一种基于人工智能的图像识别方法和相关设备技术

本申请实施例公开了一种基于人工智能的图像识别方法和相关设备，该方法中，在获取包括至少两张待识别图像的待识别图像集之后，可以对该待识别图像集中的待识别图像进行自动化遍历，并根据分类模型确定待识别图像是否属于不可用图像类型，其中，不可用图像类型可以包括逆光类型、昏暗类型、物体遮挡类型、反光遮挡类型和倾斜类型中的任意一种或多种组合，若待识别图像是否不属于不可用图像类型，可以确定该待识别图像为可用图像，即高质量图像。由此可以高效准确的确定待识别图像是否为可用图像。

【技术实现步骤摘要】
一种基于人工智能的图像识别方法和相关设备
本申请涉及图像处理领域，特别是涉及一种基于人工智能的图像识别方法和相关设备。
技术介绍
在很多场景中，需要从不同质量水平的众多图像中识别出质量合格的图像，作为可用图像。然后，基于这些可用图像进行后续的其他作业环节。例如：模型训练中，通常需要在不同质量水平的众多图像中挑选出高质量的图像作为训练数据。目前，主要通过人工方式来识别，即通过肉眼从不同质量水平的图像中识别可用图像。
技术实现思路
为了解决上述技术问题，本申请提供了一种基于人工智能的图像识别方法和相关设备，可以高效准确的确定待识别图像是否为可用图像。本申请实施例公开了如下技术方案：第一方面，本申请实施例提供了一种基于人工智能的图像识别方法，所述方法包括：获取待识别图像集，所述待识别图像集中包括至少两张待识别图像；对所述待识别图像集中的待识别图像进行遍历，根据分类模型确定所述待识别图像是否属于不可用图像类型，所述不可用图像类型包括逆光类型、昏暗类型、物体遮挡类型、反光遮挡类型和倾斜类型中的任意一种或多种组合；若否，确定所述待识别图像为可用图像。第二方面，本申请实施例提供了一种基于人工智能的图像识别装置，所述装置包括获取单元和确定单元：所述获取单元，用于获取待识别图像集，所述待识别图像集中包括至少两张待识别图像；所述确定单元，用于对所述待识别图像集中的待识别图像进行遍历，根据分类模型确定所述待识别图像是否属于不可用图像类型，所述不可用图像类型包括逆光类型、昏暗类型、物体遮挡类型、反光遮挡类型和倾斜类型中的任意一种或多种组合；所述确定单元，还用于若否，确定所述待识别图像为可用图像。第三方面，本申请实施例提供了一种用于基于人工智能的图像识别设备，所述设备包括处理器以及存储器：所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行如第一方面所述的基于人工智能的图像识别方法。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行如第一方面所述的基于人工智能的图像识别方法。由上述技术方案可以看出，在获取包括至少两张待识别图像的待识别图像集之后，可以对该待识别图像集中的待识别图像进行自动化遍历，并根据分类模型确定待识别图像是否属于不可用图像类型，其中，不可用图像类型可以包括逆光类型、昏暗类型、物体遮挡类型、反光遮挡类型和倾斜类型中的任意一种或多种组合，若待识别图像是否不属于不可用图像类型，可以确定该待识别图像为可用图像，即高质量图像。由此可以高效准确的确定待识别图像是否为可用图像。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请实施例提供的一种基于人工智能的图像识别方法的应用场景示意图；图2为本申请实施例提供的一种图像识别方法的流程图；图3为本申请实施例提供的一种不可用图像类型的图像示意图；图4为本申请实施例提供的一种图像识别的具体实现方法流程图；图5为一种人工查验图像的方法流程图；图6为本申请实施例提供的另一种不可用图像类型的图像示意图；图7为本申请实施例提供的一种图像识别的具体实现方法流程图；图8为本申请实施例提供的一种截取设备众包图像数据的图像示意图；图9为本申请实施例提供的一种卷积内核示意图；图10为本申请实施例提供的一种待识别图像示意图；图11为本申请实施例提供的一种基于人工智能的图像识别方法总体流程图；图12为本申请实施例提供的一种级联式智能识别系统结构图；图13为本申请实施例提供的一种基于人工智能的图像识别装置；图14为本申请实施例提供的一种基于人工智能的图像识别的设备结构图；图15为本申请实施例提供的一种服务器的结构图。具体实施方式下面结合附图，对本申请的实施例进行描述。目前，主要通过人工方式来识别，即通过肉眼从不同质量水平的图像中识别可用图像，由此导致图像识别率较低。为此，本申请实施例提供了一种基于人工智能的图像识别方法，以希望在获取待识别图像集之后，可以实现待识别图像的自动化遍历，并根据分类模型识别待图像是否属于不可用图像类型，由此确定待识别图像是否为可用图像。基于该种自动化遍历的方式和智能化的识别方式，可以高效准确的确定待识别图像是否为可用图像。本申请实施例所提供的图像识别方法以及相应的分类模型的训练方法均可以是基于人工智能实现的，人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础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、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。在本申请实施例中，主要涉及了人工智能软件技术中的计算机视觉技术方向。例如可以涉及计算机视觉(ComputerVision)技术中的图像语义理解(ImageSemanticUnderstanding，ISU)，包括图像分类(Imageclassification)、图像特征提取(Imagefeatureextraction)等。本申请提供的图像识别方法可以应用于图像处理设备，如终端设备、服务器。终端设备例如可以是智能终端、计算机、个人数字助理(PersonalDigitalAssistant，简称PDA)、平板电脑等设备。该图像识别方法还可以应用到服务器中，服务器可以是独立的服务器，也可以是集群中的服务器。该图像处理设备还可以具有实施计算机视觉技术的能力，计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是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。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。计算机视觉技术通常包括图像处理、图像识别、图像语义理解、图像检索、OCR本文档来自技高网...

