利用网络模型的数据提取系统技术方案

本发明专利技术涉及一种利用网络模型的数据提取系统，包括：预先处理器件，对接收到的待分析画面执行多级不同的噪声滤除动作，以获得多级滤波画面；参数捕获器件，捕获多级滤波画面的明暗等级以及颜色反差等级；内容判断机构，采用多次学习后的深度前馈网络以基于明暗等级、颜色反差等级以及多级滤波画面中各个像素点分别对应的各个颜色分量数值智能预测待分析画面中是否存在人体对象侵犯行为。本发明专利技术的利用网络模型的数据提取系统运行稳定、操作简便。由于能够直接基于画面的各项直观数据采用人工智能模型完成对画面中是否存在人体对象侵犯行为的智能化判断，从而只需要一个判断步骤即可完成原本复杂、冗余的判断过程。冗余的判断过程。冗余的判断过程。

【技术实现步骤摘要】
利用网络模型的数据提取系统


[0001]本专利技术涉及计算机视觉领域，尤其涉及一种利用网络模型的数据提取系统。

技术介绍

[0002]计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。这里所指的信息指可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息，所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。
[0003]计算机视觉既是工程领域，也是科学领域中的一个富有挑战性重要研究领域。计算机视觉是一门综合性的学科，它已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等。
[0004]在建筑工程领域，申请人清华大学提出了基于计算机视觉的建筑结构改扩建安全排查方法、装置、计算机设备、存储介质和计算机程序产品，公开在CN115661212A的专利文件中。方法包括：在各预设检测时间对目标建筑进行扫描，得到目标建筑在各检测时间对应的点云数据集合；将各点云数据集合包含的点云数据进行配准处理，得到配准结果；根据配准结果和各点云数据集合包含的点云数据进行三维模型叠加处理，得到叠加后的三维模型；根据叠加后的三维模型，展示目标建筑对应的目标模型，目标模型用于反映目标建筑的形变特征。采用该方法能够降低漏检率。
[0005]在空间设计领域，申请人深圳奥雅设计股份有限公司提出了用于城市公共空间设计的计算机视觉分析方法及系统，公开在CN115600267A的专利文件中。通过基于点云数据的三维重建技术以及基于图像信息内容的渲染方式，将公共空间进行等尺寸的虚拟化，进而可以通过预设置的相关设施设备的尺寸条件以及安装配置要求对公共空间的设施需求进行响应，模拟对公共空间中设施设备的安装分布设计，实现多种设计方案的生成并对不同的方案进行物料需求与工程造价的获知，相较于现有技术，能够大量的降低对于人力资源的需求，对于整体设计较为简单的公共场所，也可以更加快速方便的获得不同工程造价的多种设计方案，降低了对设计人员的需求。
[0006]在人工智能领域，申请人北京百度网讯科技有限公司提出了三维虚拟服饰生成方法、装置、设备及存储介质，公开在CN115375823A的专利文件中。具体实现方案为：获取服饰图像；根据服饰图像和与服饰图像相关的服饰先验信息，进行三维模型拟合重建，生成目标服饰模型；根据服饰图像对目标服饰模型进行纹理渲染，生成与服饰图像对应的三维虚拟服饰。从而，基于单张图像即可实现三维虚拟服饰的高精度重建，提高了三维虚拟服饰的重建质量。
[0007]在执行视觉监控的计算机视觉应用中，判断视觉画面中是否存在人体对象侵犯行为是一项重要的监控内容。然而，现有技术中需要通过先基于人体成像特征识别视觉画面中的每一个人体对象，在判断视觉画面中每两个人体对象之间的视觉间距，在结合视觉间距较近的两个人体对象分别对应的两个整体景深值是否接近，再最终完成是否存在人体对象侵犯行为的判断。显然，现有技术中的判断过程需要经过不同算法的多个不同步骤，且每一个步骤需要耗费大量的时间成本和运算成本，同时存在一定的计算冗余度。

