图像属性处理方法、装置、电子设备及存储介质与流程

1.本公开涉及计算机技术领域，具体涉及智能交通、计算机视觉等人工智能技术领域，尤其涉及一种图像属性处理方法、装置、电子设备及存储介质。


背景技术：

2.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.相关技术中，图像属性是指对图像的特征进行具体描述的信息，图像属性可以例如为截断属性，截断属性，可以用于描述图像所描述的对象是否在图像中进行完整呈现的情况。


技术实现要素：

4.本公开提供了一种图像属性处理方法、装置、电子设备、存储介质及计算机程序产品。
5.根据本公开的第一方面，提供了一种图像属性处理方法，包括：获取图像的初始属性；确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值；根据面积比例值，确定目标对象的对象属性；以及根据对象属性处理初始属性，得到目标属性。
6.根据本公开的第二方面，提供了一种图像属性处理装置，包括：第一获取模块，用于获取图像的初始属性；第一确定模块，用于确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值；第二确定模块，用于根据面积比例值，确定目标对象的对象属性；以及第一处理模块，用于根据对象属性处理初始属性，得到目标属性。
7.根据本公开的第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开第一方面的图像属性处理方法。
8.根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如本公开第一方面的图像属性处理方法。
9.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开第一方面的图像属性处理方法的步骤。
10.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其他特征将通过以下的说明书而变得容易理解。
附图说明
11.附图用于更好地理解本方案，不构成对本公开的限定。其中：
12.图1是根据本公开第一实施例的示意图；
13.图2是根据本公开第二实施例的示意图；
14.图3是根据本公开第三实施例的示意图
15.图4是根据本公开第四实施例的示意图；
16.图5是根据本公开第五实施例的示意图；
17.图6是根据本公开第六实施例的示意图；
18.图7示出了用来实施本公开的实施例的图像属性处理方法的示例电子设备的示意性框图。
具体实施方式
19.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
20.图1是根据本公开第一实施例的示意图。
21.其中，需要说明的是，本实施例的图像属性处理方法的执行主体为图像属性处理装置，该装置可以由软件和/或硬件的方式实现，该装置可以配置在电子设备中，电子设备可以包括但不限于终端、服务器端等。
22.本公开实施例涉及智能交通、计算机视觉等人工智能技术领域。
23.其中，人工智能(artificial intelligence)，英文缩写为ai。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
24.智能交通，是指将先进的信息技术、数据通信技术、传感器技术、电子控制技术以及计算机技术等有效地综合运用于整个交通运输管理体系，从而建立起一种大范围内、全方位发挥作用的实时、准确、高效的综合运输和管理系统。
25.计算机视觉，指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。
26.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
27.如图1所示，该图像属性处理方法，包括：
28.s101：获取图像的初始属性。
29.其中，图像属性可以用于对图像的某种具体特征进行描述，该图像属性可以具体例如为图像的清晰度属性，图像的遮挡属性(其中，遮挡属性可以用于描述获取得到的图像是否被遮挡)，图像的截断属性(其中，截断属性可以用于描述图像所描述的对象是否在图像中进行完整呈现的情况)，对此不做限制。
