图像识别方法及系统技术方案

本发明专利技术提供了一种图像识别方法及系统

【技术实现步骤摘要】
图像识别方法及系统、图像识别装置以及可读存储介质


[0001]本专利技术涉及图像识别
，具体而言，涉及一种图像识别方法
、
图像识别系统
、
图像识别装置以及可读存储介质
。

技术介绍

[0002]矿区无人驾驶车辆运营过程中，传统车载相机面临诸多挑战：车辆运行产生大量扬尘
、
强光
、
雾霾，容易遇到沙尘暴
、
雨雪等恶劣天气
。
传统相机对以上场景中障碍物的成像效果较差，严重影响了下游视觉感知任务
(
检测
、
分割
、
跟踪等
)
的执行
。
现有技术的视觉识别方法都集中在成像之后，没有从相机成像阶段更深层次地
、
更根本上对视觉感知任务进行针对性优化
。
[0003]因此，亟需提出一种用于矿区恶劣工况下能够进行下游视觉感知任务的方法
。

技术实现思路

[0004]本专利技术旨在解决或改善上述技术问题的至少之一
。
[0005]为此，本专利技术的第一目的在于提供一种图像识别方法
。
[0006]本专利技术的第二目的在于提供一种图像识别系统
。
[0007]本专利技术的第三目的在于提供一种图像识别装置
。
[0008]本专利技术的第四目的在于提供一种可读存储介质
。
[0009]为实现本专利技术的第一目的，本专利技术的技术方案提供了一种图像识别方法，包括：在采集到第一图像的情况下，通过图像处理模型对第一图像的第一图像参数进行调整，得到第二图像；通过图像识别模型对第二图像进行图像识别，以确定图像识别结果，调整后的第一图像参数与图像识别模型对应的预设参数范围相匹配
。
[0010]本专利技术提供的图像识别方法，在获取到第一图像后，针对于第一图像，通过图像处理模型智能的调整第一图像中的第一图像参数，其中，第一图像参数可以包括相机成像参数和图像处理参数，相机成像参数是将像素数据转换成图像时所调用的参数，图像处理参数是对转换后的图像进行处理时所调用的参数
。
对第一图像的第一图像参数调整后，得到了第二图像，其中，调整后的第一图像参数与图像识别模型对应的预设参数范围相匹配，即第二图像中的第一图像参数符合了图像识别模型的识别要求，之后将第二图像输入至图像识别模型中，从而能够得到了准确的图像识别结果
。
本专利技术通过在图像进行识别之前，对图像内的参数进行调整，将图像调整成符合识别要求的图像，从而在对图像进行识别时提高了识别的正确率
。
[0011]本专利技术通过针对在恶劣工况下获得到的原始图像数据智能的调整原始图像数据中的数千个相机成像参数和图像处理参数，从而使得原始图像数据变成符合识别要求的图像数据，进而可以根据符合识别要求的图像数据执行下游视觉感知任务
。
实现了在恶劣天气下也能正常执行下游感知任务
。
[0012]另外，本专利技术提供的技术方案还可以具有如下附加技术特征：
[0013]在一些技术方案中，可选地，在采集到第一图像的情况下，通过图像处理模型对第一图像的第一图像参数进行调整，得到第二图像的步骤之前，包括：获取训练图像数据集；通过训练图像数据集对第一模型和第二模型进行联合训练，得到图像处理模型和图像识别模型
。
[0014]在该技术方案中，在采集到第一图像的情况下，通过图像处理模型对第一图像的第一图像参数进行调整，得到第二图像的步骤之前，还需要确定图像处理模型和图像识别模型
。
具体地，获取训练图像数据集，训练图像数据集中包括了多个训练图像数据，然后通过多个训练图像数据对第一模型和第二模型进行联合训练，得到图像处理模型和图像识别模型，通过第一模型和第二模型进行联合训练，使得图像处理模型中的模型参数和图像识别模型中的模型参数相互关联，即使得通过图像处理模型输出的数据能够符合图像识别模型的要求，进而保证了图像识别模型的输出的识别结果的准确性
。
[0015]在一些技术方案中，可选地，通过训练图像数据集，对第一模型和第二模型进行联合训练，得到图像处理模型和图像识别模型的步骤，包括：将训练图像数据集中的训练图像数据依次输入至联合训练模型中，得到障碍物预测值，联合训练模型包括第一模型和第二模型；基于障碍物预测值与训练图像数据的障碍物真值比对结果，迭代调整联合训练模型中的模型参数，直至障碍物预测值与障碍物真值相匹配，得到训练后的联合训练模型；将训练后的联合训练模型中的第一模型确定为图像处理模型，以及将训练后的联合训练模型中的第二模型确定为图像识别模型
。
[0016]在该技术方案中，对第一模型和第二模型进行联合训练，得到图像处理模型和图像识别模型的步骤包括将第一模型和第二模型组成联合训练模型，将训练图像数据集中的训练图像数据依次输入到联合训练模型中
。
在联合训练模型中，第一模型先对训练图像数据进行处理得到第一训练图像数据，然后第一训练图像数据在进入第二模型中，第二模型对第一训练图像数据进行处理得到障碍物预测值
。
在得到障碍物预测值后比较障碍物预测值和训练图像数据中的障碍物真值，当障碍物预测值和障碍物真值的比对结果不满足要求时，分别调整联合训练模型的第一模型中的模型参数和第二模型中的模型参数，并继续获取训练图像数据集中的训练图像数据，重复上述操作，直至障碍物预测值和障碍物真值相匹配，即障碍物预测值的准确率满足设定的要求，结束训练，得到训练后的联合训练模型
。
训练后的联合训练模型是一个成熟的模型，能够满足本专利技术的使用需求，然后将训练后的联合训练模型中的第一模型确定为图像处理模型，将训练后的联合训练模型中的第二模型确定为图像识别模型
。
[0017]在一些技术方案中，可选地，基于障碍物预测值与障碍物真值的比对结果，迭代调整联合训练模型中的模型参数，直至障碍物预测值与障碍物真值相匹配，得到训练后的联合训练模型的步骤，包括：根据障碍物预测值和障碍物真值计算障碍物预测值和障碍物真值之间的损失值；若损失值大于等于预设阈值，根据损失值迭代调整联合训练模型中的模型参数，直至损失值小于预设阈值，得到训练后的联合训练模型
。
[0018]在该技术方案中，在联合训练模型进行训练时，根据联合训练模型输出的障碍物预测值和与障碍物预测值相对应的训练图像数据中的障碍物真值，计算两者之间的损失值，损失值能够评价联合训练模型在训练图像数据集上的拟合程度
。
当损失值大于或等于预设阈值时，说明拟合程度较低，即联合训练模型中的第一模型和第二模型还没有达到使
用要求，因此需要对第一模型和第二模型中的模型参数进行调整，具体地，可以根据损失值进行调整
。
然后再从训练图像数据集中调用训练图像数据，并输入至模型参数调整后的联合训练模型，并输出障本文档来自技高网...

