一种图像数据处理方法技术

本发明专利技术公开了一种图像数据处理方法，包括如下步骤：获取视频图像数据，并解码每一帧图像；对解码后的每一帧图像进行预处理，得到不同维度的数据集并喂入深度神经网络；所述深度神经网络将数据集与预设的图像数据集进行对比，确定设备进入的系统界面。本发明专利技术图像数据处理方法及设备，采用深度神经网络对图像数据进行处理，将获取到的图像拆分为人脸信息和指令信息，再进行单独的匹配操作，能够在解锁的同时，使设备根据解锁动作的不同，进入预设的不同的界面，极大的提高了用户使用智能手机等智能设备的用户体验及使用效率。

【技术实现步骤摘要】
一种图像数据处理方法
本专利技术涉及一种图像处理方法，具体是一种图像数据处理方法。
技术介绍
随着多媒体技术的快速发展，智能手机、平板电脑等智能终端已经广泛应用于工作、生活的各个领域。现有的智能手机、平板电脑等智能终端大多采用人脸识别技术进行手机解锁以及支付等操作，极大的方便了人们的日常使用，但是，目前的人脸识别技术在应用上还有很大进步空间，譬如，在需要解锁使用智能手机时，大部分人都一个确定的目标，譬如解锁后要直接打开微信进行使用，现有的技术需要人们首先人脸识别解锁智能手机，然后手动点击微信图标，再对微信进行使用，其实在使用时，是有很大的不便的。如果我们在解锁的同时能够直接进入用户想要的界面，就可以极大的提高用户使用智能手机这些智能设备的用户体验。
技术实现思路
本专利技术的目的在于提供一种图像数据处理方法，能够在对设备进行人脸识别解锁的同时，直接进入用户想要进入的界面，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种图像数据处理方法，包括如下步骤：获取视频图像数据，并解码每一帧图像；对解码后的每一帧图像进行预处理，得到不同维度的数据集并喂入深度神经网络；所述深度神经网络将数据集与预设的图像数据集进行对比，确定设备进入的系统界面。作为本专利技术进一步的方案，所述预设的图像数据集获取方法包括如下步骤：获取视频图像数据，并解码每一帧图像；对解码后的每一帧图像进行预处理，得到不同维度的数据集并喂入深度神经网络；所述深度神经网络对数据集进行学习并存储，构成预设的图像数据集，并指定预设的图像数据集子集与设备系统各个界面之间的对应关系。作为本专利技术进一步的方案，所述深度神经网络对数据集进行学习的步骤如下：(a)采集大量的视频图像数据，并标注出图片里原始指令信息和原始人脸信息；(b)对这些图片统一进行预处理，并生成结构化的二进制数据文件；(c)批量地将二进制数据文件喂入深度神经网络模型中，推理计算后得到预测指令信息和预测人脸信息；(d)将预测指令信息、预测人脸信息分别和原始指令信息、原始人脸信息相对应的进行比较，计算它们之间的损失值；(e)通过运算更新深度神经网络网络中的权重参数，并最小化（d）中的损失值；(f)重复（c）~（e）操作直至满足迭代轮数，训练结束。作为本专利技术进一步的方案，所述预测指令信息采用谱重建算法进行推理计算得到。作为本专利技术进一步的方案，所述谱重建算法进行推理计算的步骤如下：采用谱重建算法重建所述原始结构化的二进制数据文件，生成图像分割数据；所述图像分割数据包括预测指令信息和预测人脸信息。作为本专利技术进一步的方案，所述深度神经网络将数据集与预设的图像数据集进行对比的方法如下：将预测人脸信息与原始人脸信息进行对比，确定是否对设备进行解锁；若预测人脸信息与原始人脸信息相匹配，则将预测指令信息与原始指令信息进行配对查找，若查询到相匹配的原始指令信息，则执行相应的原始指令信息所对应的设备系统的界面。进一步的，在上述方法的基础上，本专利技术还提供一种图像处理设备，包括图像获取模块、解码模块、预处理模块、存储模块以及深度神经网络模块；所述图像获取模块用于获取视频图像；所述解码模块用于对所述获取的视频图像进行解码；所述预处理模块用于对解码后的每一帧图像进行预处理，得到不同维度的数据集并喂入深度神经网络模块；所述存储模块用于存储预设的图像数据集；所述深度神经网络模块将数据集与预设的图像数据集进行对比，确定设备进入的系统界面。与现有技术相比，本专利技术的有益效果是：本专利技术图像数据处理方法，采用深度神经网络对图像数据进行处理，将获取到的图像拆分为人脸信息和指令信息，再进行单独的匹配操作，能够在解锁的同时，使设备根据解锁动作的不同，进入预设的不同的界面，极大的提高了用户使用智能手机等智能设备的用户体验及使用效率。附图说明图1为图像数据处理方法的流程图。图2为图像数据处理方法中图像数据集获取方法的流程图。图3为图像数据处理方法中深度神经网络对数据集进行学习的流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。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。请参阅图1，本专利技术实施例中，一种图像数据处理方法，包括如下步骤：获取视频图像数据，并解码每一帧图像。具体的，采用摄像头等设备获取图像数据，然后传输给解码模块，解码出每一帧图像。对解码后的每一帧图像采用预处理模块进行预处理，得到不同维度的数据集并喂入深度神经网络。所述深度神经网络将数据集与预设的图像数据集进行对比，确定设备进入的系统界面。具体的，请参阅图2，所述预设的图像数据集获取方法包括如下步骤：获取视频图像数据，并解码每一帧图像；对解码后的每一帧图像进行预处理，得到不同维度的数据集并喂入深度神经网络；所述深度神经网络对数据集进行学习并存储，构成预设的图像数据集，并指定预设的图像数据集子集与设备系统各个界面之间的对应关系。作为本专利技术进一步的方案，请参阅图3，所述深度神经网络对数据集进行学习的步骤如下：(a)采集大量的视频图像数据，并标注出图片里原始指令信息和原始人脸信息；(b)对这些图片统一进行预处理，并生成结构化的二进制数据文件；(c)批量地将二进制数据文件喂入深度神经网络模型中，采用谱重建算法推理计算后得到预测指令信息和预测人脸信息；(d)将预测指令信息、预测人脸信息分别和原始指令信息、原始人脸信息相对应的进行比较，计算它们之间的损失值；(e)通过运算更新深度神经网络网络中的权重参数，并最小化（d）中的损失值；(f)重复（c）~（e）操作直至满足迭代轮数，训练结束。具体的，所述谱重建算法进行推理计算的步骤如下：采用谱重建算法重建所述原始结构化的二进制数据文件，生成图像分割数据；所述图像分割数据包括预测指令信息和预测人脸信息。作为本专利技术进一步的方案，所述深度神经网络将数据集与预设的图像数据集进行对比的方法如下：将预测人脸信息与原始人脸信息进行对比，确定是否对设备进行解锁；若预测人脸信息与原始人脸信息相匹配，则将预测指令信息与原始指令信息进行配对查找，若查询到相匹配的原始指令信息，则执行相应的原始指令信息所对应的设备系统的界面。在上述方法的基础上，本专利技术还提供一种图像处理设备，包括图像获取模块、解码模块、预处理模块、存储模块以及深度神经网络模块；所述图像获取模块用于获取视频图像；具体的，所述图像获取模块可以为智能手机的摄像本文档来自技高网...

