基于人工智能的图像处理方法、装置、设备及存储介质与流程

本发明涉及图像处理，尤其涉及到一种基于人工智能的图像处理方法、装置、设备及存储介质。

背景技术：

1、交通摄像头是指安装在道路上的用于监控交通状况和记录交通违章的摄像设备，它们在现代城市交通管理中发挥着重要的作用，是保障交通秩序和安全的重要工具。交通摄像头采集的视频图像通常传输至图像处理终端，通过视频图像分析技术来识别交通状况与交通违章，因此，视频图像的图像质量（清晰度、色彩还原度等参数）通常具有较高的要求。

2、然而，在实际使用中，交通摄像头的视频图像采集与处理存在以下问题：其一，视频图像色彩失真导致图像识别准确率降低，其中，视频图像色彩失真由多个方面造成，包括环境因素导致的图像色彩定向失真和摄像头部分传感器故障导致的图像色彩非定向失真，而现有针对交通摄像头的视频图像色彩恢复方法在针对多种因素混合导致的色彩失真时尚没有较好的解决手段；其二，由于道路通行具有时段差异与阶段性，不同位置的交通摄像头在不同时段所采集视频图像的图像处理任务量具有差异与变化性，特别是在涉及到需要对交通摄像头采集的视频图像进行色彩失真恢复时，对图像处理终端的图像处理能力具有较高要求的情况下，传统交通摄像头与图像处理终端之间的固定分配策略将无法直接适用。

3、因此，如何实现对交通摄像头采集的交通监控图像在多种因素混合导致的色彩失真进行色彩恢复以及提高交通摄像头在进行色彩恢复任务时的任务分配合理性与处理效率，是一个亟需解决的技术问题。

技术实现思路

1、本发明的主要目的在于提供一种基于人工智能的图像处理方法、装置、设备及存储介质，解决上述提出的现有技术问题。

2、为实现上述目的，本发明提供一种基于人工智能的图像处理方法，包括以下步骤：

3、获取目标区域的交通监控信息；其中，所述交通监控信息包括若干个交通摄像头的标识信息和每个交通摄像头拍摄的交通监控图像；

4、基于每个交通摄像头的标识信息，查询每个交通摄像头的区域环境信息；

5、利用所述区域环境信息，对每个交通摄像头拍摄的交通监控图像执行第一颜色转换，获得第一优化监控图像；

6、在每个监控周期的初始匹配时段，识别第一优化监控图像中的车辆通行动作，提取所述初始匹配时段内每次车辆通行动作对应的若干张车辆通行图像，构建图像分配参考数据集；

7、根据图像分配参考数据集，建立交通摄像头与图像处理终端的匹配关系；

8、将每个监控周期的图像处理时段的第一优化监控图像发送至具有匹配关系的图像处理终端，执行第二颜色转换，获得第二优化监控图像。

9、可选的，基于每个交通摄像头的标识信息，查询每个交通摄像头的区域环境信息步骤，具体包括：

10、基于每个交通摄像头的标识信息，在交通摄像头布设数据列表中，查询每个交通摄像头的位置信息；

11、利用所述位置信息，访问区域环境数据库，提取每个交通摄像头在当前的区域环境信息；其中，所述区域环境信息包括若干条影响交通监控图像颜色识别的区域环境数据。

12、可选的，利用所述区域环境信息，对每个交通摄像头拍摄的交通监控图像执行第一颜色转换，获得第一优化监控图像步骤，具体包括：

13、将所述区域环境信息作为区域环境特征集，输入预先训练完成的图像颜色环境优化模型，获得输出的每个交通摄像头的图像颜色环境优化参数；

14、其中，所述图像颜色环境优化参数被配置为对每个颜色通道rgb颜色值的数值调整比例；

15、基于所述图像颜色环境优化参数，对每个摄像头拍摄的交通监控图像中每个像素点的rgb颜色值执行第一颜色转换，获得第一优化监控图像；

16、其中，所述第一颜色转换被配置为将交通监控图像中每个像素点的rgb颜色值与对应颜色通道的数值调整比例相乘，将相乘结果作为第一优化监控图像中对应像素点的rgb颜色值。

17、可选的，将所述区域环境信息作为区域环境特征集，输入预先训练完成的图像颜色环境优化模型，获得输出的每个交通摄像头的图像颜色环境优化参数步骤之前，所述方法，还包括：

18、获取在不同区域环境特征组合下，交通摄像头采集的标准颜色样图的测试颜色图像；其中，所述区域环境特征组合包括太阳高度角、大气成分含量、云层厚度参数和路灯光照颜色中的一种或多种；

19、基于标准颜色样图中每个标准色块的标准颜色值、不同区域环境特征组合以及测试颜色图像中每个标准色块的拍摄颜色值，构建训练样本集；

20、将所述训练样本集输入构建的初始神经网络模型进行训练，获得训练次数达到预设次数或训练收敛后的图像颜色环境优化模型。

21、可选的，在每个监控周期的初始匹配时段，识别第一优化监控图像中的车辆通行动作，提取所述初始匹配时段内每次车辆通行动作对应的若干张车辆通行图像，构建图像分配参考数据集步骤，具体包括：