技术实现思路

[0008]为了解决现有技术中的技术问题，本专利技术提供了一种利用网络模型的数据提取系统，能够在对待分析画面执行多级降噪以获得优质画面的基础上，直接基于画面的各项直观数据采用人工智能模型完成对待分析画面中是否存在人体对象侵犯行为的智能化判断，从而只需要一个判断步骤即可完成原本复杂、冗余的判断过程，有效降低了画面内容分析的成本和能耗。
[0009]根据本专利技术的一方面，提供了一种利用网络模型的数据提取系统，所述系统包括：
[0010]预先处理器件，用于对接收到的待分析画面执行脉冲噪声滤除、椒盐噪声滤除以及高斯白噪声滤除动作，以获得多级滤波画面；
[0011]参数捕获器件，与所述预先处理器件连接，用于捕获所述多级滤波画面的明暗等级以及所述多级滤波画面的颜色反差等级以分别作为当前明暗等级以及当前颜色反差等级输出；
[0012]成分采集器件，与所述预先处理器件连接，用于采集所述多级滤波画面中每一个像素点在CMYK颜色空间下的青色分量、品红色分量、黄色分量和黑色分量，以获得所述多级滤波画面中各个像素点分别对应的各个青色分量、各个品红色分量、各个黄色分量和各个黑色分量；
[0013]内容判断机构，分别与所述参数捕获器件以及所述成分采集器件连接，用于采用多次学习后的深度前馈网络以基于所述当前明暗等级、所述当前颜色反差等级以及所述多级滤波画面中各个像素点分别对应的各个青色分量、各个品红色分量、各个黄色分量和各个黑色分量预测所述待分析画面中是否存在人体对象侵犯行为，多次学习中的学习次数与所述待分析画面的解析度正向关联；
[0014]其中，采用多次学习后的深度前馈网络以基于所述当前明暗等级、所述当前颜色反差等级以及所述多级滤波画面中各个像素点分别对应的各个青色分量、各个品红色分量、各个黄色分量和各个黑色分量预测所述待分析画面中是否存在人体对象侵犯行为包括：当多次学习后的深度前馈网络的输出为0X01时，判断所述待分析画面中存在人体对象侵犯行为，当多次学习后的深度前馈网络的输出为0X00时，判断所述待分析画面中未存在人体对象侵犯行为；
[0015]其中，采用多次学习后的深度前馈网络以基于所述当前明暗等级、所述当前颜色反差等级以及所述多级滤波画面中各个像素点分别对应的各个青色分量、各个品红色分量、各个黄色分量和各个黑色分量预测所述待分析画面中是否存在人体对象侵犯行为包括：所述当前明暗等级、所述当前颜色反差等级以及所述多级滤波画面中各个像素点分别对应的各个青色分量、各个品红色分量、各个黄色分量和各个黑色分量被分别二级制转换
后输入到多次学习后的深度前馈网络。
[0016]本专利技术的利用网络模型的数据提取系统运行稳定、操作简便。由于能够直接基于画面的各项直观数据采用人工智能模型完成对画面中是否存在人体对象侵犯行为的智能化判断，从而只需要一个判断步骤即可完成原本复杂、冗余的判断过程。
附图说明
[0017]以下将结合附图对本专利技术的实施例进行描述。
[0018]图1为根据本专利技术第一实施例示出的利用网络模型的数据提取系统的结构方框图。
[0019]图2为根据本专利技术第二实施例示出的利用网络模型的数据提取系统的结构方框图。
[0020]图3为根据本专利技术第三实施例示出的利用网络模型的数据提取系统的结构方框图。
具体实施方式
[0021]下面将参照附图对本专利技术的利用网络模型的数据提取系统的实施例进行详细说明。
[0022]第一实施例
[0023]图1为根据本专利技术第一实施例示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用网络模型的数据提取系统，其特征在于，所述系统包括：预先处理器件，用于对接收到的待分析画面执行脉冲噪声滤除、椒盐噪声滤除以及高斯白噪声滤除动作，以获得多级滤波画面；参数捕获器件，与所述预先处理器件连接，用于捕获所述多级滤波画面的明暗等级以及所述多级滤波画面的颜色反差等级以分别作为当前明暗等级以及当前颜色反差等级输出；成分采集器件，与所述预先处理器件连接，用于采集所述多级滤波画面中每一个像素点在CMYK颜色空间下的青色分量、品红色分量、黄色分量和黑色分量，以获得所述多级滤波画面中各个像素点分别对应的各个青色分量、各个品红色分量、各个黄色分量和各个黑色分量；内容判断机构，分别与所述参数捕获器件以及所述成分采集器件连接，用于采用多次学习后的深度前馈网络以基于所述当前明暗等级、所述当前颜色反差等级以及所述多级滤波画面中各个像素点分别对应的各个青色分量、各个品红色分量、各个黄色分量和各个黑色分量预测所述待分析画面中是否存在人体对象侵犯行为，多次学习中的学习次数与所述待分析画面的解析度正向关联；其中，采用多次学习后的深度前馈网络以基于所述当前明暗等级、所述当前颜色反差等级以及所述多级滤波画面中各个像素点分别对应的各个青色分量、各个品红色分量、各个黄色分量和各个黑色分量预测所述待分析画面中是否存在人体对象侵犯行为包括：当多次学习后的深度前馈网络的输出为0X01时，判断所述待分析画面中存在人体对象侵犯行为，当多次学习后的深度前馈网络的输出为0X00时，判断所述待分析画面中未存在人体对象侵犯行为；其中，采用多次学习后的深度前馈网络以基于所述当前明暗等级、所述当前颜色反差等级以及所述多级滤波画面中各个像素点分别对应的各个青色分量、各个品红色分量、各个黄色分量和各个黑色分量预测所述待分析画面中是否存在人体对象侵犯行为包括：所述当前明暗等级、所述当前颜色反差等级以及所述多级滤波画面中各个像素点分别对应的各个青色分量、各个品红色分量、各个黄色分量和各个黑色分量被分别二级制转换后输入到多次学习后的深度前馈网络。2.如权利要求1所述的利用网络模型的数据提取系统，其特征在于，所述系统还包括：学习构建机构，与所述内容判断机构连接，用于对深度前馈网络执行多次学习后，将多次学习后的深度前馈网络发送给所述内容判断机构使用。3.如权利要求2所述的利用网络模型的数据提取系统，其特征在于，所述系统还包括：信息存储机构，与所述学习构建机构连接，用于存储多次学习后的深度前馈网络的各项网络参数。4.如权利要求1
‑
3任一所述的利用网络模型的数据提取系统，其特征在于：对接收到的待分析画面执行脉冲噪声滤除、椒盐噪声滤除以及高斯白噪声滤除动作，以获得多级滤波画面包括：所述预先处理器件包括第一滤除单元，用于对接收到的待分析画面执行脉冲噪声滤除动作以获得初级清晰画面。5.如权利要求4所述的利用网络模型的数据提取系统，其特征在于：对接收到的待分析画面执行脉冲噪声滤除、椒盐噪声滤除以及高斯白噪声滤除动作，
以获得多级滤波画面还包括：所述预先处理器件还包括第二滤除单元，用于与所述第一滤除单元连接，用于对接收到的初级清晰画面执行椒盐噪声滤除动作以获得次级清晰画面。6.如权利要求5所述的利用...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：石鹏飞，
类型：发明
国别省市：