基于大数据分析的图片资源处理方法、系统及存储介质与流程

1.本发明属于图片资源处理技术领域，涉及到基于大数据分析的图片资源处理方法、系统及存储介质。


背景技术：

2.随着科技和经济的不断发展，交通道路的监测方式也越来越智能化，通过无人机对交通道路的监测方式也越来越普及，通过无人机搭载的摄像头获取交通道路的图片，进而掌握交通道路中的交通情况，而通过无人机获取的图片质量层次不齐，为了还原真实的交通道路情况，需要对无人机获取的图片进行质量分析和筛分。
3.当前技术主要对无人机获取的图片进行应用，而对无人机获取的图片质量分析还较为浅显和片面，很显然这种分析方式存在以下几个问题：1、无人机的飞行高度和飞行速度影响着图片拍摄的清晰度，当前技术并没有对无人机的飞行高度和飞行速度进行分析，进而无法准确的了解到无人机的飞行状态对图片拍摄的影响，从而无法有效的保障图片拍摄的质量，降低图片的使用率。
4.2、图片的属性信息影响着图片的画面质量，当前并没有对图片的属性信息进行针对性的分析，进而无法有效的保障图片画面的质量和画面展示效果，从而影响后续图片的使用效果。
5.3、图片的畸变情况决定着图片的整体展现效果，当前技术并没有根据图片中车辆的尺寸比和行驶车道的宽度比分析图片的畸变情况，无法展现出图片的畸变状态，同时也无法提高图片的真实性和参考性，进而无法提高后续图片在使用过程中的体验感。
6.4、图片的色彩还原情况影响着图片的视觉效果，当前并没有对图片中车辆和道路的色彩与其实际的颜色进行对比分析，进而无法凸显出图片的色彩还原情况，从而无法提高图片的视觉效果和质量，同时也无法体现出交通道路的真实度。


技术实现要素：

7.本发明的目的在于提供的基于大数据分析的图片资源处理方法、系统及存储介质，解决了背景技术中存在的问题。
8.本发明的目的可以通过以下技术方案实现：为实现上述目的，本发明第一方面提供了基于大数据分析的图片资源处理方法，该方法包括以下步骤：步骤一、图片资源获取：通过无人机搭载的摄像头对目标监测交通道路的图片进行采集，进而得到目标监测交通道路对应的各图片、各图片对应的属性信息和各图片对应的拍摄时间点，同时通过无人机搭载的gps定位器获取无人机对应的拍摄信息。
9.步骤二、无人机拍摄影响分析：基于各图片对应的拍摄时间点和无人机对应的拍摄轨迹信息，分析得到各图片对应的无人机拍摄质量影响因子。
10.步骤三、图片画面质量分析：基于各图片对应的属性信息，分析得到各图片对应的画面质量符合指数。
11.步骤四、图片画面信息获取：获取各图片对应的道路信息和各车辆对应的车辆信息。
12.步骤五、图片畸变状态分析：基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的畸变状态指数。
13.步骤六、图片色彩还原分析：基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的色彩还原符合指数。
14.步骤七、图片综合质量分析与筛选：根据各图片对应的画面质量符合指数、畸变状态指数、色彩还原符合指数和无人机拍摄质量影响因子，分析得到各图片对应的综合质量符合指数，并筛选出各合格图片和各不合格图片。
15.步骤八、图片发送：将筛选出的各合格图片发送至交通管理中心。
16.上述中，所述各图片对应的属性信息包括曝光度、分辨率和像素值，无人机对应的拍摄信息包括各拍摄时间点对应的位置和飞行速度。
17.上述中，所述分析得到各图片对应的无人机拍摄质量影响因子，具体分析过程如下：s21、从交通管理数据库中获取无人机预设标准飞行高度和预设标准飞行速度，并分别记为h
′
和v
′
。
18.s22、根据无人机各拍摄时间点对应的位置，获取无人机各拍摄时间点对应的飞行高度，进而将各图片对应的拍摄时间点与无人机各拍摄时间点对应的飞行高度和飞行速度进行对比，得到各图片拍摄时间点无人机对应的飞行高度和飞行速度。
19.s23、根据计算公式得到各图片对应的无人机拍摄质量影响因子其中hi、vi分别表示第i张图片对应拍摄时刻无人机的飞行高度、飞行速度，ε1、ε2分别为设定的飞行高度、飞行速度对应的权重因子，i表示各图片对应的编号，i＝1,2......n。
20.上述中，所述分析得到各图片对应的画面质量符合指数，具体分析过程如下：将各图片对应的曝光度、分辨率和像素值代入计算公式中，得到各图片对应的画面质量符合指数αi，其中bgi、fbi、xsi分别表示第i张图片对应的曝光度、分辨率、像素值，bg、fb、xs分别为交通管理数据库中存储的图片预设标准曝光度、预设标准分辨率、预设标准像素值，γ1、γ2、γ3分别为设定的曝光度、分辨率、像素值对应的权重因子。
21.上述中，所述各图片对应的道路信息和各车辆对应的车辆信息，具体获取过程如下：从各图片中定位出对应各车辆对应的车牌号码、图内尺寸、图内色相、图内明度和图内纯度，并将各图片中各车辆对应的车牌号码、图内尺寸、图内色相、图内明度和图内纯度作为各图片中各车辆对应的车辆信息。
22.将各图片中各行驶车道按照预设尺寸划分为各子行驶车道区域，进而获取各图片中各行驶车道内各子行驶车道区域对应的图内车道宽度，同时获取各图片中各行驶车道内各子行驶车道区域对应的图内色相、图内明度和图内纯度，并将各图片中各行驶车道内各
子行驶车道区域对应的图内车道宽度、图内色相、图内明度和图内纯度作为各图片对应的道路信息。
23.上述中，所述分析得到各图片对应的畸变状态指数，具体分析过程如下：s51、将各图片中各车辆对应的车牌号码与交通管理数据库中存储的各车辆对应的车牌号码进行对比，若某图片中某车辆车牌号码与交通管理数据库中某车辆车牌号码相同，则将交通管理数据库中该车辆对应的实际尺寸作为该图片中该车辆对应的实际尺寸，以此得到各图片中各车辆的实际尺寸，进而根据各图片中各车辆对应的实际尺寸和各图片中各车辆对应的图内尺寸，得到各图片中各车辆对应的尺寸比，并记为κ
ij
，其中j表示各车辆对应的编号，j＝1,2......m。
24.s52、同时从交通管理数据库中提取目标监测交通道路对应的标准车道宽度，进而根据各图片中各行驶车道内各子行驶车道区域对应的图内车道宽度和目标监测交通道路对应的标准车道宽度，得到各图片中各行驶车道内各子行驶车道区域对应的车道宽度比，并记为λ
iug
，其中u表示各行驶车道对应的编号，u＝1,2......z，g表示各子行驶车道区域对应的编号，g＝1,2......f。
25.s53、根据计算公式得到各图片对应的畸变状态指数βi，其中κ
ij-1
表示第i张图片中第j-1个车辆对应的尺寸比，λ
iug-1
表示第i张图片中第u个行驶车道内第g-1个子行驶车道区域对应的车道宽度比，λ
iu-1g
表示第i张图片中第u-1个行驶车道内第g个子行驶车道区域对应的车道宽度比，η1、η1、η1为设定的车辆尺寸比、子行驶车道区域车道宽度比、行驶车道宽度比对应的权重因子，e表示自然常数。
26.上述中，所述分析得到各图片对应的色彩还原符合指数，具体分析过程如下：s61、基于交通管理数据库中存储的各车辆对应的车牌号码、实际色相、实际明度和实际纯度，得到各图片中各车辆对应的实际色相、实际明度和实际纯度。
27.s62、根据计算公式得到各图片对应的第一色彩还原符合指数δ
′i，其中sx
ij
、bd
ij
、cd
ij
分别表示第i张图片中第j个车辆对应的图内色相、图内明度、图内纯度，sx
′
ij
、bd
′
ij
、cd
′
ij
分别表示第i张图片中第j个车辆对应的实际色相、实际明度、实际纯度，μ1、μ2、μ3分别为设定的车辆色相、车辆明度、车辆纯度对应的权重因子，ω1为设定的第一色彩还原符合指数对应的修正因子。
28.s63、从交通管理数据库中获取目标监测交通道路在建造完成时间对应的初始色相、初始明度和初始纯度，并基于无人机图片采集时间和目标监测交通道路的建造完成时间，分析得到目标监测交通道路对应的实际色相、实际明度和实际纯度，并分别记为sx、bd和cd。
29.s64、根据计算公式
得到各图片对应的第二色彩还原符合指数δ
″i，其中sx
iug
、bd
iug
、cd
iug
分别表示第i张图片中第u个行驶车道内第g个子行驶车道区域对应的图内色相、图内明度、图内纯度，μ4、μ5、μ6分别为设定的道路色相、道路明度、道路纯度对应的权重因子，ω2为设定的第二色彩还原符合指数对应的修正因子。
30.s65、根据计算公式得到各图片对应的色彩还原符合指数δi，其中分别为设定的第一色彩还原符合指数、第二色彩还原符合指数对应的权重因子。
31.上述中，所述分析得到各图片对应的综合质量符合指数，并筛选出各合格图片和各不合格图片，具体分析和筛选过程如下：将各图片对应的无人机拍摄质量影响因子画面质量符合指数αi、畸变状态指数βi和色彩还原符合指数δi代入计算公式中，得到各图片对应的综合质量符合指数其中σ1、σ2、σ3分别为设定的画面质量符合指数、畸变状态指数、色彩还原符合指数对应的权重因子。
32.将各图片对应的综合质量符合指数与设定的标准图片综合质量符合指数进行对比，若某图片对应的综合质量符合指数大于或者等于设定的标准图片综合质量符合指数，则判定该图片为质量合格图片，并将该图片记为合格图片，若某图片对应的综合质量符合指数小于设定的标准图片综合质量符合指数，则判定该图片为质量不合格图片，并将该图片记为不合格图片，以此方式筛选出各合格图片和各不合格图片。
