一种基于显示屏显示的图像识别方法技术

本申请提供一种基于显示屏显示的图像识别方法，包括如下步骤：S1、用户预先将待识别的图像存储至大数据原始库内；S2、接着再经过图像捕获模块对选定图像进行捕获处理；S3、再对捕获处理后图像的清晰度、亮度、角度以及颜色四个大方向进行显著标记。本申请通过图像大数据原始库、图像捕获模块、显著区域模块、图像特征提取模块、图像SVM分类模块、图像分析识别模块和图像结果显示模块的流程配合，可对图像的管件敏感信息进行标记捕获提取，从图像亮度、颜色、角度和清晰度多个方向进行标记识别，提高图像的整体识别精准度，降低图像的误识率，同时也由画面分屏模块通过多个显示器进行分屏显示，增强图像信息的显示查看效果。增强图像信息的显示查看效果。增强图像信息的显示查看效果。

【技术实现步骤摘要】
一种基于显示屏显示的图像识别方法


[0001]本申请涉及图像识别领域，尤其涉及一种基于显示屏显示的图像识别方法。

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]随着现在互联网的日益发展，互联网上的图像信息良莠不齐，易出现色情图像、暴力图像等垃圾图像来危害未成年人，从而需要用到图像识别方法对此类图像进行识别，然而现有的图像识别方法，大多以肤色为重要信息进行图像识别检测，易造成垃圾图像在识别过程中，出现识别效率低下和误识率较高的情况，同时图像显示结果大多为一个显示器进行显示，不可对垃圾图像进行分屏显示，大大降低垃圾图像的显示效果。
[0004]因此，有必要提供一种基于显示屏显示的图像识别方法解决上述技术问题。