30.其中，在图像属性处理方法执行的初始阶段，获取得到的图像属性，即可以被称为图像的初始属性，该初始属性可以是在图像属性处理方法执行的初始阶段针对图像所预先确定的图像的一种或者多种属性，并将该确定得到的一种或者多种属性作为图像的初始属
性，对此不做限制。
31.也即是说，本公开实施例中，获取图像的初始属性可以是对图像进行解析处理，以确定该图像的一种或者多种属性作为图像的初始属性。
32.另一种实施例中，获取图像的初始属性，还可以是针对图像属性处理装置预先配置相应的数据传输接口，并经由该数据传输接口，接收图像的标注信息，该标注信息可以用于对图像的某种属性进行表征(例如，该标注信息可以用于对图像的截断属性进行描述(例如，在图像存在截断时，该标注信息为1，在图像不存在截断时，该标注信息为0，对此不做限制))，而后根据获取得到的图像的标注信息，确定图像的截断属性作为初始属性，对此不做限制。
33.本公开实施例中，该图像可以具体例如为针对红绿灯所采集得到的红绿灯图像，相应地，本公开实施例描述的图像属性的处理方法的一种具体的应用场景可以是，对采集得到的红绿灯图像的初始截断属性进行处理，具体例如为采集红绿灯图像，而后，先根据红绿灯图像中灯框的标注信息，确定红绿灯图像是否存在截断，以得到红绿灯图像的初始属性，但是，在实际业务场景中，可以存在红绿灯灯框截断，但是红绿灯灯头并未截断的情况，从而若根据红绿灯图像中灯框的标注信息，确定红绿灯图像是否存在截断，会具有一定的片面性，从而可以再获取红绿灯图像中灯头的标注信息，并根据灯头标注信息，对初始属性进行处理，从而得到能够更为准确的对红绿灯图像的截断情况进行表征的目标属性。
34.本公开实施例下述的描述说明将以该应用场景为例进行具体的解释说明，当然，本公开实施例也可以应用在其他任意可能的图像属性处理的业务场景中，对此不做限制。
35.s102：确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值。
36.其中，图像可以是针对一个和/或者多个对象采集得到的，即图像中可以包括一个和/或者多个对象，其中，该一个和/或者多个对象中可以用于执行后续图像属性处理方法的对象，即可以被称为目标对象。
37.本公开实施例中，如果图像是针对红绿灯采集得到的，该目标对象可以是红绿灯的灯框对应的图像区域，还可以是红绿灯的单个灯头对应的图像区域，对此不做限制。
38.举例而言，当在上述对采集得到的红绿灯图像的截断属性进行处理的应用场景中时，目标图像，可以具体例如是采集得到的红绿灯图像中，亮灯的红绿灯灯头，由于是从采集得到的红绿灯图像中，识别得到亮灯的灯头作为目标对象，从而可以有效地避免对不亮灯的灯头进行无效处理，从而能够在有效地保障后续图像属性处理效果地同时，有效地节约计算资源。
39.其中，目标对象对应的可以在后续图像属性处理方法中用作参考的图像面积，即可以被称为参考图像面积。
40.举例而言，当处于对采集得到的红绿灯图像的截断属性进行处理的应用场景中时，该参考图像面积可以具体是，不存在截断情况的目标对象的图像面积，即该参考图像面积可以是，完整呈现的红绿灯灯头的图像面积，对此不做限制。
41.其中，图像中目标对象对应的区域图像面积，即可以被称为图像区域面积。
42.其中，图像区域面积和参考图像面积之间的比例值，即可以被称为面积比例值。
43.一些实施例中，确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值，可以是经由上述图像属性处理装置的数据传输接口，获取图像中目标对象的图像
区域面积和参考图像面积，进而确定目标对象的图像区域面积和参考图像面积之间的比例值，并将该比例值作为面积比例值，对此不做限制。
44.本公开实施例中，确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值，可以是采用对象检测框从图像中识别得到目标对象，进而确定该目标对象在该图像中所呈现的图像区域面积，并从采集得到的该目标对象的图像中，确定不存在截断属性的目标对象对应的图像面积作为参考图像面积，而后，确定图像区域面积和参考图像面积之间的比例值，并将该比例值作为面积比例值，对此不做限制。
45.s103：根据面积比例值，确定目标对象的对象属性。
46.其中，用于目标对象对应的图像区域的某种具体特征进行描述的属性，即可以被称为对象属性。