33.本发明第二方面提供了基于大数据分析的图片资源处理系统，包括：图片资源获取模块，用于通过无人机搭载的摄像头对目标监测交通道路进行图片采集，得到目标监测交通道路对应的各图片、各图片对应的属性信息和各图片对应的拍摄时间点，同时通过无人机搭载的gps定位器获取无人机对应的拍摄信息。
34.无人机拍摄影响分析模块，用于基于各图片对应的拍摄时间点和无人机对应的拍摄轨迹信息，分析得到各图片对应的无人机拍摄质量影响因子。
35.图片画面质量分析模块，用于基于各图片对应的属性信息，分析得到各图片对应的画面质量符合指数。
36.图片画面信息获取模块，用于获取各图片对应的道路信息和各车辆对应的车辆信息。
37.图片畸变状态分析模块，用于基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的畸变状态指数。
38.图片色彩还原分析模块，用于基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的色彩还原符合指数。
39.图片综合质量分析与筛选模块，用于根据各图片对应的画面质量符合指数、畸变状态指数、色彩还原符合指数和无人机拍摄质量影响因子，分析得到各图片对应的综合质量符合指数，并筛选出各合格图片和各不合格图片。
40.图片发送模块，用于将筛选出的各合格图片发送至交通管理中心。
41.交通管理数据库，用于存储无人机预设标准飞行高度和预设标准飞行速度，存储图片预设标准曝光度、预设标准分辨率和预设标准像素值，存储各车辆对应的车牌号码、实
际尺寸、实际色相、实际明度和实际纯度，还存储目标监测交通道路对应的标准道路宽度、实际色相、实际明度和实际纯度。
42.本发明第三方面提供了基于大数据分析的图片资源处理存储介质，所述基于大数据分析的图片资源处理存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现本发明所述的基于大数据分析的图片资源处理方法。
43.相较于现有技术，本发明的有益效果如下：1、本发明提供的基于大数据分析的图片资源处理方法、系统及存储介质，通过对无人机拍摄的图片质量进行分析，解决了当前技术对无人机获取的图片质量分析浅显和片面的问题，实现了图片质量的智能化筛分，有效的保障了图片的质量和展示效果，同时也大大的提高了图片的还原的真实度，为后续交警掌握交通道路的情况提供了可靠的参考。
44.2、本发明在无人机拍摄影响分析中通过对无人机的飞行高度和飞行速度进行分析，真实的反映了无人机的飞行状态对图片拍摄的影响，为后续图片质量分析提供了可靠的参考，在一定程度上也提高了了无人机拍摄过程中的稳定性。
45.3、本发明在图片画面质量分析中通过对图片的属性信息进行分析，有效的保障图片画面的清晰度和还原情况，从而大大的提高了后续交警对图片的使用率。
46.4、本发明在图片畸变状态分析中通过根据车辆的尺寸比和行驶车道的宽度比分析图片的畸变情况，大大的提高的图片畸变状态分析结果的精准性，同时也有效的提高图片的真实性和参考性，进而增加了后续交警在图片使用过程中的体验感。
47.5、本发明在图片色彩还原分析中通过对图片中车辆和道路的色彩与其实际的颜色进行对比分析，有效的保障了图片指令分析结果的准确性和客观性，大大的提高了图片的视觉效果和质量，同时也体现了交通道路的真实度。
附图说明
48.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
49.图1为本发明的方法实施流程示意图。
50.图2为本发明的系统模块连接结构示意图。
具体实施方式
51.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
52.请参阅图1所示，基于大数据分析的图片资源处理方法，该方法包括以下步骤：步骤一、图片资源获取：通过无人机搭载的摄像头对目标监测交通道路的图片进行采集，进而得到目标监测交通道路对应的各图片、各图片对应的属性信息和各图片对应的拍摄时间点，同时通过无人机搭载的gps定位器获取无人机对应的拍摄信息。
53.作为一种可选的实施方式，所述各图片对应的属性信息包括曝光度、分辨率和像素值，无人机对应的拍摄信息包括各拍摄时间点对应的位置和飞行速度。
54.步骤二、无人机拍摄影响分析：基于各图片对应的拍摄时间点和无人机对应的拍摄轨迹信息，分析得到各图片对应的无人机拍摄质量影响因子。
55.作为一种可选的实施方式，所述分析得到各图片对应的无人机拍摄质量影响因子，具体分析过程如下：s21、从交通管理数据库中获取无人机预设标准飞行高度和预设标准飞行速度，并分别记为h
