一种物联网智能图像识别方法技术

本发明专利技术公开了一种物联网智能图像识别方法，包括以下步骤：S1：通过物联网技术获取需要识别的图像样本单元，图像样本单元通过互联网络生成序列帧，传递到图像识别系统，生成序列帧编号；S2：图像特征检测器和图像分割网络同步获取序列帧，图像特征检测器提取序列帧中的特征元素，图像分割网络分割序列帧，获取序列帧中的轮廓模型，将提取的特征元素与获取的轮廓模型融合，得到图像识别的结果，本发明专利技术通过图像特征检测器提取序列帧中的特征元素，图像分割网络分割序列帧，获取序列帧中的轮廓模型，将提取的特征元素与获取的轮廓模型融合，大大提高了图像的识别精度，保证了图像识别的效果理想，容易获得想要的识别图像，实用性强。实用性强。

【技术实现步骤摘要】
一种物联网智能图像识别方法


[0001]本专利技术涉及一种图像识别方法，特别涉及一种物联网智能图像识别方法，属于图像识别


技术介绍

[0002]物联网是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术，实时采集任何需要监控、 连接、互动的物体或过程，采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息，通过各类可能的网络接入，实现物与物、物与人的泛在连接，实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体，它让所有能够被独立寻址的普通物理对像形成互联互通的网络图像是人类视觉的基础，是自然景物的客观反映，是人类认识世界和人类本身的重要源泉。“图”是物体反射或透射光的分布，“像“是人的视觉系统所接受的图在人脑中所形成的印像或认识，照片、绘画、剪贴画、地图、书法作品、手写汉学、传真、卫星云图、影视画面、X光片、脑电图、心电图等都是图像。
[0003]图像识别在各个领域均有应用，近年来因为人工智能和神经网络的飞速发展，使得图像识别的效果和质量得到了极大提升，然而现有的图像识别技术的还存在着识别精度底，导致识别的效果不理想，也无法对识别的图像特征进行融合，因此难以获得想要的识别图像，为此我们提供一种物联网智能图像识别方法。

