一种基于AI眼镜的图像识别存储方法及系统与流程

摘要: 本发明提出了一种基于ai眼镜的图像识别存储方法及系统,属于智能穿戴设备图像处理。背景技术:1、随着智能穿戴设备的快速迭代,ai眼镜已逐步从概念验证走向商用落地。...
一种基于AI眼镜的图像识别存储方法及系统与流程

本发明提出了一种基于ai眼镜的图像识别存储方法及系统,属于智能穿戴设备图像处理。

背景技术:

1、随着智能穿戴设备的快速迭代,ai眼镜已逐步从概念验证走向商用落地。googleglass、rokid glass等产品均在镜腿或镜框部位集成了摄像头模组与语音交互单元,使用户可在佩戴状态下完成图像采集与信息记录。

2、在ai眼镜的图像存储与管理领域,业界已有一定的技术探索。在低功耗设计方面,某发明专利公开了一种数据存储、数据显示方法、装置、设备、介质和程序产品(公开号cn114578962a),通过根据图像帧数据的变化频率判断是否将当前帧存储到sdram存储器中,以降低智能眼镜的显示功耗。在多模态安全存储与自适应防护方面,深圳市芯存科技有限公司申请了“基于芯片的ai眼镜多模态数据安全存储方法及系统”的专利(公开号cn121525066a),通过解析访问日志信息、分析使用强度并进行数据风险等级判定,动态调整加密策略和安全保护级别,实现了从被动防护到主动适应的转变。在边缘端智能感知方面,某发明专利公开了一种基于ai眼镜的多模态数据获取与智能分析应用方法(公开号cn121785465a),采用本地轻量ai模型进行基础分析,并通过端云协同模块动态调整处理策略,仅上传特征参数,确保原始数据本地留存。在交互方式方面,是野科技(深圳)有限公司申请了“鼻托集成骨传导麦克风的骑行智能眼镜语音采集方法及系统”的专利(公开号cn121687032a),实现了在高速风噪条件下对佩戴者语音的稳定采集与可靠识别。

3、然而,在上述方案中,现有技术仍存在以下问题。其一,低功耗存储方法侧重于智能眼镜的显示功耗优化,但对于图像拍摄与写入环节的主控芯片持续高负载运行问题缺乏针对性解决。其二,多模态数据安全存储方法专注于数据的加密保护与安全策略调整,但未解决用户日常佩戴中产生的大量无意义画面(如桌面、天空等)占用本地存储空间的问题,也未提供基于图像内容价值的智能筛选机制。其三,基于ai眼镜的多模态数据获取方法采用端云协同架构,在涉及敏感商业信息的b端场景中,特征参数上传至云端服务器仍存在一定的安全风险。其四,骨传导麦克风的应用主要面向语音采集和降噪处理,现有交互方式仍以语音唤醒词触发或触屏操作为主流,在保密性要求较高的会议场合及双手被占用场景中,出声唤醒既不符合会场纪律,也存在被误触发的风险。

技术实现思路

1、本发明提供了一种基于ai眼镜的图像识别存储方法及系统,用以解决上述背景技术中提及的问题:

2、本发明提出的一种基于ai眼镜的图像识别存储方法,所述方法包括:

3、s1、对ai眼镜图像采集模块持续采集的原始图像流进行去噪处理和格式校验,过滤无效帧数据,生成规范化图像帧数据;对规范化图像帧数据结合佩戴检测传感器的状态信号进行运动矢量检测和场景特征提取,生成多维度图像特征集;

4、s2、对多维度图像特征集进行语义依存关系分析,运用轻量级神经网络模型对图像内容进行场景分类和主体识别,将图像语义映射至预设的场景分类体系中,生成场景分类标签数据;对场景分类标签数据结合物理按键的双击与长按触发逻辑进行上下文关联扩展,补充图像中隐含的存储优先级需求和隐私敏感等级需求,生成扩展存储意图数据;

5、s3、对扩展存储意图数据进行结构化转化处理,将自然语言形式的存储需求转化为机器可执行的结构化编码指令,生成结构化编码指令数据;对结构化编码指令数据进行异构双芯模型匹配分析,从预设的双芯模型库中筛选出与编码指令匹配的芯片类型和算力等级,生成模型类型匹配数据;

6、s4、对模型类型匹配数据进行存储范围划定处理,结合场景重要性等级、隐私敏感等级以及本地存储空间余量对各匹配芯片的存储范围进行边界限定,生成各芯片的存储范围限定数据;对各芯片的存储范围限定数据进行优先级排序,生成分级存储优先级序列数据;

7、s5、对分级存储优先级序列数据进行资源预分配处理,为各芯片分配独立的编码算力和加密存储空间,生成芯片资源预分配数据;对芯片资源预分配数据进行并行调用准备,生成多芯片协同存储就绪信号。

8、本发明提出的一种基于ai眼镜的图像识别存储系统,所述系统包括:

9、一个或多个处理器;

10、存储器,用于存储一个或多个程序;

11、其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述中任一项所述的方法。

12、本发明有益效果:通过异构双芯协同工作机制,将低功耗mcu承担全天候环境监测任务,高性能ap仅在检测到佩戴者处于静止观察或阅读状态时才被激活,大幅降低了主控芯片的无效功耗,使得g2pro这类紧凑型设备的续航得到显著延长,同时有效缓解了持续高负载运行带来的发热问题。在存储层面,本发明引入语义分级与物理按键双触发逻辑,对采集到的图像进行价值评估,仅将会议白板、文档内容、人脸等高价值信息写入本地加密存储区,减少了无效画面对有限存储空间的占用,避免了因存储冗余而导致关键时刻无法记录重要信息的情况发生。图像分析与加密存储全程在本地完成,无需上传云端,从根本上避免了敏感商业信息外泄的风险,满足了b端用户对数据私有化的刚性需求。此外,物理按键的双击与长按操作替代了语音或触屏交互,在驾驶、手术等双手被占用的场景下仍可快速响应,既保证了存储操作的即时性,又不会对用户的正常作业流程造成干扰。

1.一种基于ai眼镜的图像识别存储方法,其特征在于,所述方法包括:

2.根据权利要求1所述一种基于ai眼镜的图像识别存储方法,其特征在于,所述s1,包括:

3.根据权利要求1所述一种基于ai眼镜的图像识别存储方法,其特征在于,所述s2,包括:

4.根据权利要求3所述一种基于ai眼镜的图像识别存储方法,其特征在于,所述s23,包括:

5.根据权利要求1所述一种基于ai眼镜的图像识别存储方法,其特征在于,所述s3,包括:

6.根据权利要求5所述一种基于ai眼镜的图像识别存储方法,其特征在于,所述s31,包括:

7.根据权利要求6所述一种基于ai眼镜的图像识别存储方法,其特征在于,所述s314,包括:

8.根据权利要求1所述一种基于ai眼镜的图像识别存储方法,其特征在于,所述s4,包括:

9.根据权利要求1所述一种基于ai眼镜的图像识别存储方法,其特征在于,所述s5,包括:

10.一种基于ai眼镜的图像识别存储系统,其特征在于,所述系统包括: