一种图像识别方法、系统及可读存储介质技术方案

本发明专利技术公开一种图像识别方法、系统及可读存储介质，方法包括：将视频图像集中的各个视频图像帧输入预先训练的类型识别模型中得到各个视频图像帧中是否存在包含有效区域的识别结果基于有效区域的类别将至少一个视频图像帧进行分类，得到至少一个视频图像帧子集；判断某一时刻视频图像帧中的有效区域相对于与某一时刻图像相邻两个时刻的视频图像帧中的有效区域的特征变化量是否大于预设阈值；若大于预设阈值，则将异常视频图像帧存储至异常视频图库中；将异常视频图库和至少一个视频图像帧子集中的任一视频图像帧发送至用户端。能够实现将异常视频图像帧全部传输至用户端，从而实现了在保证识别质量的同时，降低了视频图像的传输量。像的传输量。像的传输量。

【技术实现步骤摘要】
一种图像识别方法、系统及可读存储介质


[0001]本专利技术属于图像识别
，尤其涉及一种图像识别方法、系统及可读存储介质。

技术介绍

[0002]随着计算机技术和人工智能图像识别的发展和应用，计算机可以通过执行相关算法识别图像、视频等多媒体文件，也可以对多媒体文件进行分类，以减少手动分类的工作量，提升人们工作效率。现有图像识别传统方法是将整个视频文件进行识别，最终将识别结果全部进行上传，此时会造成传输的数据量大，从而导致传输效率低。

