[发明专利]一种基于视频抽帧的图像拼接与去重方法及装置

说明书

本发明公开了一种基于视频抽帧的图像拼接与去重方法，包括：获取目标区域的视频数据，并对视频数据进行抽帧，获得一组视频数据的关键帧图像集合；将关键帧图像集合输入到预设的拼接库，获得关键帧集合对应的全景图像和关键帧集合中每张关键帧图像的单应性变换矩阵；将关键帧集合输入到预设的目标检测模型，获得关键帧图像集合中每张关键帧图像的目标检测结果；将关键帧图像集合中每张关键帧图像的目标检测结果进行坐标变换和去重，并将全景图像和全景图像的目标检测去重结果输出。本发明通过自动抽取关键帧能够避免拍摄多张场景照片的人力消耗，同时通过对关键帧的识别和识别结果自动去重，能够节省时间和人力成本，提高识别效率和识别精度。

技术领域

本发明涉及计算机视觉及机器学习技术领域，特别是涉及一种基于视频抽帧的图像拼接与去重方法、装置及计算机可读存储介质。

背景技术

在实际生活中，全景图像拼接和目标检测去重对于大场景下的物体识别和场景理解起着至关重要的作用，它被广泛应用于机器人导航、智能交通监控、工业检测、航空航天等诸多领域，通过这项技术能够减少对人力成本的消耗，具有重要的现实意义。

目前，常用的场景目标检测主要有2种，第一种是通过拍摄多张场景照片进行识别，然后统计所有照片的识别结果，人工对照片中重复识别的目标进行去重，最后得到整个场景中的物体识别信息。这种方法由于需要拍摄许多张图像，然后需要人工对每张识别结果进行去重，因此该方法对人力成本的消耗太大，而且耗时长效率低。另一种常见的场景目标检测是通过拍摄许多张场景图像，然后对这些图像进行全景图像拼接，得到整个大的场景图，再对该场景图进行目标检测，从而得到场景中物体识别结果。这种方法虽然可以避免人工对识别结果进行去重处理，但由于拼接得到的整个场景图像往往具有很大的分辨率，目标检测模型在识别大分辨率图像中的物体时，需要消耗更多的硬件资源和处理时间，同时这种拼接识别对拍摄每张图像的要求较高，需要在拍摄时对每一张照片要校对前后两张的重叠区域和拍摄角度，从而增加了人力成本。此外对大分辨率图像进行缩小识别虽然能够降低硬件资源的消耗，但容易导致物体识别的精度下降，因此这种方法往往因为资源消耗，时间效率和识别精度三者之间无法取得最佳平衡从而其用途受限。

发明内容

本发明的目的是：提供一种基于视频抽帧的图像拼接与去重方法及装置，本发明通过自动抽取关键帧能够避免拍摄多张场景照片的人力消耗，同时通过对关键帧的识别和识别结果自动去重能够节省时间和人力成本，提高识别效率和保证识别的精度。

为了实现上述目的，本发明提供了一种基于视频抽帧的图像拼接与去重方法，包括：

获取目标区域的视频数据，并对所述视频数据进行抽帧，获得一组所述视频数据的关键帧图像集合；

将所述关键帧图像集合输入到预设的拼接库，获得所述关键帧图像集合对应的全景图像和所述关键帧图像集合中每张关键帧图像的单应性变换矩阵；

将所述关键帧图像集合输入到预设的目标检测模型，获得所述关键帧图像集合中每张关键帧图像的目标检测结果；

将所述关键帧图像集合中每张关键帧图像的目标检测结果进行坐标变换和去重，获得所述全景图像的目标检测去重结果，并将所述全景图像和所述全景图像的目标检测去重结果输出。

进一步地，所述获取目标区域地区的视频数据，并对所述视频数据进行抽帧，获得一组所述视频数据的关键帧图像集合，具体为：

获取目标区域拍摄的视频，并将所述视频根据帧率，分解成单帧图像，构成单帧图像集合；

通过预设的自动抽帧方法，对所述单帧图像集合进行抽帧处理，获得一组关键帧图像集合。

进一步地，将所述单帧图像集合中的第一帧图像标记为关键帧， 并通过预设的关键帧判定方法，判断得出第二帧图像是否为关键帧；

若是，则将所述第一帧加入关键帧集合，并将所述第二帧作为新的关键帧，重复所述预设的关键帧判定方法，依次判断出所述单帧图像集合中所有的关键帧；