[发明专利]一种图像处理方法、装置及设备

说明书

本申请提供一种图像处理方法、装置及设备，该方法包括：获取第一摄像机采集的第一图像，从第一图像中确定出目标对象所在的第一区域，确定第一区域对应的第一像素坐标；从第二摄像机采集的多个图像中选取与第一图像关联的第二图像；基于第一摄像机的图像坐标系与第二摄像机的图像坐标系之间的转换关系，将第一像素坐标转换为第二图像中的第二像素坐标，基于第二像素坐标从第二图像中确定出目标对象所在的第二区域；对第一图像中的第一区域进行标定，对第二图像中的第二区域进行标定，并关联已标定的第一图像和已标定的第二图像。通过本申请的技术方案，能够在不同摄像机采集的图像中确定同一目标对象，对目标对象进行自动标定，不需要人工标定。

技术领域

本申请涉及智能交通技术领域，尤其涉及一种图像处理方法、装置及设备。

背景技术

目标场景(如道路的路口等)通常会部署摄像机(如模拟摄像机、网络摄像机等)，通过摄像机采集目标场景的大量图像，基于这些图像能够及时发现违章车辆，并对违章车辆进行处罚，从而提示驾驶员不要危险驾驶，驾驶过程中需要注意路口状况，能够减少违章情况的发生，减少交通事故的发生。

为了发现违章车辆的违章行为，通常需要采集违章车辆的多张图像，这多张图像组成违章车辆的证据链图像，基于证据链图像能够发现违章车辆的违章行为。比如说，针对“车辆右转未礼让直行”这一违章行为，需要采集三张图像，如车辆驶过停止线位置的图像、车辆驶过未礼让触发线位置的图像、车辆驶过右转分界线位置的图像。基于上述三张图像，能够准确的获知车辆的行驶轨迹，从而发现违章车辆存在“车辆右转未礼让直行”这一违章行为。

但是，若上述三张图像均是位于车辆后侧的摄像机采集的图像，即图像显示的是车尾方向，则可能会发生违章行为被树木/广告牌遮挡等情况，导致无法基于上述三张图像确定违章行为，即可能无法准确确定出违章行为。

发明内容

本申请提供一种图像处理方法，所述方法包括：

获取第一摄像机采集的第一图像，从所述第一图像中确定出目标对象所在的第一区域，并确定所述第一区域对应的第一像素坐标；

从第二摄像机采集的多个图像中选取与所述第一图像关联的第二图像，所述第二图像的采集时刻与所述第一图像的采集时刻相同；其中，所述第二摄像机的可视区域与所述第一摄像机的可视区域存在重叠区域；

基于第一摄像机的图像坐标系与第二摄像机的图像坐标系之间的转换关系，将所述第一像素坐标转换为所述第二图像中的第二像素坐标，并基于所述第二像素坐标从所述第二图像中确定出所述目标对象所在的第二区域；

对所述第一图像中的第一区域进行标定，对所述第二图像中的第二区域进行标定，并关联已标定的第一图像和已标定的第二图像。

在一种可能的实施方式中，所述第一区域为第一矩形区域，所述第一像素坐标包括所述第一矩形区域的4个顶点的第一坐标值，所述第二像素坐标包括4个第一坐标值对应的4个第二坐标值；所述基于所述第二像素坐标从所述第二图像中确定出所述目标对象所在的第二区域，包括：

从所述第二图像中确定出所述4个第二坐标值组成的第二矩形区域；

将所述第二矩形区域确定为所述第二区域；或者，对所述第二矩形区域进行放大处理，将放大处理后的矩形区域确定为所述第二区域。

在一种可能的实施方式中，所述基于所述第二像素坐标从所述第二图像中确定出所述目标对象所在的第二区域之后，所述方法还包括：

将所述第二区域的子图像输入给已训练的目标深度学习模型，由所述目标深度学习模型对所述子图像进行处理，得到所述目标对象对应的属性信息；

其中，所述目标对象对应的属性信息包括以下至少一种：所述目标对象对应的车牌标识、车身特性、人脸特征、用户行为特征；

所述目标深度学习模型为用于检测属性信息的深度学习模型。