[发明专利]一种图像处理方法及系统

说明书

本发明公开了一种图像处理方法及系统，包括：获取样本场景信息及在样本场景拍摄的样本场景图像，根据所述样本场景信息及所述样本场景图像进行模型训练，得到样本cv模型；获取待识别场景的场景信息，并拍摄所述待识别场景的实际场景图像；将所述待识别场景的场景信息与样本场景信息进行比较，获取比较结果，根据所述比较结果对所述样本cv模型的像素的识别范围进行调整，得到修正cv模型；将所述实际场景图像输入所述修正cv模型，输出对所述实际场景图像的识别结果。有益效果：根据待识别场景的场景信息与样本场景信息对样本cv模型的最大识别像素及最小识别像素进行调节，增加最后识别结果的精确性。

技术领域

本发明属于视觉检测技术领域，特别涉及一种图像处理方法及系统。

背景技术

模型算法会根据模型训练数据集生成图像识别模型，由于训练数据集的场景不可能无限多,以及物体本身成像的物理原因,画面中的目标尺寸在超过一定范围后越小/越大,其可分辨性越差，因此算法模型对目标的可识別像素会有适合的最大识别像素及最小识别像素，由于超出最大识别像素及小于最小识别像素时，识别的正确率会大幅降低。目前，CV模型的识别参数是内化固定的，不能够灵活调节，如果画面中的目标尺寸超出最大识别像素及未达到最小识别像素后均不予识别，且在算法识别结果上不予体现。

发明内容

本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的第一个目的在在于提出了一种图像处理方法，根据待识别场景的场景信息对样本cv模型的最大识别像素及最小识别像素进行调节，增加最后检测结果的精确性。

本发明的第二个目的于提出一种图像处理系统。

为达到上述目的，本发明第一方面实施例提出了一种图像处理方法，包括：

获取样本场景信息及在样本场景拍摄的样本场景图像，根据所述样本场景信息及所述样本场景图像进行模型训练，得到样本cv模型；所述样本cv模型的配置参数包括像素的识别范围；所述识别范围包括最大识别像素及最小识别像素；

获取待识别场景的场景信息，并拍摄所述待识别场景的实际场景图像；

将所述待识别场景的场景信息与样本场景信息进行比较，获取比较结果，根据所述比较结果对所述样本cv模型的像素的识别范围进行调整，得到修正cv模型；

将所述实际场景图像输入所述修正cv模型，输出对所述实际场景图像的识别结果。

进一步地，所述样本场景信息包括样本场景的光线强度、拍摄所述样本场景图像时摄像头的角度及高度。

进一步地，在输出对所述实际场景图像的识别结果后，还包括：

对所述识别结果进行解析，在确定所述实际场景图像中对应的目标区域出现异常时，发出报警提示。

进一步地，所述将所述待识别场景的场景信息与样本场景信息进行比较，获取比较结果，根据所述比较结果对所述样本cv模型的像素的识别范围进行调整，包括：

根据所述比较结果，在确定所述待识别场景的光线强度大于样本场景的光线强度且拍摄所述待识别场景的摄像头的角度及高度均分别小于拍摄所述样本场景的摄像头的角度及高度时，确定所述待识别场景相对于所述样本场景为光线好的近景场景，将所述样本cv模型的最大识别像素及最小识别像素进行调大处理；

根据所述比较结果，在确定所述待识别场景的光线强度小于样本场景的光线强度且拍摄所述待识别场景的摄像头的角度及高度均分别大于拍摄所述样本场景的摄像头的角度及高度时，确定所述待识别场景相对于所述样本场景为光线差的远景场景，将所述样本cv模型的最大识别像素及最小识别像素进行调小处理。

进一步地，在输出对所述实际场景图像的识别结果后，还包括：