【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：在采集到第一图像的情况下，通过图像处理模型对所述第一图像的第一图像参数进行调整，得到第二图像；通过图像识别模型对所述第二图像进行图像识别，以确定图像识别结果，调整后的所述第一图像参数与所述图像识别模型对应的预设参数范围相匹配
。2.
根据权利要求1所述的图像识别方法，其特征在于，所述在采集到第一图像的情况下，通过图像处理模型对所述第一图像的第一图像参数进行调整，得到第二图像的步骤之前，包括：获取训练图像数据集；通过所述训练图像数据集对第一模型和第二模型进行联合训练，得到所述图像处理模型和所述图像识别模型
。3.
根据权利要求2所述的图像识别方法，其特征在于，所述通过所述训练图像数据集对第一模型和第二模型进行联合训练，得到所述图像处理模型和所述图像识别模型的步骤，包括：将所述训练图像数据集中的训练图像数据依次输入至联合训练模型中，得到障碍物预测值，所述联合训练模型包括所述第一模型和所述第二模型；基于所述障碍物预测值与所述训练图像数据的障碍物真值比对结果，迭代调整所述联合训练模型中的模型参数，直至所述障碍物预测值与所述障碍物真值相匹配，得到训练后的联合训练模型；将所述训练后的联合训练模型中的所述第一模型确定为所述图像处理模型；以及将所述训练后的联合训练模型中的所述第二模型确定为所述图像识别模型
。4.
根据权利要求3所述的图像识别方法，其特征在于，所述基于所述障碍物预测值与所述训练图像数据的障碍物真值比对结果，迭代调整所述联合训练模型中的模型参数，直至所述障碍物预测值与所述障碍物真值相匹配，得到训练后的联合训练模型的步骤，包括：根据所述障碍物预测值和所述障碍物真值计算所述障碍物预测值和所述障碍物真值之间的损失值；若所述损失值大于等于预设阈值，根据所述损失值迭代调整所述联合训练模型中的所述模型参数，直至所述损失值小于所述预设阈值，得到所述训练后的联合训练模型
。5...

【专利技术属性】
技术研发人员：张楸，袁丽燕，曹扬，
申请(专利权)人：三一智矿科技有限公司，
类型：发明
国别省市：