47.一些实施例中，根据面积比例值，确定目标对象的对象属性，可以是结合预训练的属性解析模型，实现根据面积比例值，确定目标对象的对象属性，即可以是将前述确定得到的面积比例值输入至预训练的属性解析模型中，以得到由属性解析模型输出的目标对象的对象属性，对此不做限制。
48.另一些实施例中，根据面积比例值，确定目标对象的对象属性，还可以是将面积比例值与预设条件(其中，该预设条件可以结合实际业务场景中的图像属性处理需求，自适应配置，对此不做限制)相比对，并在面积比例值满足预设条件时，确定目标对象具有与该预设条件对应的对象属性，或者，也可以采用其他任意可能的方式，实现根据面积比例值，确定目标对象的对象属性，对此不做限制。
49.s104：根据对象属性处理初始属性，得到目标属性。
50.本公开实施例在确定图像中目标对象的对象属性后，可以根据对象属性处理初始属性，并将前述处理得到的属性作为目标属性。
51.也即是说，本公开实施例可以支持在确定图像的初始属性后，再确定图像中目标对象的对象属性，而后可以支持根据对象属性处理初始属性，从而实现对初始属性的调整，得到更为准确的目标属性。
52.一些实施例中，根据对象属性处理初始属性，可以是在获取得到图像的初始属性和目标对象的对象属性后，可以根据对象属性对初始属性进行调整，例如，可以根据对象属性生成相应的属性调整系数(该调整系数可以支持对初始属性进行修正)，对初始属性进行修正，以得到目标属性，对此不做限制。
53.另一些实施例中，根据对象属性处理初始属性，得到目标属性，还可以是在获取得到图像的初始属性和目标对象的对象属性后，将图像的初始属性直接调整为对象属性，并将调整后的对象属性作为目标属性，对此不做限制。
54.本实施例中，获取图像的初始属性，并确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值，再根据面积比例值，确定目标对象的对象属性，以及根据对象属性处理初始属性，得到目标属性，能够实现基于图像中目标对象的图像区域面积和参考图像面积之间的面积比例值所确定的对象属性，对初始属性进行优化处理，得到能够更为准确地对图像进行描述的目标属性，从而能够有效地提升图像属性的处理效果，有效地满足实际业务场景中的图像属性处理需求。
55.图2是根据本公开第二实施例的示意图。
56.如图2所示，该图像属性处理方法，包括：
57.s201：确定图像中目标对象的对象框信息。
58.其中，图像中的目标对象可以具有相应的对象框，以目标对象是红绿灯的单个灯头为例，目标对象的对象框可以是红绿灯的灯框，对此不做限制。
59.其中，目标对象的对象框可以具有一些相关的信息，该信息即可以被称为对象框信息，该对象框信息可以具体例如为对象框的标注信息，对象框的特征信息，对此不做限制。
60.本公开实施例中，确定图像中目标对象的对象框信息，可以是经由上述图像属性处理装置的数据传输接口，获取图像的标注信息，并从图像的标注信息中确定与对象框对应的标注信息，并将该信息作为图像中目标对象的对象框信息，对此不做限制。
61.s202：根据对象框信息，确定初始属性。
62.本公开实施例在确定图像中目标对象的对象框信息后，可以根据对象框信息，确定图像的初始属性。
63.本公开实施例在从图像的标注信息中确定与对象框对应的标注信息，并将该信息作为图像中目标对象的对象框信息后，可以对对象框信息进行解析处理，以确定图像的初始属性，对此不做限制。
64.举例而言，以图像是针对红绿采集得到的红绿灯图像为例，确定图像中目标对象的对象框信息，可以是获取图像中红绿灯灯框的标注信息(该标注信息可以用于描述红绿灯灯框是否存在截断(例如，可以在红绿灯灯框存在截断时，将标注信息标记为1，在红绿灯灯框不存在截断时，将标注信息标记为0，对此不做限制))，而后可以基于红绿灯灯框的标注信息，判断红绿灯图像的截断属性(例如，可以是在标注信息为0时，判断红绿灯图像的截断属性为未截断，在标注信息为1时，判断红绿灯图像的截断属性为已截断)，并将前述判断得到的截断属性作为初始属性，对此不做限制。
65.本实施例中，由于是确定图像中目标对象的对象框信息，从而能够基于对象框信息，实现准确地确定图像的初始属性，此外，由于是结合目标对象的对象框信息，确定初始属性，从而能够基于具有较少信息量的对象框信息，对图像的初始属性进行初始判断，从而可以在使不具有初始属性的图像不参于后续图像属性处理，进而有效地节约计算资源。
66.s203：获取图像的初始属性。