′
和v
′
。
56.s22、根据无人机各拍摄时间点对应的位置，获取无人机各拍摄时间点对应的飞行高度，进而将各图片对应的拍摄时间点与无人机各拍摄时间点对应的飞行高度和飞行速度进行对比，得到各图片拍摄时间点无人机对应的飞行高度和飞行速度。
57.s23、根据计算公式得到各图片对应的无人机拍摄质量影响因子其中hi、vi分别表示第i张图片对应拍摄时刻无人机的飞行高度、飞行速度，ε1、ε2分别为设定的飞行高度、飞行速度对应的权重因子，i表示各图片对应的编号，i＝1,2......n。
58.本发明实施例通过对无人机的飞行高度和飞行速度进行分析，真实的反映了无人机的飞行状态对图片拍摄的影响，为后续图片质量分析提供了可靠的参考，在一定程度上也提高了了无人机拍摄过程中的稳定性。
59.步骤三、图片画面质量分析：基于各图片对应的属性信息，分析得到各图片对应的画面质量符合指数。
60.作为一种可选的实施方式，所述分析得到各图片对应的画面质量符合指数，具体分析过程如下：将各图片对应的曝光度、分辨率和像素值代入计算公式中，得到各图片对应的画面质量符合指数αi，其中bgi、fbi、xsi分别表示第i张图片对应的曝光度、分辨率、像素值，bg、fb、xs分别为交通管理数据库中存储的图片预设标准曝光度、预设标准分辨率、预设标准像素值，γ1、γ2、γ3分别为设定的曝光度、分辨率、像素值对应的权重因子。
61.本发明实施例通过对图片的属性信息进行分析，有效的保障图片画面的清晰度和还原情况，从而大大的提高了后续交警对图片的使用率。
62.步骤四、图片画面信息获取：获取各图片对应的道路信息和各车辆对应的车辆信息。
63.作为一种可选的实施方式，所述各图片对应的道路信息和各车辆对应的车辆信息，具体获取过程如下：从各图片中定位出对应各车辆对应的车牌号码、图内尺寸、图内色相、图内明度和图内纯度，并将各图片中各车辆对应的车牌号码、图内尺寸、图内色相、图内明度和图内纯度作为各图片中各车辆对应的车辆信息。
64.需要说明的是，车辆图内尺寸包括但不仅限于车辆图内长度、图内宽度和图内高度。
65.将各图片中各行驶车道按照预设尺寸划分为各子行驶车道区域，进而获取各图片中各行驶车道内各子行驶车道区域对应的图内车道宽度，同时获取各图片中各行驶车道内各子行驶车道区域对应的图内色相、图内明度和图内纯度，并将各图片中各行驶车道内各子行驶车道区域对应的图内车道宽度、图内色相、图内明度和图内纯度作为各图片对应的道路信息。
66.步骤五、图片畸变状态分析：基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的畸变状态指数。
67.作为一种可选的实施方式，所述分析得到各图片对应的畸变状态指数，具体分析过程如下：s51、将各图片中各车辆对应的车牌号码与交通管理数据库中存储的各车辆对应的车牌号码进行对比，若某图片中某车辆车牌号码与交通管理数据库中某车辆车牌号码相同，则将交通管理数据库中该车辆对应的实际尺寸作为该图片中该车辆对应的实际尺寸，以此得到各图片中各车辆的实际尺寸，进而根据各图片中各车辆对应的实际尺寸和各图片中各车辆对应的图内尺寸，得到各图片中各车辆对应的尺寸比，并记为κ
ij
，其中j表示各车辆对应的编号，j＝1,2......m。
68.上述中，得到各图片中各车辆对应的尺寸比，具体计算过程如下：根据计算公式得到各图片中各车辆对应的尺寸比κ
ij
，其中cc
ij
、cci′j分别为第i张图片中第j个车辆对应的图内尺寸、实际尺寸，τ1为设定的车辆尺寸比对应的修正因子。
69.s52、同时从交通管理数据库中提取目标监测交通道路对应的标准车道宽度，进而根据各图片中各行驶车道内各子行驶车道区域对应的图内车道宽度和目标监测交通道路对应的标准车道宽度，得到各图片中各行驶车道内各子行驶车道区域对应的车道宽度比，并记为λ
iug
，其中u表示各行驶车道对应的编号，u＝1,2......z，g表示各子行驶车道区域对应的编号，g＝1,2......f。
70.上述中，得到各图片中各行驶车道内各子行驶车道区域对应的车道宽度比，具体分析过程如下：根据计算公式得到各图片中各行驶车道内各子行驶车道区域对应的车道宽度比，其中，kd
iug
、kdi′
ug
分别表示第i张图片中第u个行驶车道内第g个子行驶车道区域对应的图内车道宽度、标准车道宽度，τ2为设定的车道宽度比对应的修正因子。
71.s53、根据计算公式得到各图片对应的畸变状态指数βi，其中κ
ij-1
表示第i张图片中第j-1个车辆对应的尺寸比，λ
iug-1
