图像处理方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，提供一种图像处理方法、装置、电子设备及存储介质，该方法包括：接收用户图像；将用户图像输入至第一算法模型中，获得识别结果；接收识别结果的标签，并从用户图像中确定第一图像和第二图像；将第一图像添加至正样本库中，以及将第二图像添加至负样本库中；从正样本库中获取正样本图像，以及从负样本库中获取负样本图像；采用正样本图像和负样本图像，对第一算法模型进行训练，获得第二算法模型；当接收到待处理图像时，使用第二算法模型对待处理图像进行处理，生成电子证件照。本发明专利技术可应用在智慧政务、智慧医疗、智慧交通等需要进行证件照图像处理的领域，从而推动智慧城市的发展。

【技术实现步骤摘要】
图像处理方法、装置、电子设备及存储介质
本专利技术涉及人工智能
，尤其涉及一种图像处理方法、装置、电子设备及存储介质。
技术介绍
随着图像处理技术的快速发展，依靠人工智能图像算法已经能够实现各种场景下的图像模拟，为用户生成符合要求的照片。目前，有许多证件照生成的应用软件，可以让用户足不出户即可在线生成证件照，以办理各种业务。然而，实践中发现，该应用软件所依赖的人工智能图像算法需要每隔一段时间重新训练并部署新的算法框架，然而，由于人工智能图像算法的训练与应用软件的迭代是分层解耦的，这样容易导致人工智能图像算法不能根据业务的运行情况及时调优，使得应用软件的更新不及时，从而导致该应用软件在生成证件照时对图像质量检测的准确度较低，从而影响证件照的生成效果。
技术实现思路
鉴于以上内容，有必要提供一种图像处理方法、装置、电子设备及存储介质，能够提高证件照的生成效果。本专利技术的第一方面提供一种图像处理方法，所述图像处理方法包括：接收上传的用户图像；将所述用户图像输入至应用软件的第一算法模型中，获得识别结果；接收所述识别结果的标签，并根据所述标签，从所述用户图像中确定被准确识别的第一图像和被错误识别的第二图像；将所述第一图像添加至正样本库中，以及将所述第二图像添加至负样本库中；从所述正样本库中获取新增的正样本图像，以及从所述负样本库中获取新增的负样本图像；采用所述正样本图像和所述负样本图像，对所述第一算法模型进行训练，获得第二算法模型；r>当接收到待处理图像时，使用所述第二算法模型对所述待处理图像进行处理，生成电子证件照。在一种可能的实现方式中，所述从所述正样本库中获取新增的正样本图像，以及从所述负样本库中获取新增的负样本图像之后，所述图像处理方法还包括：获取当前时间；判断所述当前时间是否处于业务的低频时间范围内；若所述当前时间处于业务的低频时间范围内，采用所述正样本图像和所述负样本图像，对所述第一算法模型进行训练，获得第二算法模型。在一种可能的实现方式中，所述从所述正样本库中获取新增的正样本图像，以及从所述负样本库中获取新增的负样本图像之后，所述图像处理方法还包括：判断所述新增的正样本图像的数量是否超过预设数量阈值，以及判断所述新增的负样本图像是否超过预设数量阈值；若所述新增的正样本图像的数量超过预设数量阈值，和/或所述新增的负样本图像超过所述预设数量阈值，判断所述当前时间是否处于业务的低频时间范围内；若所述当前时间不处于业务的低频时间范围内，监测电子设备的剩余计算资源；若所述剩余计算资源超过预设资源阈值，采用所述正样本图像和所述负样本图像，对所述第一算法模型进行训练，获得第二算法模型。在一种可能的实现方式中，所述图像处理方法还包括：若所述新增的正样本图像的数量不超过预设数量阈值，且所述新增的负样本图像不超过所述预设数量阈值，且当前时间处于业务的低频时间范围内，关闭模型训练的接口。在一种可能的实现方式中，所述当接收到待处理图像时，使用所述第二算法模型对所述待处理图像进行处理，生成电子证件照包括：当接收到待处理图像时，使用所述第二算法模型对所述待处理图像进行质量检测，获得检测结果；若所述检测结果表明检测失败，获取失败明细，并从所述失败明细中确定所述待处理图像与标准图像的参数差异值；判断所述参数差异值是否处于预设处理范围；若所述参数差异值处于预设处理范围，基于所述标准图像，对所述待处理图像进行自纠偏处理，获得处理后的图像；基于所述处理后的图像，生成电子证件照。在一种可能的实现方式中，所述待处理图像为属于同一个用户的多张连拍图像，所述当接收到待处理图像时，使用所述第二算法模型对所述待处理图像进行处理，生成电子证件照包括：当接收到同一个用户的多张连拍图像时，分别使用所述第二算法模型对每张所述连拍图像进行质量检测，获得多个检测结果；根据所述多个检测结果，确定每张所述连拍图像中符合检测要求的图像参数；根据多个所述图像参数，对多张所述连拍图像进行融合处理，获得融合图像；根据所述融合图像，生成电子证件照。在一种可能的实现方式中，所述图像处理方法还包括：将所述电子证件照上传至区块链。本专利技术的第二方面提供一种图像处理装置，所述图像处理装置包括：接收模块，用于接收上传的用户图像；输入模块，用于将所述用户图像输入至应用软件的第一算法模型中，获得识别结果；所述接收模块，还用于接收所述识别结果的标签；确定模块，用于根据所述标签，从所述用户图像中确定被准确识别的第一图像和被错误识别的第二图像；添加模块，用于将所述第一图像添加至正样本库中，以及将所述第二图像添加至负样本库中；获取模块，用于从所述正样本库中获取新增的正样本图像，以及从所述负样本库中获取新增的负样本图像；训练模块，用于采用所述正样本图像和所述负样本图像，对所述第一算法模型进行训练，获得第二算法模型；生成模块，用于当接收到待处理图像时，使用所述第二算法模型对所述待处理图像进行处理，生成电子证件照。本专利技术的第三方面提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现所述的图像处理方法。本专利技术的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的图像处理方法。由以上技术方案可知，本专利技术可应用在智慧建筑、智慧政务、智慧医疗、智慧安防、智慧交通、智慧物流、慧家居、智慧社区、智慧财政、智慧法律、智慧生活等需要进行证件照图像处理的领域，从而推动智慧城市的发展。本专利技术中，业务运行的过程中产生的图像会自动转移到算法训练模块，而不用专门人员去收集样本，业务运行和算法训练能够有机结合在一起，通过业务产生的图像不断地对算法模型进行调优，使得调优后的算法模型能够更加适应当前的业务需求，能够提高对图像质量检测的准确度，从而提高证件照的生成效果。附图说明图1是本专利技术公开的一种图像处理方法的较佳实施例的流程图。图2是本专利技术公开的一种图像处理装置的较佳实施例的功能模块图。图3是本专利技术实现图像处理方法的较佳实施例的电子设备的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述图像处理方法包括：/n接收上传的用户图像；/n将所述用户图像输入至应用软件的第一算法模型中，获得识别结果；/n接收所述识别结果的标签，并根据所述标签，从所述用户图像中确定被准确识别的第一图像和被错误识别的第二图像；/n将所述第一图像添加至正样本库中，以及将所述第二图像添加至负样本库中；/n从所述正样本库中获取新增的正样本图像，以及从所述负样本库中获取新增的负样本图像；/n采用所述正样本图像和所述负样本图像，对所述第一算法模型进行训练，获得第二算法模型；/n当接收到待处理图像时，使用所述第二算法模型对所述待处理图像进行处理，生成电子证件照。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述图像处理方法包括：
接收上传的用户图像；
将所述用户图像输入至应用软件的第一算法模型中，获得识别结果；
接收所述识别结果的标签，并根据所述标签，从所述用户图像中确定被准确识别的第一图像和被错误识别的第二图像；
将所述第一图像添加至正样本库中，以及将所述第二图像添加至负样本库中；
从所述正样本库中获取新增的正样本图像，以及从所述负样本库中获取新增的负样本图像；
采用所述正样本图像和所述负样本图像，对所述第一算法模型进行训练，获得第二算法模型；
当接收到待处理图像时，使用所述第二算法模型对所述待处理图像进行处理，生成电子证件照。