67.s204：确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值。
68.s205：根据面积比例值，确定目标对象的对象属性。
69.s206：根据对象属性处理初始属性，得到目标属性。
70.s203-s206的描述说明具体可以参见上述实施例，在此不再赘述。
71.本实施例中，通过确定图像中目标对象的对象框信息，并根据对象框信息，确定初始属性，由于是确定图像中目标对象的对象框信息，从而能够基于对象框信息，实现准确地确定图像的初始属性，此外，由于是结合目标对象的对象框信息，确定初始属性，从而能够基于具有较少信息量的对象框信息，对图像的初始属性进行初始判断，从而可以在使不具有初始属性的图像不参于后续图像属性处理，进而有效地节约计算资源，再获取图像的初始属性，并确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值，再根据面积比例值，确定目标对象的对象属性，以及根据对象属性处理初始属性，得到目标属
性，能够实现基于图像中目标对象的图像区域面积和参考图像面积之间的面积比例值所确定的对象属性，对初始属性进行优化处理，得到能够更为准确地对图像进行描述的目标属性，从而能够有效地提升图像属性的处理效果，有效地满足实际业务场景中的图像属性处理需求。
72.图3是根据本公开第三实施例的示意图。
73.如图3所示，该图像属性处理方法，包括：
74.s301：获取图像的初始属性。
75.s302：确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值。
76.s301-s302的描述说明具体可以参见上述实施例，在此不再赘述。
77.s303：如果面积比例值小于或等于比例阈值，则确定对象属性是第一对象属性，其中，第一对象属性描述目标对象在图像中局部呈现的情况。
78.其中，针对图像区域面积和参考图像面积之间的面积比例值预先设定的临界值，即可以被称为比例阈值，该比例阈值可以结合实际业务场景中的图像属性处理需求，自适应配置，例如，当处于对采集得到的红绿灯图像的截断属性进行处理的应用场景中时，可以结合是否影响红绿灯图像正常使用的使用需求，对比例阈值进行自适应配置，对此不做限制。
79.其中，第一对象属性描述目标对象在图像中局部呈现的情况，即目标对象对应的对象图像存在截断，在此情况下，由于目标对象无法完整呈现，对象图像对应的图像区域面积小于参考图像面积。
80.本公开实施例在确定图像区域面积和参考图像面积之间的面积比例值后，可以将面积比例值与比例阈值进行比对，如果面积比例值小于或等于比例阈值，则确定对象属性是第一对象属性。
81.s304：如果面积比例值大于比例阈值，则确定对象属性是第二对象属性，其中，第二对象属性描述目标对象在图像中完整呈现的情况。
82.其中，第二对象属性描述目标对象在图像中完整呈现的情况，即目标对象对应的对象图像不存在截断。
83.本公开实施例在确定图像区域面积和参考图像面积之间的面积比例值后，可以将面积比例值与比例阈值进行比对，如果面积比例值大于比例阈值，则确定对象属性是第二对象属性。
84.本公开实施例中，由于是在面积比例值小于或等于比例阈值时，确定对象属性是第一对象属性，或者在面积比例值大于比例阈值时，确定对象属性是第二对象属性，由于是联合比例阈值确定目标对象的对象属性，从而可以准确地对第一对象属性和第二对象属性进行界定区分，此外，由于比例阈值可以结合实际业务场景中的图像属性处理需求，自适应配置，从而能够基于比例阈值的调整，有效地满足不同业务场景中的图像属性处理需求。
85.s305：如果对象属性是第一对象属性，则将初始属性作为目标属性。
86.本公开实施例在确定对象属性是第一对象属性后，可以将初始属性作为目标属性。
87.举例而言，当处于对采集得到的红绿灯图像的截断属性进行处理的应用场景中时，由于根据红绿灯灯框信息，确定得到图像的初始属性所描述的是截断属性(即红绿灯无
法在图像中进行完整呈现)，这种情况下，可能存在红绿灯灯框截断，单红绿灯灯头并未截断，从而不影响红绿灯正常使用的情况，从而可以确定红绿灯亮灯灯头(目标对象)的对象属性，并在确定红绿灯亮灯灯头截断(即红绿灯灯头无法在图像中进行完整呈现)时，确定红绿灯图像存在截断，从而将初始属性作为目标属性。
88.s306：如果对象属性是第二对象属性，则根据第二对象属性处理初始属性，以得到目标属性。