表示第i张图片中第u个行驶车道内第g-1个子行驶车道区域对应的车道宽度比，λ
iu-1g
表示第i张图片中第u-1个行驶车道内第g个子行驶车道区域对应的车道宽度比，η1、η1、η1为设定的车辆尺寸比、子行驶车道区域车道宽度比、行驶车道宽度比对应的权重因子，e表示自然常数。
72.本发明实施例通过根据车辆的尺寸比和行驶车道的宽度比分析图片的畸变情况，大大的提高的图片畸变状态分析结果的精准性，同时也有效的提高图片的真实性和参考性，进而增加了后续交警在图片使用过程中的体验感。
73.步骤六、图片色彩还原分析：基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的色彩还原符合指数。
74.作为一种可选的实施方式，所述分析得到各图片对应的色彩还原符合指数，具体分析过程如下：s61、基于交通管理数据库中存储的各车辆对应的车牌号码、实际色相、实际明度和实际纯度，得到各图片中各车辆对应的实际色相、实际明度和实际纯度。
75.上述中，得到各图片中各车辆对应的实际色相、实际明度和实际纯度，具体分析过程如下：将各图片中各车辆对应的车牌号码与交通管理数据库中存储的各车辆对应的车牌号码进行对比，若某图片中某车辆对应的车牌号码与交通管理数据库中存储的某车牌号码相同，则将交通管理数据库中存储的该车辆对应的实际色相、实际明度和实际纯度作为该图片中该车辆对应的实际色相、实际明度和实际纯度，以此得到各图片中各车辆对应的实际色相、实际明度和实际纯度。
76.s62、根据计算公式得到各图片对应的第一色彩还原符合指数δi′
，其中sx
ij
、bd
ij
、cd
ij
分别表示第i张图片中第j个车辆对应的图内色相、图内明度、图内纯度，sxi′j、bdi′j、cdi′j分别表示第i张图片中第j个车辆对应的实际色相、实际明度、实际纯度，μ1、μ2、μ3分别为设定的车辆色相、车辆明度、车辆纯度对应的权重因子，ω1为设定的第一色彩还原符合指数对应的修正因子。
77.s63、从交通管理数据库中获取目标监测交通道路在建造完成时间对应的初始色相、初始明度和初始纯度，并基于无人机图片采集时间和目标监测交通道路的建造完成时间，分析得到目标监测交通道路对应的实际色相、实际明度和实际纯度，并分别记为sx、bd和cd。
78.需要说明的是，无人机图片采集时间是各图片中第一个拍摄时间点对应的时间。
79.上述中，析得到目标监测交通道路对应的实际色相、实际明度和实际纯度，具体分析过程如下：基于无人机图片采集时间和目标监测交通道路的建造完成时间，得到目标监测交通道路对应的使用天数，并记为t；
80.根据计算公式得到目标监测交通道路对应的实际色相，其中sx
″
为目标监测交通道路对应的初始色相，y为设定的单位天数对应的色相变化率。
81.按照目标监测交通道路对应的实际色相分析方式分析得到目标监测交通道路对应的实际明度和实际纯度。
82.s64、根据计算公式
83.得到各图片对应的第二色彩还原符合指数δi″
，其中sx
iug
、bd
iug
、cd
iug
分别表示第i张图片中第u个行驶车道内第g个子行驶车道区域对应的图内色相、图内明度、图内纯度，
μ4、μ5、μ6分别为设定的道路色相、道路明度、道路纯度对应的权重因子，ω2为设定的第二色彩还原符合指数对应的修正因子。
84.s65、根据计算公式得到各图片对应的色彩还原符合指数δi，其中分别为设定的第一色彩还原符合指数、第二色彩还原符合指数对应的权重因子。
85.本发明实施例通过对图片中车辆和道路的色彩与其实际的颜色进行对比分析，有效的保障了图片指令分析结果的准确性和客观性，大大的提高了图片的视觉效果和质量，同时也体现了交通道路的真实度。
86.步骤七、图片综合质量分析与筛选：根据各图片对应的画面质量符合指数、畸变状态指数、色彩还原符合指数和无人机拍摄质量影响因子，分析得到各图片对应的综合质量符合指数，并筛选出各合格图片和各不合格图片。
87.作为一种可选的实施方式，所述分析得到各图片对应的综合质量符合指数，并筛选出各合格图片和各不合格图片，具体分析和筛选过程如下：将各图片对应的无人机拍摄质量影响因子画面质量符合指数αi、畸变状态指数βi和色彩还原符合指数δi代入计算公式中，得到各图片对应的综合质量符合指数其中σ1、σ2、σ3分别为设定的画面质量符合指数、畸变状态指数、色彩还原符合指数对应的权重因子。
88.将各图片对应的综合质量符合指数与设定的标准图片综合质量符合指数进行对比，若某图片对应的综合质量符合指数大于或者等于设定的标准图片综合质量符合指数，则判定该图片为质量合格图片，并将该图片记为合格图片，若某图片对应的综合质量符合指数小于设定的标准图片综合质量符合指数，则判定该图片为质量不合格图片，并将该图片记为不合格图片，以此方式筛选出各合格图片和各不合格图片。