技术实现思路

[0004]本专利技术的目的在于提供一种物联网智能图像识别方法，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种物联网智能图像识别方法，包括以下步骤：S1：通过物联网技术获取需要识别的图像样本单元，图像样本单元通过互联网络生成序列帧，传递到图像识别系统，生成序列帧编号；S2：图像特征检测器和图像分割网络同步获取序列帧，图像特征检测器提取序列帧中的特征元素，图像分割网络分割序列帧，获取序列帧中的轮廓模型，将提取的特征元素与获取的轮廓模型融合，得到图像识别的结果。
[0006]作为本专利技术的一种优选技术方案，所述图像识别系统包括图像获取模块、图像灰度处理模块、图像黑白度处理模块、图像边界去除模块、图像背景扣除模块、图像特征检测器模块、图像分割网络模块和融合输出模块。
[0007]作为本专利技术的一种优选技术方案，所述图像识别系统处理图像的步骤如下：第一步：通过图像获取模块获取已经编号好的图像序列帧，并将图像序列帧转化为所支持的图像格式以及分辨率、色调、色相、饱和度、对比度和亮度；
第二步：图像边界去除模块将得到的图像去除不含物景和物体的无关边界，图像背景扣除模块将第一步中处理的图像背景扣除，留下物景和物体；第三步：图像灰度处理模块以及图像黑白度处理模块将处理后的图像进行灰度和黑白度的处理，通过图像特征检测器模块获取处理后图像的识别特征，图像分割网络模块对处理后的图像进行轮廓提取；第四步：融合输出模块将提取的特征元素与获取的轮廓模型融合，得到图像识别的结果并输出展示。
[0008]作为本专利技术的一种优选技术方案，所述图像识别系统的识别内容包括物景形式的识别、物体集群的识别、物体识别、物体组成部分的识别和物景基元的识别。
[0009]作为本专利技术的一种优选技术方案，所述图像获取模块处理转化格式后图像的步骤如下：第一：获取图像的分辨率信息、图像的色调基础值、色相基础值、饱和度基础值、对比度基础值和亮度基础值，改变目标图像的色调、色相、饱和度、对比度和亮度，最终生成改变后的图像信息；第二：通过图像放大功能，识别放大图像中颜色的缺陷部分，并绘出缺陷部分的边廓；通过计算缺图像陷部分周围的单元阵列的色调、色相、饱和度、对比度和亮度，推荐出合适的颜色，并通过涂鸦功能进行颜色填充。
[0010]作为本专利技术的一种优选技术方案，所述图像识别系统需要经过人工神经网络的训练，训练内容如下：将需要训练的图像样本输送到图像识别系统，对图像识别系统进行训练，再将训练后的图像识别系统再次的输入将需要训练的图像样本，反复多次得到图像识别系统，用于图像样本的识别。
[0011]与现有技术相比，本专利技术的有益效果是：1.本专利技术一种物联网智能图像识别方法，本专利技术通过图像特征检测器提取序列帧中的特征元素，图像分割网络分割序列帧，获取序列帧中的轮廓模型，将提取的特征元素与获取的轮廓模型融合，且在提取的过程中，图像获取模块可对图像序列帧进行格式转化以及图像处理，大大提高了图像的识别精度，保证了图像识别的效果理想，容易获得想要的识别图像，实用性强。
具体实施方式
[0012]下面将结合本专利技术实施例，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。
[0013]本专利技术提供了一种物联网智能图像识别方法的技术方案：一种物联网智能图像识别方法，包括以下步骤：S1：通过物联网技术获取需要识别的图像样本单元，图像样本单元通过互联网络生成序列帧，传递到图像识别系统，生成序列帧编号；S2：图像特征检测器和图像分割网络同步获取序列帧，图像特征检测器提取序列
帧中的特征元素，图像分割网络分割序列帧，获取序列帧中的轮廓模型，将提取的特征元素与获取的轮廓模型融合，得到图像识别的结果。
[0014]图像识别系统包括图像获取模块、图像灰度处理模块、图像黑白度处理模块、图像边界去除模块、图像背景扣除模块、图像特征检测器模块、图像分割网络模块和融合输出模块，图像识别系统的识别内容包括物景形式的识别、物体集群的识别、物体识别、物体组成部分的识别和物景基元的识别。
[0015]实施例一：图像识别系统处理图像的步骤如下：第一步：通过图像获取模块获取已经编号好的图像序列帧，并将图像序列帧转化为所支持的图像格式以及分辨率、色调、色相、饱和度、对比度和亮度；第二步：图像边界去除模块将得到的图像去除不含物景和物体的无关边界，图像背景扣除模块将第一步中处理的图像背景扣除，留下物景和物体；第三步：图像灰度处理模块以及图像黑白度处理模块将处理后的图像进行灰度和黑白度的处理，通过图像特征检测器模块获取处理后图像的识别特征，图像分割网络模块对处理后的图像进行轮廓提取；第四步：融合输出模块将提取的特征元素与获取的轮廓模型融合，得到图像识别的结果并输出展示。
[0016]实施例二：图像获取模块处理转化格式后图像的步骤如下：第一：获取图像的分辨率信息、图像的色调基础值、色相基础值、饱和度基础值、对比度基础值和亮度基础值，改变目标图像的色调、色相、饱和度、对比度和亮度，最终生成改变后的图像信息；第二：通过图像放大功能，识别放大图像中颜色的缺陷部分，并绘出缺陷部分的边廓；通过计算缺图像陷部分周围的单元阵列的色调、色相、饱和度、对比度和亮度，推荐出合适的颜色，并通过涂鸦功能进行颜色填充。
[0017]实施例三：图像识别系统需要经过人工神经网络的训练，训练内容如下：将需要训练的图像样本输送到图像识别系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物联网智能图像识别方法，其特征在于，包括以下步骤：S1：通过物联网技术获取需要识别的图像样本单元，图像样本单元通过互联网络生成序列帧，传递到图像识别系统，生成序列帧编号；S2：图像特征检测器和图像分割网络同步获取序列帧，图像特征检测器提取序列帧中的特征元素，图像分割网络分割序列帧，获取序列帧中的轮廓模型，将提取的特征元素与获取的轮廓模型融合，得到图像识别的结果。2.根据权利要求1所述的一种物联网智能图像识别方法，其特征在于：所述图像识别系统包括图像获取模块、图像灰度处理模块、图像黑白度处理模块、图像边界去除模块、图像背景扣除模块、图像特征检测器模块、图像分割网络模块和融合输出模块。3.根据权利要求2所述的一种物联网智能图像识别方法，其特征在于：所述图像识别系统处理图像的步骤如下：第一步：通过图像获取模块获取已经编号好的图像序列帧，并将图像序列帧转化为所支持的图像格式以及分辨率、色调、色相、饱和度、对比度和亮度；第二步：图像边界去除模块将得到的图像去除不含物景和物体的无关边界，图像背景扣除模块将第一步中处理的图像背景扣除，留下物景和物体；第三步：图像灰度处理模块以及图像黑白度处理模块将处理后的图像进行灰度和黑白度的处理，通过图像特征检测器模块获取处理后图像的识别...

【专利技术属性】
技术研发人员：段德山，
申请(专利权)人：南京思辨力电子科技有限公司，
类型：发明
国别省市：