89.本公开实施例在确定对象属性是第二对象属性后，可以根据第二对象属性处理初始属性，以得到目标属性。
90.举例而言，当处于对采集得到的红绿灯图像的截断属性进行处理的应用场景中时，由于根据红绿灯灯框信息，确定得到图像的初始属性所描述的是截断属性(即红绿灯无法在图像中进行完整呈现)，这种情况下，可能存在红绿灯灯框截断，但是红绿灯灯头并未截断，从而不影响红绿灯正常使用的情况，从而可以确定红绿灯亮灯灯头(目标对象)的对象属性，并在确定红绿灯亮灯灯头截断(即红绿灯灯头能够在图像中进行完整呈现)时，确定红绿灯图像能够支持正常使用，即不需要将该红绿灯图像标识为存在截断，从而可以根据第二对象属性处理初始属性，以得到目标属性。
91.一些实施例中，根据第二对象属性处理初始属性，以得到目标属性，可以是根据第二对象属性对初始属性进行调整，例如，可以根据第二对象属性生成相应的属性调整系数(该调整系数可以支持对初始属性进行修正)，对初始属性进行修正，以得到目标属性，对此不做限制。
92.可选地，一些实施例中，根据第二对象属性处理初始属性，以得到目标属性，可以是将初始属性替换为第二对象属性，并将替换的第二对象属性作为目标属性，由于是将初始属性替换为第二对象属性，并将替换的第二对象属性作为目标属性，而第二对象属性能够更为准确地对图像属性进行描述，从而在将替换的第二对象属性作为目标属性时，有效地提升目标属性的可参考性，使得图像能够基于目标属性对图像的属性进行清晰表征。
93.本公开实施例中，由于是在对象属性是第一对象属性时，将初始属性作为目标属性，由于初始属性和第一对象属性所描述的图像属性相同，从而在将初始属性作为目标属性时，可以避免对初始属性进行无效处理，从而能够节约图像属性处理的时间和计算资源，再在对象属性是第二对象属性时，根据第二对象属性处理初始属性，以得到目标属性，由于第二对象属性和初始属性不相同，且第二对象属性相较初始属性而言，能够更为准确得对图像的属性进行表征，从而在根据第二对象属性处理初始属性时，能够基于第二对象属性对初始属性进行修正，有效地提升目标属性的准确性，有效地提升图像属性的处理效果。
94.本实施例中，通过获取图像的初始属性，并确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值，再在面积比例值小于或等于比例阈值时，确定对象属性是第一对象属性，或者在面积比例值大于比例阈值时，确定对象属性是第二对象属性，由于是联合比例阈值确定目标对象的对象属性，从而可以准确地对第一对象属性和第二对象属性进行界定区分，此外，由于比例阈值可以结合实际业务场景中的图像属性处理需求，自适应配置，从而能够基于比例阈值的调整，有效地满足不同业务场景中的图像属性处理需求，再在对象属性是第一对象属性时，将初始属性作为目标属性，由于初始属性和第一对象属性所描述的图像属性相同，从而在将初始属性作为目标属性时，可以避免对初始属性进
行无效处理，从而能够节约图像属性处理的时间和计算资源，再在对象属性是第二对象属性时，根据第二对象属性处理初始属性，以得到目标属性，由于第二对象属性和初始属性不相同，且第二对象属性相较初始属性而言，能够更为准确得对图像的属性进行表征，从而在根据第二对象属性处理初始属性时，能够基于第二对象属性对初始属性进行修正，有效地提升目标属性的准确性，有效地提升图像属性的处理效果。
95.图4是根据本公开第四实施例的示意图。
96.如图4所示，该图像属性处理方法，包括：
97.s401：获取图像的初始属性。
98.s401的描述说明具体可以参见上述实施例，在此不再赘述。
99.s402：获取与目标对象对应的参考图像面积。
100.也即是说，本公开实施例中，可以获取目标对象对应的参考图像面积，而后可以基于该参考图像面积，确定目标对象的对象属性，具体可以参见后续实施例。
101.s403：从图像中识别得到目标对象的对象图像。
102.其中，图像中目标对象对应的区域图像，即可以被称为对象图像。
103.本公开实施例中，从图像中识别得到目标对象的对象图像，可以是从图像中识别得到目标对象，而后对目标对象对应的区域图像进行裁剪处理，以得到对象图像，而后可以基于对象图像，执行后续的图像属性处理方法，具体可以参见后续实施例。
104.举例而言，当在上述对采集得到的红绿灯图像的截断属性进行处理的应用场景中时，从图像中识别得到目标对象的对象图像，可以是从采集得到的红绿灯图像中，识别得到亮灯的灯头作为目标对象，并确定与该目标对象对应的区域图像作为对象图像。