【技术保护点】
1.一种图像数据处理方法，其特征在于，包括如下步骤：/n获取视频图像数据，并解码每一帧图像；/n对解码后的每一帧图像进行预处理，得到不同维度的数据集并喂入深度神经网络；/n所述深度神经网络将数据集与预设的图像数据集进行对比，确定设备进入的系统界面；所述预设的图像数据集获取方法包括如下步骤：/n获取视频图像数据，并解码每一帧图像；/n对解码后的每一帧图像进行预处理，得到不同维度的数据集并喂入深度神经网络；/n所述深度神经网络对数据集进行学习并存储，构成预设的图像数据集，并指定预设的图像数据集子集与设备系统各个界面之间的对应关系。/n

【技术特征摘要】
1.一种图像数据处理方法，其特征在于，包括如下步骤：
获取视频图像数据，并解码每一帧图像；
对解码后的每一帧图像进行预处理，得到不同维度的数据集并喂入深度神经网络；
所述深度神经网络将数据集与预设的图像数据集进行对比，确定设备进入的系统界面；所述预设的图像数据集获取方法包括如下步骤：
获取视频图像数据，并解码每一帧图像；
对解码后的每一帧图像进行预处理，得到不同维度的数据集并喂入深度神经网络；
所述深度神经网络对数据集进行学习并存储，构成预设的图像数据集，并指定预设的图像数据集子集与设备系统各个界面之间的对应关系。


2.根据权利要求1所述的图像数据处理方法，其特征在于，所述深度神经网络对数据集进行学习的步骤如下：
(a)采集大量的视频图像数据，并标注出图片里原始指令信息和原始人脸信息；
(b)对这些图片统一进行预处理，并生成结构化的二进制数据文件；
(c)批量地将二进制数据文件喂入深度神经网络模型中，推理计算后得到预测指令信息和预测人脸信息；
(d)将预测指令信息、预测人脸信...

【专利技术属性】
技术研发人员：谷雪美，
申请(专利权)人：徐州众星显示科技有限公司，
类型：发明
国别省市：江苏;32