【技术实现步骤摘要】
本专利技术涉及图像识别，具体而言，涉及一种基于人工智能的图像识别方法及系统。
技术介绍
1、目前，当需要对某张图像中的目标对象进行分析处理时，需要将图像中包含的目标对象的相关信息识别出来，才能进入分析处理阶段，而识别的结果对分析的结果至关重要，因此急需一种精准的图像识别方法，以精准得出目标对象的识别结果信息。
技术实现思路
1、本专利技术的目的在于提供一种基于人工智能的图像识别方法及系统，以改善上述问题。
2、为了实现上述目的，本申请实施例提供了如下技术方案：
3、一方面，本申请实施例提供了一种基于人工智能的图像识别方法，所述方法包括：
4、获取待识别的图像和历史图像，所述待识别图像中包含目标对象；
5、利用高斯-拉普拉斯金字塔分解方法对每张所述历史图像进行优化处理，得到第一图像，对所述第一图像的轮廓进行提取，得到历史图像的轮廓，计算所述第一图像的灰度级直方图，对所述灰度级直方图进行灰度均值转化，得到第二图像，提取所述第二图像的特征，得到所述历史图像的图像特征；
6、获取所述历史图像的图像识别结果，并将所述图像识别结果、所述历史图像的轮廓和所述历史图像的图像特征作为一个样本中包含的数据，并建立卷积神经网络模型和长短期记忆人工神经网络模型；
7、基于所述卷积神经网络模型、长短期记忆人工神经网络模型和全部的所述样本，构建图像识别模型，利用所述图像识别模型对所述待识别的图像进行图像识别，得到识别结果。
8
9、获取模块，用于获取待识别的图像和历史图像，所述待识别图像中包含目标对象；
10、提取模块，用于利用高斯-拉普拉斯金字塔分解方法对每张所述历史图像进行优化处理，得到第一图像，对所述第一图像的轮廓进行提取，得到历史图像的轮廓，计算所述第一图像的灰度级直方图，对所述灰度级直方图进行灰度均值转化，得到第二图像，提取所述第二图像的特征，得到所述历史图像的图像特征；
11、建立模块，用于获取所述历史图像的图像识别结果，并将所述图像识别结果、所述历史图像的轮廓和所述历史图像的图像特征作为一个样本中包含的数据，并建立卷积神经网络模型和长短期记忆人工神经网络模型；
12、识别模块，用于基于所述卷积神经网络模型、长短期记忆人工神经网络模型和全部的所述样本，构建图像识别模型，利用所述图像识别模型对所述待识别的图像进行图像识别，得到识别结果。
13、第三方面，本申请实施例提供了基于人工智能的图像识别设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述基于人工智能的图像识别方法的步骤。
14、第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人工智能的图像识别方法的步骤。
15、本专利技术的有益效果为：
16、本专利技术的主要目的是为了提高图像识别的准确性，因此，本专利技术从获取到原始数据开始，先对其进行了图像增强优化处理，通过此种方法保障后续处理的准确性；在进行图像信息提取阶段，本专利技术考虑了提取多种信息，相较于只提取图像特征，本专利技术提取的多种特征更能反映图像的信息；最后，通过多种信息的融合处理后，再利用模型进行训练，得到最终的图像识别模型。本专利技术通过层层递进的方法，可以提高图像识别的精准性，进而便于后续根据识别结果进行相应的处理。
17、本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
本文档来自技高网...【技术保护点】
1.一种基于人工智能的图像识别方法，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的图像识别方法，其特征在于，提取所述第二图像的特征，得到所述历史图像的图像特征，包括：
3.根据权利要求1所述的基于人工智能的图像识别方法，其特征在于，基于所述外层数据集合和所述内层数据集合，提取得到所述历史图像的图像特征，包括：
4.根据权利要求1所述的基于人工智能的图像识别方法，其特征在于，基于所述卷积神经网络模型、长短期记忆人工神经网络模型和全部的所述样本，构建图像识别模型，包括：
5.一种基于人工智能的图像识别系统，其特征在于，包括：
6.根据权利要求5所述的基于人工智能的图像识别系统，其特征在于，提取模块，包括：
7.根据权利要求5所述的基于人工智能的图像识别系统，其特征在于，提取单元，包括：
8.根据权利要求5所述的基于人工智能的图像识别系统，其特征在于，识别模块，包括：
9.一种基于人工智能的图像识别设备，其特征在于，包括：
10.一种可读存储介质，其特征在于：所述可读
...【技术特征摘要】
1.一种基于人工智能的图像识别方法，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的图像识别方法，其特征在于，提取所述第二图像的特征，得到所述历史图像的图像特征，包括：
3.根据权利要求1所述的基于人工智能的图像识别方法，其特征在于，基于所述外层数据集合和所述内层数据集合，提取得到所述历史图像的图像特征，包括：
4.根据权利要求1所述的基于人工智能的图像识别方法，其特征在于，基于所述卷积神经网络模型、长短期记忆人工神经网络模型和全部的所述样本，构建图像识别模型，包括：
5.一种基于人工智能的图像...
【专利技术属性】
技术研发人员：张坤华，李士民，吕澄，
申请(专利权)人：南京大拇哥软件科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。