2.根据权利要求1所述的图像处理方法，其特征在于，所述从所述正样本库中获取新增的正样本图像，以及从所述负样本库中获取新增的负样本图像之后，所述图像处理方法还包括：
获取当前时间；
判断所述当前时间是否处于业务的低频时间范围内；
若所述当前时间处于业务的低频时间范围内，采用所述正样本图像和所述负样本图像，对所述第一算法模型进行训练，获得第二算法模型。


3.根据权利要求1所述的图像处理方法，其特征在于，所述从所述正样本库中获取新增的正样本图像，以及从所述负样本库中获取新增的负样本图像之后，所述图像处理方法还包括：
判断所述新增的正样本图像的数量是否超过预设数量阈值，以及判断所述新增的负样本图像是否超过预设数量阈值；
若所述新增的正样本图像的数量超过预设数量阈值，和/或所述新增的负样本图像超过所述预设数量阈值，判断所述当前时间是否处于业务的低频时间范围内；
若所述当前时间不处于业务的低频时间范围内，监测电子设备的剩余计算资源；
若所述剩余计算资源超过预设资源阈值，采用所述正样本图像和所述负样本图像，对所述第一算法模型进行训练，获得第二算法模型。


4.根据权利要求3所述的图像处理方法，其特征在于，所述图像处理方法还包括：
若所述新增的正样本图像的数量不超过预设数量阈值，且所述新增的负样本图像不超过所述预设数量阈值，且当前时间处于业务的低频时间范围内，关闭模型训练的接口。


5.根据权利要求1所述的图像处理方法，其特征在于，所述当接收到待处理图像时，使用所述第二算法模型对所述待处理图像进行处理，生成电子证件照包括：
当接收到待处理图像时，使用所述第二算法模型对所述待处...

【专利技术属性】
技术研发人员：夏方舟，
申请(专利权)人：平安国际智慧城市科技股份有限公司，
类型：发明
国别省市：广东;44