89.本发明实施例通过对无人机拍摄的图片质量进行分析，解决了当前技术对无人机获取的图片质量分析浅显和片面的问题，实现了图片质量的智能化筛分，有效的保障了图片的质量和展示效果，同时也大大的提高了图片的还原的真实度，为后续交警掌握交通道路的情况提供了可靠的参考。
90.步骤八、图片发送：将筛选出的各合格图片发送至交通管理中心。
91.请参照图2所示，基于大数据分析的图片资源处理系统，包括：图片资源获取模块、无人机拍摄影响分析模块、图片画面质量分析模块、图片画面信息获取模块、图片畸变状态分析模块、图片色彩还原分析模块、图片综合质量分析与筛选模块、图片发送模块和交通管理数据库。
92.所述图片资源获取模块分别与无人机拍摄影响分析模块、图片画面质量分析模块和图片画面信息获取模块连接，所述图片画面信息获取模块还与图片畸变状态分析模块、图片色彩还原分析模块连接，所述图片综合质量分析与筛选模块分别与无人机拍摄影响分析模块、图片画面质量分析模块、图片畸变状态分析模块、图片色彩还原分析模块和图片发送模块连接，所述交通管理数据库分别与无人机拍摄影响分析模块、图片画面质量分析模块、图片畸变状态分析模块和图片色彩还原分析模块连接。
93.图片资源获取模块，用于通过无人机搭载的摄像头对目标监测交通道路进行图片采集，得到目标监测交通道路对应的各图片、各图片对应的属性信息和各图片对应的拍摄时间点，同时通过无人机搭载的gps定位器获取无人机对应的拍摄信息。
94.无人机拍摄影响分析模块，用于基于各图片对应的拍摄时间点和无人机对应的拍摄轨迹信息，分析得到各图片对应的无人机拍摄质量影响因子。
95.图片画面质量分析模块，用于基于各图片对应的属性信息，分析得到各图片对应的画面质量符合指数。
96.图片画面信息获取模块，用于获取各图片对应的道路信息和各车辆对应的车辆信息。
97.图片畸变状态分析模块，用于基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的畸变状态指数。
98.图片色彩还原分析模块，用于基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的色彩还原符合指数。
99.图片综合质量分析与筛选模块，用于根据各图片对应的画面质量符合指数、畸变状态指数、色彩还原符合指数和无人机拍摄质量影响因子，分析得到各图片对应的综合质量符合指数，并筛选出各合格图片和各不合格图片。
100.图片发送模块，用于将筛选出的各合格图片发送至交通管理中心。
101.交通管理数据库，用于存储无人机预设标准飞行高度和预设标准飞行速度，存储图片预设标准曝光度、预设标准分辨率和预设标准像素值，存储各车辆对应的车牌号码、实际尺寸、实际色相、实际明度和实际纯度，还存储目标监测交通道路对应的标准道路宽度、实际色相、实际明度和实际纯度。
102.本发明又一个具体实施例，基于大数据分析的图片资源处理存储介质，所述基于大数据分析的图片资源处理存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现本发明所述的基于大数据分析的图片资源处理方法。
103.以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

技术特征：
1.基于大数据分析的图片资源处理方法，其特征在于，该方法包括以下步骤：步骤一、图片资源获取：通过无人机搭载的摄像头对目标监测交通道路的图片进行采集，进而得到目标监测交通道路对应的各图片、各图片对应的属性信息和各图片对应的拍摄时间点，同时通过无人机搭载的gps定位器获取无人机对应的拍摄信息；步骤二、无人机拍摄影响分析：基于各图片对应的拍摄时间点和无人机对应的拍摄轨迹信息，分析得到各图片对应的无人机拍摄质量影响因子；步骤三、图片画面质量分析：基于各图片对应的属性信息，分析得到各图片对应的画面质量符合指数；步骤四、图片画面信息获取：获取各图片对应的道路信息和各车辆对应的车辆信息；步骤五、图片畸变状态分析：基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的畸变状态指数；步骤六、图片色彩还原分析：基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的色彩还原符合指数；步骤七、图片综合质量分析与筛选：根据各图片对应的画面质量符合指数、畸变状态指数、色彩还原符合指数和无人机拍摄质量影响因子，分析得到各图片对应的综合质量符合指数，并筛选出各合格图片和各不合格图片；步骤八、图片发送：将筛选出的各合格图片发送至交通管理中心。2.根据权利要求1所述的基于大数据分析的图片资源处理方法，其特征在于：所述各图片对应的属性信息包括曝光度、分辨率和像素值，无人机对应的拍摄信息包括各拍摄时间点对应的位置和飞行速度。3.根据权利要求2所述的基于大数据分析的图片资源处理方法，其特征在于：所述分析得到各图片对应的无人机拍摄质量影响因子，具体分析过程如下：s21、从交通管理数据库中获取无人机预设标准飞行高度和预设标准飞行速度，并分别记为h
