AI的图像识别方法及装置制造方法及图纸

本申请实施例提供一种AI的图像识别方法及装置，所述方法应用于终端装置，所述终端装置包括：处理器、存储器、通信单元、摄像头和总线。本申请提供的技术方案具有降低功耗，减少计算量的优点。计算量的优点。计算量的优点。

【技术实现步骤摘要】
AI的图像识别方法及装置


[0001]本申请涉及人工智能
，尤其涉及一种AI的图像识别方法及装置。

技术介绍

[0002]图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。现阶段图像识别技术一般分为人脸识别与商品识别，人脸识别主要运用在安全检查、身份核验与移动支付中；商品识别主要运用在商品流通过程中，特别是无人货架、智能零售柜等无人零售领域。
[0003]随着人工智能(AI)的发展，AI对图像识别已经越来越多了，但是现有的AI图像识别的计算量大，导致运算效率低，功耗高。

技术实现思路

[0004]本申请实施例公开了一种AI的图像识别方法，能够提高运算效率，降低功耗。
[0005]本申请实施例第一方面提供一种AI的图像识别方法，所述终端装置包括：处理器、存储器、通信单元、摄像头和总线；其特征在于，所述方法包括如下步骤：
[0006]终端设备通过摄像头采集第一图片，将第一图片传输给通用处理器；
[0007]通用处理器对第一图片进行处理得到第一图片中每个像素点的RGB值，将第一图片划分成m*n个矩形块，提取第一图片的m*n个矩形块中的四个边角矩形块中的所有像素点的RGB值，统计得到四个边角矩形块中的所有像素点的RGB值中相同RGB值的像素点的数量，将数量最大值对应的RGB值确定为第一RGB值；
[0008]通用处理器计算m*n个矩形块中的剩余矩形块的所有像素点的RGB值与第一RGB值之间的差得到剩余矩形块中的每个矩形块的多个差值，对剩余矩形块中每个矩形块的多个差值计算平均值得到m*n
‑
4个均值，将m*n
‑
4个均值中大于等于第一阈值的均值保留得到x个均值，提取x个均值对应的x个矩形块，将x矩形块的像素点的RGB值形成输入数据，将该输入数据传输给AI处理器；AI处理器对该输入数据执行神经网络运算得到该第一图片的类别。
[0009]第二方面，提供一种终端装置，所述终端装置包括：处理器、存储器、通信单元、摄像头和总线；
[0010]摄像头，用于采集第一图片，将第一图片传输给通用处理器；
[0011]通用处理器，用于对第一图片进行处理得到第一图片中每个像素点的RGB值，将第一图片划分成m*n个矩形块，提取第一图片的m*n个矩形块中的四个边角矩形块中的所有像素点的RGB值，统计得到四个边角矩形块中的所有像素点的RGB值中相同RGB值的像素点的数量，将数量最大值对应的RGB值确定为第一RGB值；
[0012]通用处理器，还用于计算m*n个矩形块中的剩余矩形块的所有像素点的RGB值与第一RGB值之间的差得到剩余矩形块中的每个矩形块的多个差值，对剩余矩形块中每个矩形块的多个差值计算平均值得到m*n
‑
4个均值，将m*n
‑
4个均值中大于等于第一阈值的均值保
留得到x个均值，提取x个均值对应的x个矩形块，将x矩形块的像素点的RGB值形成输入数据，将该输入数据传输给AI处理器；
[0013]AI处理器，用于对该输入数据执行神经网络运算得到该第一图片的类别。
[0014]本申请实施例第三方面提供一种终端设备，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行第一方面所述的方法中的步骤的指令。
[0015]本申请实施例第四方面公开了一种计算机可读存储介质，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行第一方面所述的方法。
[0016]本申请实施例第五方面公开了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
[0017]本申请提供的技术方案终端设备通过摄像头采集第一图片，将第一图片传输给通用处理器；通用处理器对第一图片进行处理得到第一图片中每个像素点的RGB值，将第一图片划分成m*n个矩形块，提取第一图片的m*n个矩形块中的四个边角矩形块中的所有像素点的RGB值，统计得到四个边角矩形块中的所有像素点的RGB值中相同RGB值的像素点的数量，将数量最大值对应的RGB值确定为第一RGB值；通用处理器计算m*n个矩形块中的剩余矩形块(即m*n
‑
4个矩形块)的所有像素点的RGB值与第一RGB值之间的差得到剩余矩形块中的每个矩形块的多个差值，对剩余矩形块中每个矩形块的多个差值计算平均值得到m*n
‑
4个均值，将m*n
‑
