[发明专利]图片处理方法、装置、计算机设备和存储介质

说明书

本发明涉及图片处理技术领域，公开了一种图片处理方法、装置、计算机设备和存储介质。该方法利用掩膜处理对监控图片文字识别区域进行定位，对无需进行文字擦除的区域进行屏蔽，再通过优化后的EraseNet模型对屏蔽图片进行训练，对图片中的目标文字区域进行文字擦除，得到文字擦除处理后的图片。整个过程识别准确率高，仅对特定区域进行处理，保留了其他部分有效信息，处理速度快文字擦除效果明显，能极大的减少人工擦除的工作，节省了图片文字处理的时间，提高了图片处理的效率。

技术领域

本发明涉及图片处理技术领域，尤其涉及计算机视觉和深度学习领域的图片处理方法、装置、计算机设备和存储介质。

背景技术

随着机器学习和人工智能研究的进步，图像识别被应用到越来越多的领域，例如医疗、教育、房地产和智能驾驶等，在这些领域也取得了不错的效果。同时，电子商务的加速崛起给物流行业的发展带来了新需求和新挑战，人工智能等技术的应用也催生了智能物流。

在智能物流的发展中，图像识别占据重要的地位，图像数据的质量直接影响识别结果，合适的图像预处理方法有助于改善识别结果。由于现有的图像监控数据存在“具体分拨名称”等文字信息，对识别的结果有一定的干扰，人工对文字进行擦除工作量巨大，耗时耗力。海量的图片数据，无法进行快速处理，导致数据积压，造成工作效率低下。

发明内容

有鉴于此，有必要针对现有人工对图片中文字进行擦除工作量巨大、效率低下的技术问题，提供一种图片处理方法、装置、计算机设备和存储介质。

一种图片处理方法，包括：获取原始监控图片样本，对所述图片样本进行预处理，得到预处理图片数据集，所述预处理图片数据集包括多个原始监控图片和多个预处理图片；将所述预处理图片数据集中图片进行掩膜处理，定位所述图片数据集中图片的文字识别区域，并将指定区域进行屏蔽，得到屏蔽图片数据集；搭建EraseNet网络框架，优化所述EraseNet网络框架，将损失函数进行修改，去掉所述损失函数中的mask loss函数，得到优化后的EraseNet模型；将所述屏蔽图片数据集输入所述EraseNet模型进行训练，对所述屏蔽图片数据集中图片进行文字擦除，得到图片处理模型；获取待处理的监控图片，将所述待处理的监控图片输入所述图片处理模型进行识别处理，输出文字擦除后的图片。

在其中一个实施例中，所述获取原始监控图片样本，对所述图片样本进行预处理，得到预处理图片数据集，所述预处理图片数据集包括多个原始监控图片和多个预处理图片，包括：获取多个分拨中心监控摄像头拍摄的监控视频；将所述监控视频进行图片截取，得到所述多个分拨中心监控摄像头拍摄的不同时间段的原始监控图片。将所述监控图片进行预处理，通过图片处理软件将所述监控图片中含有监控信息文字的区域进行文字擦除，得到预处理图片；将所述原始监控图片和所述预处理图片分别保存在两个文件夹中，得到预处理图片数据集。

在其中一个实施例中，所述将所述预处理图片数据集中图片进行掩膜处理，定位所述图片数据集中图片的文字识别区域，并将指定区域进行屏蔽，得到屏蔽图片数据集，包括：获取所述预处理图片数据集中原始监控图片尺寸；定位所述预处理图片数据集中原始监控图片中的文字识别区域；选定所述预处理图片数据集中原始监控图片中非文字识别的指定区域尺寸大小和位置坐标；创建与所述指定区域的尺寸大小和位置坐标相同的掩膜图像；将所述掩膜图像与所述预处理图片数据集中原始监控图片进行图像拼接合并，得到指定区域全部覆盖的屏蔽图片数据集。

在其中一个实施例中，所述搭建EraseNet网络框架，优化所述EraseNet网络框架，将损失函数进行修改，去掉所述损失函数中的mask loss函数，得到优化后的EraseNet模型，包括：搭建EraseNet网络框架并定义所述EraseNet网络框架的生成器、判别器和损失函数；将所述损失函数中的mask loss函数删除，得到优化后的EraseNet模型。