一种基于机器学习的初始数据处理方法和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109284719A(43)申请公布日2019.01.29(21)申请号201811138528.X(22)申请日2018.09.28(71)申请人成都臻识科技发展有限公司地址610041四川省成都市高新区交子大道300号ICP环汇商业广场22楼5-8号(72)发明人詹肇楷周卓立刘俊秦锐敏任鹏(74)专利代理机构成都九鼎天元知识产权代理有限公司51214代理人阳佑虹(51)Int.Cl.G06K9/00(2006.01)G06K9/20(2006.01)H04N5/235(2006.01)权利要求书2页说明书5页附图3页(54)发明名称一种基于机器学习的初始数据处理方法和系统(57)摘要本发明公开了一种基于机器学习的初始数据处理方法和系统，涉及数据处理领域。所述方法包括以下步骤：S1，采集若干场景数据；S2，利用采集的若干组场景数据对进行训练和构建机器学习模型；S3，采集待处理的低质量初始数据；S4，将获取的低质量初始数据输入经过训练好的机器学习模型，输出得到对应的高质量的场景数据；S5，将得到的高质量初始数据进行ISP图像处理，获得高质量的场景图像。本发明提供的技术方案，针对于不同的极端环境都具有较好的通用性，不需要增加不同的特定处理模块，适用各类数据处理，通过将初始数据做恢复处理，保留初始数据中的各种细节信息，并将保留细节信息的初始数据用于ISP图像处理，得到高质量的输出图像。CN109284719ACN109284719A权利要求书1/2页1.一种基于机器学习的初始数据处理方法，用于针对极端环境进行原始场景数据恢复，其特征在于，包括以下具体步骤：S1，采集若干场景数据，利用前端的传感器对场景数据进行采集，得到若干组场景数据对；所述数据对包括同一场景的高质量初始数据和低质量初始数据；S2，利用采集的若干组场景数据对进行训练和构建机器学习模型；S3，采集待处理的场景初始数据，利用前端传感器对待处理的恶劣或极端场景数据进行采集，得到该场景对应的待处理的低质量初始数据；S4，将获取的低质量初始数据输入经过训练好的机器学习模型，通过模型处理后输出得到对应的高质量的场景数据；S5，将得到的高质量初始数据进行ISP图像处理，输出获得高质量的场景图像。2.如权利要求1所述的一种基于机器学习的初始数据处理方法，其特征在于，所述场景为恶劣或极端的自然场景，包括低照度场景、欠曝场景、过曝场景。3.如权利要求2所述的一种基于机器学习的初始数据处理方法，其特征在于，不同的极端场景对应的数据对采集方式不同；对于低照度场景的数据对采集，采用短曝光+长曝光的方式：首先固定摄像头拍摄短曝光Raw图像，然后保持摄像头不动，拍摄长曝光Raw图像；对于欠曝光场景的数据对采集：首先固定摄像头拍摄该场景正常光照条件下的Raw图像，然后调节环境亮度，使场景中的目标物体处于欠曝光环境，并拍摄对应的Raw图像；对于过曝光场景的数据对采集，按照欠曝光场景数据对采集的方式进行数据对采集。4.如权利要求1所述的一种基于机器学习的初始数据处理方法，其特征在于，所述步骤S2中，由于每组数据对包含同一场景的效果较好的高质量初始数据和效果较差的低质量初始数据，将采集的初始数据对送入机器学习模型对学习模型进行训练，利用低质量初始数据和高质量初始数据之间的模型映射关系，得到训练好的机器学习模型。5.如权利要求1所述的一种基于机器学习的初始数据处理方法，其特征在于，所述机器学习模型为深度卷积神经网络的学习模型，所述深度卷积神经网络的网络参数与U-Net保持一致。6.一种基于机器学习的初始数据处理系统，用于针对极端环境进行原始场景数据恢复，其特征在于，包括以下具体模块：学习数据采集模块，用于采集若干场景数据，利用前端的传感器对场景数据进行采集，得到若干组场景数据对；所述数据对包括同一场景的高质量初始数据和低质量初始数据；模型训练模块，用于利用采集的若干组场景数据对进行训练和构建机器学习模型；待处理数据采集模块，用于采集待处理的场景初始数据，利用前端传感器对待处理的恶劣或极端场景数据进行采集，得到该场景对应的待处理的低质量初始数据；数据恢复模块，用于将获取的低质量初始数据输入经过训练好的机器学习模型，通过模型处理后输出得到对应的高质量的场景数据；图像处理模块，用于将恢复得到的高质量初始数据进行ISP图像处理，输出获得高质量的场景图像。7.如权利要求6所述的一种基于机器学习的初始数据处理系统，其特征在于，所述场景为恶劣或极端的自然场景，包括低照度场景、欠曝场景、过曝场景。2CN109284719A权利要求书2/2页8.如权利要求7所述的一种基于机器学习的初始数据处理系统，其特征在于，不同的极端场景对应的数据对采集方式不