4个均值中大于等于第一阈值的均值保留得到x个均值，提取x个均值对应的x个矩形块，将x矩形块的像素点的RGB值形成输入数据，将该输入数据传输给AI处理器；AI处理器对该输入数据执行神经网络运算得到该第一图片的类别。上述技术方案在组成输入数据时，将第一图片中无关的矩形块的RGB值进行删除，仅仅保留有效的矩形块的像素点的RGB值，这样就能够减少输入数据的尺寸，进而减少运算量，提高运算效率，降低功耗。
附图说明
[0018]以下对本申请实施例用到的附图进行介绍。
[0019]图1是本申请实施例提供的一种终端设备的结构示意图；
[0020]图2是本申请实施例提供的一种AI的图像识别方法的流程示意图。
具体实施方式
[0021]下面结合本申请实施例中的附图对本申请实施例进行描述。
[0022]本申请中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，表示前后关联对象是一种“或”的关系。
[0023]本申请实施例中出现的“多个”是指两个或两个以上。本申请实施例中出现的第一、第二等描述，仅作示意与区分描述对象之用，没有次序之分，也不表示本申请实施例中对设备个数的特别限定，不能构成对本申请实施例的任何限制。本申请实施例中出现的“连接”是指直接连接或者间接连接等各种连接方式，以实现设备间的通信，本申请实施例对此
不做任何限定。
[0024]本申请实施例的终端设备是一种具有无线通信功能的设备，可以称为终端(terminal)、用户设备(user equipment，UE)、移动台(mobile station，MS)、移动终端(mobile terminal，MT)、接入终端设备、车载终端设备、工业控制终端设备、UE单元、UE站、移动站、远方站、远程终端设备、移动设备、UE终端设备、无线通信设备、UE代理或UE装置等。终端设备可以是固定的或者移动的。需要说明的是，终端设备可以支持至少一种无线通信技术，例如LTE、新空口(new radio，NR)等。例如，终端设备可以是手机(mobil本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AI的图像识别方法，所述方法应用于终端装置，所述终端装置包括：处理器、存储器、通信单元、摄像头和总线；其特征在于，所述方法包括如下步骤：终端设备通过摄像头采集第一图片，将第一图片传输给通用处理器；通用处理器对第一图片进行处理得到第一图片中每个像素点的RGB值，将第一图片划分成m*n个矩形块，提取第一图片的m*n个矩形块中的四个边角矩形块中的所有像素点的RGB值，统计得到四个边角矩形块中的所有像素点的RGB值中相同RGB值的像素点的数量，将数量最大值对应的RGB值确定为第一RGB值；通用处理器计算m*n个矩形块中的剩余矩形块的所有像素点的RGB值与第一RGB值之间的差得到剩余矩形块中的每个矩形块的多个差值，对剩余矩形块中每个矩形块的多个差值计算平均值得到m*n
‑
4个均值，将m*n
‑
4个均值中大于等于第一阈值的均值保留得到x个均值，提取x个均值对应的x个矩形块，将x矩形块的像素点的RGB值形成输入数据，将该输入数据传输给AI处理器；AI处理器对该输入数据执行神经网络运算得到该第一图片的类别。2.根据权利要求1所述的方法，其特征在于，所述AI处理器对该输入数据执行神经网络运算得到该第一图片的类别具体包括：AI处理器对该输入数据执行n层卷积运算得到卷积运算结果，将该卷积运算结果执行全连接运算得到全连接运算结果，依据全连接运算结果得到第一图片的类别。3.根据权利要求2所述的方法，其特征在于，所述依据全连接运算结果得到第一图片的类别具体包括：将全连接运算结果与预设第一类别的模板结果执行差值运算得到第一差值矩阵，计算第一差值矩阵的所有元素值的第一平均值，若该第一平均值大于第二阈值，继续与预设的其他类别的模板结果执行差值运算得到其他差值矩阵的所有元素值的平均值直至确定第i类别的模板结果对应的平均值小于等于第二阈值时，确定该第一图片的类别为第i类别，若该第一平均值小于等于第二阈值，确定该第一图片的类别为第一类别。4.根据权利要求2所述的方法，其特征在于，AI处理器包括：一个主处理器和多个从处理器，多个从处理器与主处理器连接；所述主处理器接收输入数据和权值数据，将输入数据和权值数据发送至多个从处理器；多个从处理器对输入数据和权值数据并行执行卷积运算；所述主处理器执行全连接运算。5.一种终端装置，所述终端装置包括：处理器、存储器、通信单元、摄像头和总线；其特征在于，摄像头，用于采集第一图片，将第一图片传输给通用处理器；通用处理器，用于对第一图片进行处理得到...

【专利技术属性】
技术研发人员：朱新为，
申请(专利权)人：中科迈航信息技术有限公司，
类型：发明
国别省市：