′
和v
′
；s22、根据无人机各拍摄时间点对应的位置，获取无人机各拍摄时间点对应的飞行高度，进而将各图片对应的拍摄时间点与无人机各拍摄时间点对应的飞行高度和飞行速度进行对比，得到各图片拍摄时间点无人机对应的飞行高度和飞行速度；s23、根据计算公式得到各图片对应的无人机拍摄质量影响因子其中h
i
、v
i
分别表示第i张图片对应拍摄时刻无人机的飞行高度、飞行速度，ε1、ε2分别为设定的飞行高度、飞行速度对应的权重因子，i表示各图片对应的编号，i＝1,2......n。4.根据权利要求2所述的基于大数据分析的图片资源处理方法，其特征在于：所述分析得到各图片对应的画面质量符合指数，具体分析过程如下：将各图片对应的曝光度、分辨率和像素值代入计算公式中，得到各图片对
应的画面质量符合指数α
i
，其中bg
i
、fb
i
、xs
i
分别表示第i张图片对应的曝光度、分辨率、像素值，bg、fb、xs分别为交通管理数据库中存储的图片预设标准曝光度、预设标准分辨率、预设标准像素值，γ1、γ2、γ3分别为设定的曝光度、分辨率、像素值对应的权重因子。5.根据权利要求1所述的基于大数据分析的图片资源处理方法，其特征在于：所述各图片对应的道路信息和各车辆对应的车辆信息，具体获取过程如下：从各图片中定位出对应各车辆对应的车牌号码、图内尺寸、图内色相、图内明度和图内纯度，并将各图片中各车辆对应的车牌号码、图内尺寸、图内色相、图内明度和图内纯度作为各图片中各车辆对应的车辆信息；将各图片中各行驶车道按照预设尺寸划分为各子行驶车道区域，进而获取各图片中各行驶车道内各子行驶车道区域对应的图内车道宽度，同时获取各图片中各行驶车道内各子行驶车道区域对应的图内色相、图内明度和图内纯度，并将各图片中各行驶车道内各子行驶车道区域对应的图内车道宽度、图内色相、图内明度和图内纯度作为各图片对应的道路信息。6.根据权利要求5所述的基于大数据分析的图片资源处理方法，其特征在于：所述分析得到各图片对应的畸变状态指数，具体分析过程如下：s51、将各图片中各车辆对应的车牌号码与交通管理数据库中存储的各车辆对应的车牌号码进行对比，若某图片中某车辆车牌号码与交通管理数据库中某车辆车牌号码相同，则将交通管理数据库中该车辆对应的实际尺寸作为该图片中该车辆对应的实际尺寸，以此得到各图片中各车辆的实际尺寸，进而根据各图片中各车辆对应的实际尺寸和各图片中各车辆对应的图内尺寸，得到各图片中各车辆对应的尺寸比，并记为κ
ij
，其中j表示各车辆对应的编号，j＝1,2......m；s52、同时从交通管理数据库中提取目标监测交通道路对应的标准车道宽度，进而根据各图片中各行驶车道内各子行驶车道区域对应的图内车道宽度和目标监测交通道路对应的标准车道宽度，得到各图片中各行驶车道内各子行驶车道区域对应的车道宽度比，并记为λ
iug
，其中u表示各行驶车道对应的编号，u＝1,2......z，g表示各子行驶车道区域对应的编号，g＝1,2......f；s53、根据计算公式得到各图片对应的畸变状态指数β
i
，其中κ
ij-1
表示第i张图片中第j-1个车辆对应的尺寸比，λ
iug-1
表示第i张图片中第u个行驶车道内第g-1个子行驶车道区域对应的车道宽度比，λ
iu-1g
表示第i张图片中第u-1个行驶车道内第g个子行驶车道区域对应的车道宽度比，η1、η1、η1为设定的车辆尺寸比、子行驶车道区域车道宽度比、行驶车道宽度比对应的权重因子，e表示自然常数。7.根据权利要求5所述的基于大数据分析的图片资源处理方法，其特征在于：所述分析得到各图片对应的色彩还原符合指数，具体分析过程如下：s61、基于交通管理数据库中存储的各车辆对应的车牌号码、实际色相、实际明度和实际纯度，得到各图片中各车辆对应的实际色相、实际明度和实际纯度；
s62、根据计算公式得到各图片对应的第一色彩还原符合指数δ
i
′
，其中sx
ij
、bd
ij
、cd
ij
分别表示第i张图片中第j个车辆对应的图内色相、图内明度、图内纯度，sx
i
′
j
、bd
i
′
j
、cd
i
′