【技术保护点】
1.一种基于人工智能的图像识别方法，其特征在于，所述方法包括：/n获取待识别图像集，所述待识别图像集中包括至少两张待识别图像；/n对所述待识别图像集中的待识别图像进行遍历，根据分类模型确定所述待识别图像是否属于不可用图像类型，所述不可用图像类型包括逆光类型、昏暗类型、物体遮挡类型、反光遮挡类型和倾斜类型中的任意一种或多种组合；/n若否，确定所述待识别图像为可用图像。/n

【技术特征摘要】
1.一种基于人工智能的图像识别方法，其特征在于，所述方法包括：
获取待识别图像集，所述待识别图像集中包括至少两张待识别图像；
对所述待识别图像集中的待识别图像进行遍历，根据分类模型确定所述待识别图像是否属于不可用图像类型，所述不可用图像类型包括逆光类型、昏暗类型、物体遮挡类型、反光遮挡类型和倾斜类型中的任意一种或多种组合；
若否，确定所述待识别图像为可用图像。


2.根据权利要求1所述的方法，其特征在于，所述确定所述待识别图像为可用图像，包括：
确定所述待识别图像是否为模糊图像；
若否，确定所述待识别图像为可用图像。


3.根据权利要求2所述的方法，其特征在于，所述确定所述待识别图像是否属于模糊图像，包括：
从所述待识别图像中截取第一目标区域，所述第一目标区域为非天空区域；
生成所述第一目标区域对应的灰度图像；
根据卷积内核，对所述灰度图像进行卷积，生成目标灰度图像；
计算所述目标灰度图像中所有像素点的灰度方差；
确定所述灰度方差是否小于预设方差阈值，若是，确定所述待识别图像属于模糊图像，若否，确定所述待识别图像不属于模糊图像。


4.根据权利要求1所述的方法，其特征在于，所述确定所述待识别图像为可用图像，包括：
确定所述待识别图像对应的拍摄视角是否满足预设的视角范围；
若是，确定所述待识别图像为可用图像。


5.根据权利要求4所述的方法，其特征在于，所述确定所述待识别图像对应的拍摄视角是否满足预设的视角范围，包括：
从所述待识...

【专利技术属性】
技术研发人员：张红卫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44