技术实现思路

[0003]本专利技术提供一种图像识别方法、系统及可读存储介质，用于解决在图像识别完成后需要将全部图像进行上传，造成传输的数据量大，导致传输效率低的技术问题。
[0004]第一方面，本专利技术提供一种图像识别方法，包括：获取视频流信息，并根据预设的检测频率初始化序列器对所述视频流信息按照时间序列保存，得到视频图像集；将所述视频图像集中的各个视频图像帧输入预先训练的类型识别模型中，利用所述类型识别模型对各个视频图像帧进行图像识别，以得到所述各个视频图像帧中是否存在包含有效区域的识别结果，其中，所述有效区域为包含目标对象的区域；基于时间序列仅提取包含有效区域的至少一个视频图像帧，并基于有效区域的类别将所述至少一个视频图像帧进行分类，得到至少一个视频图像帧子集；将所述至少一个视频图像帧子集中的某一时刻视频图像帧以及与所述某一时刻视频图像帧相邻两个时刻的视频图像帧输入预先训练的图像识别模型，利用所述图像识别模型判断所述某一时刻视频图像帧中的有效区域相对于与所述某一时刻图像相邻两个时刻的视频图像帧中的有效区域的特征变化量是否大于预设阈值；若大于预设阈值，则将所述某一时刻视频图像帧定义为异常视频图像帧，并将所述异常视频图像帧存储至异常视频图库中；将所述异常视频图库和所述至少一个视频图像帧子集中的任一视频图像帧发送至用户端，其中，所述任一视频图像帧为去除异常视频图像帧的视频图像帧，且所述任一视频图像帧与其相应的视频图像帧子集相关联。
[0005]第二方面，本专利技术提供一种图像识别系统，包括：获取模块，配置为获取视频流信息，并根据预设的检测频率初始化序列器对所述视频流信息按照时间序列保存，得到视频图像集；识别模块，配置为将所述视频图像集中的各个视频图像帧输入预先训练的类型识别模型中，利用所述类型识别模型对各个视频图像帧进行图像识别，以得到所述各个视频图像帧中是否存在包含有效区域的识别结果，其中，所述有效区域为包含目标对象的区域；分类模块，配置为基于时间序列仅提取包含有效区域的至少一个视频图像帧，并基于有效区域的类别将所述至少一个视频图像帧进行分类，得到至少一个视频图像帧子集；判断模块，配置为将所述至少一个视频图像帧子集中的某一时刻视频图像帧以及与所述某一时刻视频图像帧相邻两个时刻的视频图像帧输入预先训练的图像识别模型，利用所述图像识别
模型判断所述某一时刻视频图像帧中的有效区域相对于与所述某一时刻图像相邻两个时刻的视频图像帧中的有效区域的特征变化量是否大于预设阈值；存储模块，配置为若大于预设阈值，则将所述某一时刻视频图像帧定义为异常视频图像帧，并将所述异常视频图像帧存储至异常视频图库中；发送模块，配置为将所述异常视频图库和所述至少一个视频图像帧子集中的任一视频图像帧发送至用户端，其中，所述任一视频图像帧为去除异常视频图像帧的视频图像帧，且所述任一视频图像帧与其相应的视频图像帧子集相关联。
[0006]第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例的图像识别方法的步骤。
[0007]第四方面，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行本专利技术任一实施例的图像识别方法的步骤。
[0008]本申请的一种图像识别方法、系统及可读存储介质，将至少一个视频图像帧子集中的某一时刻视频图像帧以及与某一时刻视频图像帧相邻两个时刻的视频图像帧输入预先训练的图像识别模型，利用图像识别模型判断某一时刻视频图像帧中的有效区域相对于与某一时刻图像相邻两个时刻的视频图像帧中的有效区域的特征变化量是否大于预设阈值，若大于预设阈值，则将某一时刻视频图像帧定义为异常视频图像帧，并将异常视频图像帧存储至异常视频图库中，将异常视频图库和至少一个视频图像帧子集中的任一视频图像帧发送至用户端，能够实现将异常视频图像帧全部传输至用户端，从而实现了在保证识别质量的同时，降低了视频图像的传输量。
附图说明
[0009]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0010]图1为本专利技术一实施例提供的一种图像识别方法的流程图；
[0011]图2为本专利技术一实施例提供的一种图像识别系统的结构框图；
[0012]图3是本专利技术一实施例提供的电子设备的结构示意图。
具体实施方式
[0013]为使本专利技术实施例的目的、技术方案和优点更加清楚，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作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。
[0014]请参阅图1，其示出了本申请的一种图像识别方法的流程图。
[0015]如图1所示，图像识别方法具体包括以下步骤：
[0016]步骤S101，获取视频流信息，并根据预设的检测频率初始化序列器对所述视频流信息按照时间序列保存，得到视频图像集。
[0017]在本步骤中，检测检测频率初始化序列器通过计算指定频率下视频图像结果，获取并将结果按照时间有序性存入图像识别序列器中，直到视频检测完毕或序列器填满，得到视频图像集。
[0018]步骤S102，将所述视频图像集中的各个视频图像帧输入预先训练的类型识别模型中，利用所述类型识别模型对各个视频图像帧进行图像识别，以得到所述各个视频图像帧中是否存在包含有效区域的识别结果，其中，所述有效区域为包含目标对象的区域。
[0019]在本步骤中，类型识别模型是基于附加模型在原始模型中的附加位置，将附加模型和原始模型进行融合得到的，附加模型和附加位置是从预设参数空间中确定的，预设参数空间包括多个预设位置及多个预设结构参数，每一所预设结构参数均具有对应的预设取值范围，原始模型包括全局池化层。
[0020]需要说明的是，从预设参数空间中确定附加模型及附加位置的方式，包括：从多个预设位置中确定附加位置；从多个预设结构参数中确定目标结构参数；根据目标结构参数的预设取值范围确定目标结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：获取视频流信息，并根据预设的检测频率初始化序列器对所述视频流信息按照时间序列保存，得到视频图像集；将所述视频图像集中的各个视频图像帧输入预先训练的类型识别模型中，利用所述类型识别模型对各个视频图像帧进行图像识别，以得到所述各个视频图像帧中是否存在包含有效区域的识别结果，其中，所述有效区域为包含目标对象的区域；基于时间序列仅提取包含有效区域的至少一个视频图像帧，并基于有效区域的类别将所述至少一个视频图像帧进行分类，得到至少一个视频图像帧子集；将所述至少一个视频图像帧子集中的某一时刻视频图像帧以及与所述某一时刻视频图像帧相邻两个时刻的视频图像帧输入预先训练的图像识别模型，利用所述图像识别模型判断所述某一时刻视频图像帧中的有效区域相对于与所述某一时刻图像相邻两个时刻的视频图像帧中的有效区域的特征变化量是否大于预设阈值；若大于预设阈值，则将所述某一时刻视频图像帧定义为异常视频图像帧，并将所述异常视频图像帧存储至异常视频图库中；将所述异常视频图库和所述至少一个视频图像帧子集中的任一视频图像帧发送至用户端，其中，所述任一视频图像帧为去除异常视频图像帧的视频图像帧，且所述任一视频图像帧与其相应的视频图像帧子集相关联。2.根据权利要求1所述的一种图像识别方法，其特征在于，其中，所述类型识别模型是基于附加模型在原始模型中的附加位置，将所述附加模型和所述原始模型进行融合得到的，所述附加模型和所述附加位置是从预设参数空间中确定的，所述预设参数空间包括多个预设位置及多个预设结构参数，每一所述预设结构参数均具有对应的预设取值范围，所述原始模型包括全局池化层。3.根据权利要求1所述的一种图像识别方法，其特征在于，所述利用所述图像识别模型判断所述某一时刻视频图像帧中的有效区域相对于与所述某一时刻图像相邻两个时刻的视频图像帧中的有效区域的特征变化量是否大于预设阈值包括：将所述某一时刻视频图像帧以及与所述某一时刻图像相邻两个时刻的视频图像帧输入至预设的图像识别模型中，分别得到与某一时刻视频图像帧中的有效区域对应的第一特征量以及与所述某一时刻图像相邻两个时刻的视频图像帧中的有效区域对应的第二特征量和第三特征量；判断所述第一特征量分别与所述第二特征量、所述第三特征量的差值是否大于预设阈值。4.根据权利要求3所述的一种图像识别方法，其特征在于，在判断所述第一特征量分别与所述第二特征量、所述第三特征量的差值是否大于预设阈值之后，所述方法还包括：若所述第一特征量分别与所述第二特征量、所述第三特征量的差值均大于预设阈值，则将所述某一时刻视频图像帧定义为异常视频图像帧，并将所述异常视频图像帧存储至异常视频图库中。5.根据权利要求...

【专利技术属性】
技术研发人员：姜振翔，张敏，
申请(专利权)人：南昌工程学院，
类型：发明
国别省市：