一图像的背景颜色进行滤色；

判断所述第一图像的平均像素亮度值或文件大小值是否在阈值范围内；

在所述第一图像的平均像素亮度值或文件大小值不在所述阈值内的情况下，删除所述第一图像。

进一步地，依据用预设矩形框对多个所述第一图像中的目标物进行标注之后，包括：

记录所述矩形框所在平面坐标，依据所述平面坐标确定所述目标物的特征区域以及所述特征区域数量，并依据所述特征区域和所述特征区域的数量建立所述第一数据集；

依据所述第一数据集、样品数据集和深度学习框架，建立所述识别训练模型。