j
分别表示第i张图片中第j个车辆对应的实际色相、实际明度、实际纯度，μ1、μ2、μ3分别为设定的车辆色相、车辆明度、车辆纯度对应的权重因子，ω1为设定的第一色彩还原符合指数对应的修正因子；s63、从交通管理数据库中获取目标监测交通道路在建造完成时间对应的初始色相、初始明度和初始纯度，并基于无人机图片采集时间和目标监测交通道路的建造完成时间，分析得到目标监测交通道路对应的实际色相、实际明度和实际纯度，并分别记为sx、bd和cd；s64、根据计算公式得到各图片对应的第二色彩还原符合指数δ
i
″
，其中sx
iug
、bd
iug
、cd
iug
分别表示第i张图片中第u个行驶车道内第g个子行驶车道区域对应的图内色相、图内明度、图内纯度，μ4、μ5、μ6分别为设定的道路色相、道路明度、道路纯度对应的权重因子，ω2为设定的第二色彩还原符合指数对应的修正因子；s65、根据计算公式得到各图片对应的色彩还原符合指数δ
i
，其中分别为设定的第一色彩还原符合指数、第二色彩还原符合指数对应的权重因子。8.根据权利要求7所述的基于大数据分析的图片资源处理方法，其特征在于：所述分析得到各图片对应的综合质量符合指数，并筛选出各合格图片和各不合格图片，具体分析和筛选过程如下：将各图片对应的无人机拍摄质量影响因子画面质量符合指数α
i
、畸变状态指数β
i
和色彩还原符合指数δ
i
代入计算公式中，得到各图片对应的综合质量符合指数其中σ1、σ2、σ3分别为设定的画面质量符合指数、畸变状态指数、色彩还原符合指数对应的权重因子；将各图片对应的综合质量符合指数与设定的标准图片综合质量符合指数进行对比，若某图片对应的综合质量符合指数大于或者等于设定的标准图片综合质量符合指数，则判定该图片为质量合格图片，并将该图片记为合格图片，若某图片对应的综合质量符合指数小于设定的标准图片综合质量符合指数，则判定该图片为质量不合格图片，并将该图片记为不合格图片，以此方式筛选出各合格图片和各不合格图片。9.基于大数据分析的图片资源处理系统，其特征在于，包括：图片资源获取模块，用于通过无人机搭载的摄像头对目标监测交通道路进行图片采集，得到目标监测交通道路对应的各图片、各图片对应的属性信息和各图片对应的拍摄时间点，同时通过无人机搭载的gps定位器获取无人机对应的拍摄信息；
无人机拍摄影响分析模块，用于基于各图片对应的拍摄时间点和无人机对应的拍摄轨迹信息，分析得到各图片对应的无人机拍摄质量影响因子；图片画面质量分析模块，用于基于各图片对应的属性信息，分析得到各图片对应的画面质量符合指数；图片画面信息获取模块，用于获取各图片对应的道路信息和各车辆对应的车辆信息；图片畸变状态分析模块，用于基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的畸变状态指数；图片色彩还原分析模块，用于基于各图片对应的道路信息和各车辆对应的车辆信息，分析得到各图片对应的色彩还原符合指数；图片综合质量分析与筛选模块，用于根据各图片对应的画面质量符合指数、畸变状态指数、色彩还原符合指数和无人机拍摄质量影响因子，分析得到各图片对应的综合质量符合指数，并筛选出各合格图片和各不合格图片；图片发送模块，用于将筛选出的各合格图片发送至交通管理中心；交通管理数据库，用于存储无人机预设标准飞行高度和预设标准飞行速度，存储图片预设标准曝光度、预设标准分辨率和预设标准像素值，存储各车辆对应的车牌号码、实际尺寸、实际色相、实际明度和实际纯度，还存储目标监测交通道路对应的标准道路宽度、实际色相、实际明度和实际纯度。10.基于大数据分析的图片资源处理存储介质，其特征在于:所述图片资源处理存储介质烧录有计算机程序，所述计算机程序在服务器的内存中运行时实现上述权利要求1-8任一项所述的方法。

技术总结
本发明涉及图片资源处理技术领域，具体公开基于大数据分析的图片资源处理方法、系统及存储介质，该图片资源处理方法包括图片资源获取、无人机拍摄影响分析、图片画面质量分析、图片画面信息获取、图片畸变状态分析、图片色彩还原分析、图片综合质量分析与筛选和图片发送，通过对无人机拍摄的图片质量进行分析，解决了当前技术对无人机获取的图片质量分析浅显和片面的问题，实现了图片质量的智能化筛分，有效的保障了图片的质量和展示效果，同时也大大的提高了图片中交通道路还原的真实度，进而为后续交警掌握交通道路的情况提供了可靠的参考，保障了交通的顺畅性和安全性。保障了交通的顺畅性和安全性。保障了交通的顺畅性和安全性。


技术研发人员：赵克春
受保护的技术使用者：佩齐睿鸿文化科技（武汉）有限公司
技术研发日：2022.11.28
技术公布日：2023/9/23