22、在每个监控周期的初始匹配时段，采用车辆检测算法识别第一优化监控图像中的车辆通行动作，并在第一优化监控图像中生成通行车辆锚框；

23、基于所述通行车辆锚框，提取所述初始匹配时段内每次车辆通行动作对应的若干张车辆通行图像，将所述若干张车辆通行图像作为每次车辆通行动作的图像分配参考数据集。

24、可选的，根据图像分配参考数据集，建立交通摄像头与图像处理终端的匹配关系步骤，具体包括：

25、识别每个交通摄像头在每个监控周期的初始匹配时段内每次车辆通行动作的图像分配参考数据集中的目标车辆通行图像，生成每个交通摄像头的硬件优化标准系数；

26、其中，所述目标车辆通行图像被配置为图像分配参考数据集中车辆rgb颜色值相比于图像分配参考数据集中的非目标车辆通行图像的车辆rgb颜色值异常的图像，所述目标车辆通行图像在图像分配参考数据集中所占比例小于非目标车辆通行图像在图像分配参考数据集中所占比例；

27、其中，所述硬件优化标准系数包括若干个具有rgb颜色值调整值的优化像素点，所述优化像素点被配置为所有目标车辆图像中车辆rgb颜色值异常的像素点集合，所述rgb颜色值调整值被配置为初始匹配时段中每次车辆通行动作中目标车辆通行图像相比于非目标车辆通行图像在车辆同一位置关于每个颜色通道的rgb颜色差值的平均值；

28、计算每个监控周期的初始匹配时段内针对全部车辆通行动作的目标车辆通行图像的数量作为每个交通摄像头的图像处理需求；

29、基于每个交通摄像头的图像处理需求与图像处理终端的图像处理能力，执行交通摄像头与图像处理终端的匹配，建立交通摄像头与图像处理终端的匹配关系；

30、其中，所述图像处理终端的图像处理能力被配置为图像处理终端在单位时间内处理标准测试图片的数量。

31、可选的，将每个监控周期的图像处理时段的第一优化监控图像发送至具有匹配关系的图像处理终端，执行第二颜色转换，获得第二优化监控图像步骤，具体包括：

32、将每个交通摄像头在每个监控周期的图像处理时段的第一优化监控图像和硬件优化标准系数发送至具有匹配关系的图像处理终端；

33、驱使每个图像处理终端根据接收到的硬件优化标准系数对第一优化监控图像执行第二颜色转换，获得第二优化监控图像。

34、此外，为了实现上述目的，本发明还提供了一种基于人工智能的图像处理装置，包括：

35、获取模块，用于获取目标区域的交通监控信息；其中，所述交通监控信息包括若干个交通摄像头的标识信息和每个交通摄像头拍摄的交通监控图像；

36、查询模块，用于基于每个交通摄像头的标识信息，查询每个交通摄像头的区域环境信息；

37、第一执行模块，用于利用所述区域环境信息，对每个交通摄像头拍摄的交通监控图像执行第一颜色转换，获得第一优化监控图像；

38、识别模块，用于在每个监控周期的初始匹配时段，识别第一优化监控图像中的车辆通行动作，提取所述初始匹配时段内每次车辆通行动作对应的若干张车辆通行图像，构建图像分配参考数据集；

39、建立模块，用于根据图像分配参考数据集，建立交通摄像头与图像处理终端的匹配关系；

40、第二执行模块，用于将每个监控周期的图像处理时段的第一优化监控图像发送至具有匹配关系的图像处理终端，执行第二颜色转换，获得第二优化监控图像。

41、此外，为了实现上述目的，本发明还提供了一种基于人工智能的图像处理设备，所述基于人工智能的图像处理设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人工智能的图像处理程序，所述基于人工智能的图像处理程序被所述处理器执行时实现如上所述的基于人工智能的图像处理方法的步骤。

42、此外，为了实现上述目的，本发明还提供了一种基于人工智能的存储介质，所述基于人工智能的存储介质上存储有基于人工智能的图像处理程序，所述基于人工智能的图像处理程序被处理器执行时实现上述的基于人工智能的图像处理方法的步骤。

43、本发明的有益效果在于：提出了一种基于人工智能的图像处理方法、装置、设备及存储介质，通过获取目标区域中每个交通摄像头的交通监控图像和区域环境信息，利用区域环境信息对交通监控图像进行第一颜色转换，获得第一优化监控图像，再基于每个监控周期的初始匹配时段中每个车辆通行动作对应的车辆通行图像，构建图像分配参考数据集和硬件优化标准系数，以此实现对第一优化监控图像关于图像处理终端的任务分配以及硬件优化的第二颜色转换，获得最终的第二优化监控图像。由此，考虑环境因素导致的色彩定向失真和部分传感器故障导致的色彩非定向失真，提高交通监控图像色彩恢复效率与准确性，并基于交通监控图像进行色彩恢复任务时细化到车辆通行图像的处理数量，实现色彩恢复任务的合理分配与高效处理。