105.s404：将对象图像的图像面积作为目标对象的图像区域面积。
106.本公开实施例在从图像中识别得到目标对象的对象图像后，可以将对象图像的图像面积作为目标对象的图像区域面积。
107.本公开实施例中，由于是获取与目标对象对应的参考图像面积，并从图像中识别得到目标对象的对象图像，再将对象图像的图像面积作为目标对象的图像区域面积，从而可以有效地避免对非目标对象对应的图像进行无效处理，从而能够在有效地保障后续图像属性处理效果地同时，有效地节约计算资源，此外，由于是确定对象图像的图像区域面积和参考图像面积，从而能够基于图像区域面积和参考图像面积，有效地辅助后续图像属性处理方法的顺利执行。
108.s405：确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值。
109.s406：根据面积比例值，确定目标对象的对象属性。
110.s407：根据对象属性处理初始属性，得到目标属性。
111.s405-s407的描述说明具体可以参见上述实施例，在此不再赘述。
112.本实施例中，通过获取图像的初始属性，再获取与目标对象对应的参考图像面积，并从图像中识别得到目标对象的对象图像，再将对象图像的图像面积作为目标对象的图像区域面积，从而可以有效地避免对非目标对象对应的图像进行无效处理，从而能够在有效地保障后续图像属性处理效果地同时，有效地节约计算资源，此外，由于是确定对象图像的图像区域面积和参考图像面积，从而能够基于图像区域面积和参考图像面积，有效地辅助后续图像属性处理方法的顺利执行，再根据面积比例值，确定目标对象的对象属性，以及根
据对象属性处理初始属性，得到目标属性，能够实现基于图像中目标对象的图像区域面积和参考图像面积之间的面积比例值所确定的对象属性，对初始属性进行优化处理，得到能够更为准确地对图像进行描述的目标属性，从而能够有效地提升图像属性的处理效果，有效地满足实际业务场景中的图像属性处理需求。
113.图5是根据本公开第五实施例的示意图。
114.如图5所示，该图像属性处理装置50，包括：
115.第一获取模块501，用于获取图像的初始属性；
116.第一确定模块502，用于确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值；
117.第二确定模块503，用于根据面积比例值，确定目标对象的对象属性；以及
118.第一处理模块504，用于根据对象属性处理初始属性，得到目标属性。
119.在本公开的一些实施例中，如图6所示，图6是根据本公开第六实施例的示意图，该图像属性处理装置60，包括：第一获取模块601、第一确定模块602、第二确定模块603、第一处理模块604，其中，第一确定模块602，还用于：
120.如果面积比例值小于或等于比例阈值，则确定对象属性是第一对象属性，其中，第一对象属性描述目标对象在图像中局部呈现的情况；或者
121.如果面积比例值大于比例阈值，则确定对象属性是第二对象属性，其中，第二对象属性描述目标对象在图像中完整呈现的情况。
122.在本公开的一些实施例中，第一处理模块604，包括：
123.第一处理子模块6041，用于在对象属性是第一对象属性时，将初始属性作为目标属性；
124.第二处理子模块6042，用于在对象属性是第二对象属性时，根据第二对象属性处理初始属性，以得到目标属性。
125.在本公开的一些实施例中，第二处理子模块6042，还用于：
126.将初始属性替换为第二对象属性，并将替换的第二对象属性作为目标对象属性。
127.在本公开的一些实施例中，图像属性处理装置60，还包括：
128.第二获取模块605，用于在确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值之前，获取与目标对象对应的参考图像面积；
129.识别模块606，用于从图像中识别得到目标对象的对象图像；
130.第二处理模块607，用于将对象图像的图像面积作为目标对象的图像区域面积。
131.在本公开的一些实施例中，图像属性处理装置60，还包括：
132.第三确定模块608，用于在获取图像的初始属性之前，确定图像中目标对象的对象框信息；
133.第四确定模块609，用于根据对象框信息，确定初始属性。
