[发明专利]合成图像类别确定方法、装置、存储介质及电子装置

说明书

本发明提供了一种合成图像类别确定方法、装置、存储介质及电子装置，其中，该方法包括：将目标合成图像输入预先训练好的目标神经网络模型中，得到该目标神经网络模型输出的多个子图的坐标信息与该多个子图的特征向量；根据该多个子图的特征向量对该多个子图进行分组，得到分组结果；根据该分组结果确定该多个子图的图像类别，其中，该图像类别包括特写图与抓拍图，可以解决相关技术中需要预设行列组合，对于未知的合成图的图像类型无法识别，且对于噪声较多的合成图像识别准确率低的问题，可以识别任意组合的合成图的类型，并精准识别子图属于特写图或者抓拍图。

技术领域

本发明涉及图像处理领域，具体而言，涉及一种合成图像类别确定方法、装置、存储介质及电子装置。

背景技术

违章抓拍是利用一系列声光设备，对现场违章人员的行为过程进行自动抓拍取证的一套技术手段。应用于道路交通领域时，能够实时获取交通违章的非机动车和行人违章行为的图像和视频，适用于目前道路上的非机动车和行人等违章行为的抓拍取证，具有声光警示功能，可以对违章的非机动车和行人进行提示，将并录像和图像进行存储，便于后期的数据统计、分析和调用。

一般情况下，违章判罚图片会以一组为单位传输到判断设备，一组图像会包含用于展示车辆特征(车牌、车内驾驶员等)的特写图和展示车辆在场景中位置及其周边信息的抓拍图(特写图与抓拍图的个数不固定，组成的合成图排列也不固定)，构成一个完整的违章证据链。现有的交通违章判罚很大程度上依赖于人工校验，需要人力读图判断违章与否，耗时较大。

相关技术中提出一种违章合成图的拆分方法，依据预设行列组合对违章合成图进行拆分，获得以预设行列组合排列的至少两个子图；确定预设行列组合下违章合成图中的特写图及位置图，将预设行列组合中预设位置处的子图作为特写子图，非预设位置处的子图作为抓拍子图；计算特写子图与抓拍子图的特写差异度，获取每个预设位置对应的特写差异度；比较所有预设位置对应的特写差异度，确定最大的特写差异度对应的预设位置处的子图为违章合成图中的特写图，其他子图作为抓拍图。需要预设行列组合，对于未知的合成图类型无法拆分，合成图中各个子图大小也可能不同，采用均分拆分方法无法解决此类问题；另外此方法区分特写图与抓拍图是直接利用像素均值做差，如果图中噪声较多，场景中信息变化较大，该方法准确率将大大降低。

针对相关技术中需要预设行列组合，对于未知的合成图的图像类型无法识别，且对于噪声较多的合成图像识别准确率低的问题，尚未提出解决方案。

发明内容

本发明实施例提供了一种合成图像类别确定方法、装置、存储介质及电子装置，以至少解决相关技术中需要预设行列组合，对于未知的合成图的图像类型无法识别，且对于噪声较多的合成图像识别准确率低的问题。

根据本发明的一个实施例，提供了一种合成图像类别确定方法，包括：

将目标合成图像输入预先训练好的目标神经网络模型中，得到所述目标神经网络模型输出的多个子图的坐标信息与所述多个子图的特征向量；

根据所述多个子图的特征向量对所述多个子图进行分组，得到分组结果；

根据所述分组结果确定所述多个子图的图像类别，其中，所述图像类别包括特写图与抓拍图。

可选地，在根据所述分组结果确定所述多个子图的图像类别之后，所述方法还包括：

根据所述多个子图的坐标信息对所述多个子图进行定位；

根据所述分组结果与所述多个子图的坐标信息对所述多个子图进行拆分。

可选地，根据所述多个子图的特征向量对所述多个子图进行分组，得到分组结果包括：

确定所述多个子图中每两个子图的特征向量的余弦值；

将所述余弦值大于预设阈值的两个子图划分到同一组中，得到所述分组结果。