技术实现思路

[0005]本申请提供一种基于显示屏显示的图像识别方法，解决了现有图像识别方法，出现识别效率低下和误识率较高情况，垃圾图像显示效果低下的问题。
[0006]为解决上述技术问题，本申请提供的基于显示屏显示的图像识别方法，包括如下步骤：
[0007]S1、用户预先将待识别的图像存储至大数据原始库内；
[0008]S2、接着再经过图像捕获模块对选定图像进行捕获处理；/>[0009]S3、再对捕获处理后图像的清晰度、亮度、角度以及颜色四个大方向进行显著标记；
[0010]S4、再对显著标记的图像特征进行提取，对标记图像的颜色和纹理进行关键提取；
[0011]S5、关键图像提取后再经过SVM分类模块进行划区分类处理，对不同显著标记图像信息进行区分分类；
[0012]S6、且基于云计算系统平台对不同分区内的显著标记图像进行匹配分析；
[0013]S7、匹配分析后的图像信息先由画面获取模块进行显示画面获取，并接收分屏指令以进行分屏处理。；
[0014]S8、再分别将分屏后的图像信息进行画面生成，再分别将生成后的图像信息进行画面处理，对画面的帧数、清晰度和色彩饱和度进行智能调节，最后再将智能调节后的画面经过画面投屏模块投屏处理后发送至画面分屏模块对应的各个显示器上，再经过对应监视器对画面进行分屏显示。
[0015]可选的，所述在S1中图像大数据原始库中的单张图像按照4*4划分方式，共划分为16个网格区域，且单个网格区域内再划分4个子区域。
[0016]可选的，所述16个网格区域的代号分别为A、B、C、D、E、F、G、H、I、J、K、L、M、N、O以及P，且4个子区域分别为A1、A2、A3和A4，B1、B2、B3和B4，C1、C2、C3和C4，D1、D2、D3和D4，E1、E2、E3和E4，F1、F2、F3和F4，G1、G2、G3和G4，H1、H2、H3和H4，I1、I2、I3和I4，J1、J2、J3和J4，K1、K2、K3和K4，L1、L2、L3和L4，M1、M2、M3和M4，N1、N2、N3和N4，O1、O2、O3和O4以及P1、P2、P3和P4。
[0017]可选的，所述在S4中，标记图像颜色特征提取采用的方法为：分别求取显著区域图像在Ⅰ、Ⅱ和Ⅲ3个颜色空间上的一阶距、二阶距和三阶距，即在Ⅰ、Ⅱ和Ⅲ三个颜色分量上的平均值、标准差和偏态公式如下：
[0018][0019][0020][0021]式中：f(x，y)——
ⅠⅡⅢ
空间上的各个颜色分量图像，i＝{Ⅰ、Ⅱ，Ⅲ}，N——图像或子区域图像的像素总数，那么经过颜色特征提取共得到9个特征参数，表示如下
[0022]Fc＝(C
k1
，C
k2
，C
k3
，C
k4
，C
k5
，C
k6
，C
k7
，C
k8
，C
k9
，)。
[0023]可选的，所述在S4中，标记图像纹理特征提取采用的方法为Gabor滤波法，是由Daugman为模拟大脑视觉皮层中简单细胞的感受视野的空间叠加属性而提出的二维Gabor滤波函数，且二维Gabor滤波函数公式如下：
[0024][0025]x
′
＝x cosθ+v sinθ
[0026]y
′
＝
‑
x sinθ+y cosθ
[0027]其中：θ∈[0，x)——滤波器的方向，φ∈(
‑
π，π]——高斯函数的相位，σ——高斯函数的方差，决定滤波器的带宽，λ——波长，1/λ——cos(2πx
’
/λ+ψ)的频率，γ——决定高斯卷积核函数g空间的纵横比率。
[0028]可选的，所述在S8中，画面分屏模块的显示器和监视器数量相同，且采用一一对应负责方式进行分屏控制，且显示器的图像显示方式为PPT。
[0029]与相关技术相比较，本申请提供的基于显示屏显示的图像识别方法具有如下有益效果：
[0030]本申请提供一种基于显示屏显示的图像识别方法，
[0031]1、本申请通过图像大数据原始库、图像捕获模块、显著区域模块、图像特征提取模块、图像SVM分类模块、图像分析识别模块和图像结果显示模块的流程配合，可对图像的管件敏感信息进行标记捕获提取，从图像亮度、颜色、角度和清晰度多个方向进行标记识别，提高图像的整体识别精准度，降低图像的误识率，同时也由画面分屏模块通过多个显示器进行分屏显示，增强图像信息的显示查看效果；
[0032]2、本申请通过单张图像按照4*4划分方式且共划分为16个网格区域，将单张图像以几何形式进行区域划分，便于图像特征提取模块对图像中的关键敏感信息进行细化特征进行捕获提取，提高图像的整体识别精准度和高效率，避免图像中的关键敏感信息出现识别遗漏现象，通过16个网格区域的代号分别为A、B、C、D、E、F、G、H、I、J、K、L、M、N、O以及P，可对网格区域和子区域进行代码编号，避免区域出现混乱错误，进一步提高图像识别的精准度，通过标记图像颜色特征提取采用的方法为：分别求取显著区域图像在Ⅰ、Ⅱ和Ⅲ3个颜色空间上的一阶距、二阶距和三阶距，利用颜色距方式对图像颜色进行特征显示，且分别对Ⅰ、Ⅱ和Ⅲ三个颜色的平均值、标准差和偏态进行精准公式计算，进一步增强图像颜色的识别精准度，通过标记图像纹理特征提取采用的方法为Gabor滤波法，能够最大程度减少空间和频率的不确定性，同时还能检测出图像中不同方向和角度上的边缘和线条，通过显示器的图像显示方式为PPT，便于使用方进行阅读查看，快速了解图像识别结果的含义，便于使用者对该识别的图像结果做出快速判断，同时也便于使用者采取相应措施。
附图说明
[0033]图1为本申请提供的基于显本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于显示屏显示的图像识别方法，其特征在于，包括如下步骤：S1、用户预先将待识别的图像存储至大数据原始库内；S2、接着再经过图像捕获模块对选定图像进行捕获处理；S3、再对捕获处理后图像的清晰度、亮度、角度以及颜色四个大方向进行显著标记；S4、再对显著标记的图像特征进行提取，对标记图像的颜色和纹理进行关键提取；S5、关键图像提取后再经过SVM分类模块进行划区分类处理，对不同显著标记图像信息进行区分分类；S6、且基于云计算系统平台对不同分区内的显著标记图像进行匹配分析；S7、匹配分析后的图像信息先由画面获取模块进行显示画面获取，并接收分屏指令以进行分屏处理。2.根据权利要求1所述的基于显示屏显示的图像识别方法，其特征在于，所述在S1中图像大数据原始库中的单张图像按照4*4划分方式，共划分为16个网格区域，且单个网格区域内再划分4个子区域。3.根据权利要求1所述的基于显示屏显示的图像识别方法，其特征在于，所述在S4中，标记图像颜色特征提取采用的方法为：分别求取显著区域图像在Ⅰ、Ⅱ和Ⅲ3个颜色空间上的一阶距、二阶距和三阶距。4.根据权利要求3所述的基于显示屏显示的图像识别方法，其特征在于，在所述Ⅰ、Ⅱ和Ⅲ三个颜色分量上的平均值、标准差和偏态公式如下：三个颜色分量上的平均值、标准差和偏态公式如下：三个颜色分量上的平均值、标准差和偏态公式如下：式中：f(x，y)——
ⅠⅡⅢ
空间上的各个颜色分量图像，i＝{Ⅰ、Ⅱ，Ⅲ}，N——图像或子区域图像的像素总数，那么经过颜色特征提取共得到9个特征参数，表示如下Fc＝(C
k1
，C
k2
，C
k3
，C
k4
，C
k5
，C
k6
，C<...

【专利技术属性】
技术研发人员：戴成杰，江涛，黄丽辉，
申请(专利权)人：国为南京软件科技有限公司，
类型：发明
国别省市：