一种识别方法、终端及计算机存储介质技术

本申请实施例公开了一种识别方法，该方法应用于一终端中，包括：获取待识别图像的图像数据和待识别图像的色温数据，分别对待识别图像的图像数据和待识别图像的色温数据进行处理，得到待识别图像的图像特征，将待识别图像的图像特征输入至预先训练好的机器学习分类模型中，对待识别图像进行识别，以识别出待识别图像为室内图像或者室外图像。本申请实施例还同时提供了一种终端及计算机存储介质。还同时提供了一种终端及计算机存储介质。还同时提供了一种终端及计算机存储介质。

【技术实现步骤摘要】
一种识别方法、终端及计算机存储介质


[0001]本申请涉及图像的识别技术，尤其涉及一种识别方法、终端及计算机存储介质。

技术介绍

[0002]目前，在图像的室内外检测中，有基于外部器件的方法，例如无线保真(WIFI，Wireless Fidelity)，光感和红外，也有基于图像本身的方法，其中，基于图像本身的方法常常采用人工智能(AI，Artificial Intelligence)算法，AI算法用于区分室内及其他场景(例如：绿植&天空&人像)，AI算法可以提供室内外多分类结果，但是，针对室内外的识别率的准确性不高，大概在85％左右，并且，AI算法采用的YUV数据使得该算法并不适合提供给自动白平衡(AWB，Auto White Balance)/自动曝光(AE，Automatic Exposure)使用，由此可以看出，现有的对图像的室内外的识别方法的准确率较低。

技术实现思路

[0003]本申请实施例提供一种识别方法、终端及计算机存储介质，能够提高对图像的室内外识别的准确率。<br/>[0004]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种识别方法，其特征在于，所述方法应用于一终端中，所述方法包括：获取待识别图像的图像数据和所述待识别图像的色温数据；分别对所述待识别图像的图像数据和所述待识别图像的色温数据进行处理，得到所述待识别图像的图像特征；将所述待识别图像的图像特征输入至预先训练好的机器学习分类模型中，对所述待识别图像进行识别，以识别出所述待识别图像为室内图像或者室外图像。2.根据权利要求1所述的方法，其特征在于，所述分别对所述待识别图像的图像数据和所述待识别图像的色温数据进行处理，得到所述待识别图像的图像特征，包括：对所述待识别图像的图像数据进行处理，得到处理后的图像数据；对所述待识别图像的色温数据进行处理，得到处理后的色温数据；利用所述处理后的图像数据和所述处理后的色温数据形成所述待识别图像的图像特征。3.根据权利要求2所述的方法，其特征在于，所述对所述待识别图像的图像数据进行处理，得到处理后的图像数据，包括：根据所述待识别图像的图像数据，计算所述待识别图像的横向梯度值和所述待识别图像的纵向梯度值；将所述待识别图像的横向梯度值与所述待识别图像的纵向梯度值之和，确定为所述待识别图像的实际梯度值；从所述待识别图像的实际梯度值中，选取出落入预设的弱梯度值范围内的实际梯度值；对选取出的实际梯度值的待识别图像的图像分量进行分组，得到八组图像分量，将每组图像分量的个数进行归一化得到所述处理后的图像数据。4.根据权利要求2所述的方法，其特征在于，所述对所述待识别图像的色温数据进行处理，得到处理后的色温数据，包括：对所述待识别图像的色温数据中的一个通道的时域信息进行时频转换，得到频域信息；从频域信息中选取出最大的两个频率幅值和最大的两个频率幅值对应的频率，并分别进行归一化，得到所述处理后的色温数据。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取待训练图像集的图像数据和所述待训练图像集的色温数据；分别对所述待训练图像集的图像数据和所述待训练图像集的色温数据进行处理，得到所述待训练图像集的图像特征；采用所述待训练图像集的图像特征对机器学习分类模型进行训练，以确定出所述机器学习分类模型中的损失函数取值最小时的模型参数，得到所述预先训练好的机器学习分类模型。6.根据权利要求5所述的方法，其特征在于，在采用...

【专利技术属性】
技术研发人员：王琳，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：