134.可以理解的是，本实施例附图6中的图像属性处理装置60与上述实施例中的图像属性处理装置50，第一获取模块601与上述实施例中的第一获取模块501，第一确定模块602与上述实施例中的第一确定模块502，第二确定模块603与上述实施例中的第二确定模块503，第一处理模块604与上述实施例中的第一处理模块504，可以具有相同的功能和结构。
135.需要说明的是，前述对图像属性处理方法的解释说明也适用于本实施例图像属性
处理装置。
136.本实施例中，通过获取图像的初始属性，并确定图像中目标对象的图像区域面积和参考图像面积之间的面积比例值，再根据面积比例值，确定目标对象的对象属性，以及根据对象属性处理初始属性，得到目标属性，能够实现基于图像中目标对象的图像区域面积和参考图像面积之间的面积比例值所确定的对象属性，对初始属性进行优化处理，得到能够更为准确地对图像进行描述的目标属性，从而能够有效地提升图像属性的处理效果，有效地满足实际业务场景中的图像属性处理需求。
137.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
138.图7示出了用来实施本公开的实施例的图像属性处理方法的示例电子设备的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其他适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其他类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
139.如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(rom)702中的计算机程序或者从存储单元708加载到随机访问存储器(ram)703中的计算机程序，来执行各种适当的动作和处理。在ram703中，还可存储设备700操作所需的各种程序和数据。计算单元701、rom 702以及ram 703通过总线704彼此相连。输入/输出(i/o)接口705也连接至总线704。
140.设备700中的多个部件连接至i/o接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
141.计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如图像属性处理方法。例如，在一些实施例中，图像属性处理方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由rom 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到ram 703并由计算单元701执行时，可以执行上文描述的图像属性处理方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像属性处理方法。
142.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器
可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
143.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
144.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
145.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其他种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
146.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、互联网及区块链网络。
147.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
148.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
149.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明
白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。