图像识别方法、系统及计算机存储介质与流程

1.本技术实施例涉及图像处理技术领域，特别涉及一种图像识别方法、系统及计算机存储介质。


背景技术：

2.人像识别技术(又称人像图片检索)方法主要是采用人工识别方法和/或人像识别技术，对图片数据中的人像进行检索，得到检索结果。随着生物特征的发展，人像识别技术已经从原型系统逐渐走向了商用，人像识别的精准度也可满足是否为同一人的判断需求。
3.亟需一个人工智能化的系统，可将全国各地的人像库的数据打通，进而实现异地数据检索。


技术实现要素：

4.鉴于上述问题，本技术提供一种图像识别方法、系统及计算机存储介质，利用级联架构执行图像识别处理，可实现不同特征库的相互连通，并可提高图像识别结果的准确性。
5.本技术第一方面提供一种图像识别方法，其包括提供服务端根据预设特征提取规则，获取目标图像中的目标特征，并将所述目标特征传送至各处理端；提供各所述处理端识别所述目标特征，以获得所述目标特征的特征识别结果，并将所述特征识别结果回传至所述服务端；提供所述服务端根据各所述处理端对应的各所述特征识别结果，获得所述目标图像的综合识别结果。
6.本技术第二方面提供一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行上述第一方面所述的方法。
7.本技术第三方面提供一种图像识别系统，其包括：服务端；以及多个处理端，各所述处理端分别与所述服务端通信连接；其中，所述服务端可根据预设特征提取规则，获取目标图像中的目标特征，并将所述目标特征传送至各所述处理端；各所述处理端可各自识别所述目标特征，以获得所述目标特征的特征识别结果，并将所述特征识别结果回传至所述服务端；所述服务端还可根据各所述处理端对应的各所述特征识别结果，获得所述目标图像的综合识别结果。
8.综上所述，本技术各实施例提供的图像识别方法、系统及计算机存储介质，借由服务端统一提取目标图像中的目标特征，并借由各处理端根据统一提取的目标特征进行识别以获得各自的特征识别结果，再由服务端综合分析各处理端对应的各特征识别结果，以获得目标图像的综合识别结果。据此，本技术可实现不同特征库的相互连通，以解决信息孤岛的问题，并可有效提供图像识别结果的准确性。
附图说明
9.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现
有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
10.图1为本技术第一实施例的图像识别方法的流程示意图。
11.图2为本技术第二实施例的图像识别方法的流程示意图。
12.图3为本技术第四实施例的图像识别系统的架构示意图。元件标号300：图像识别系统；302：服务端；304：处理端；306：本地特征库。
具体实施方式
13.为了使本领域的人员更好地理解本技术实施例中的技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术实施例一部分实施例，而不是全部的实施例。基于本技术实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本技术实施例保护的范围。
14.以下将结合各附图详细描述本技术的各实施例。
15.第一实施例
16.图1示出了本技术第一实施例的图像识别方法的流程示意图。如图所示，本实施例的方法主要包括以下步骤：
17.步骤s102,提供服务端根据预设特征提取规则，获取目标图像中的目标特征，并将目标特征传送至各处理端。
18.可选地，各处理端可分别与服务端通信连接，以构成级联架构。
19.可选地，服务端可基于人像特征提取规则提取图像目标中的人像特征。
20.步骤s104，提供各处理端识别目标特征，以获得目标特征的特征识别结果，并将特征识别结果回传至服务端。
21.可选地，各处理端可设置在不同地区，并各自具有本地特征库。
22.可选地，各处理端可基于本地特征库，针对服务端传送的目标特征执行识别。
23.步骤s106，提供服务端根据各处理端对应的各特征识别结果，获得目标图像的综合识别结果。
24.可选地，服务端可整合各处理端回传的各特征识别结果，以获得目标图像的综合识别结果。
25.较佳地，服务端还可根据预设置信度阈值，当目标图像的综合识别结果高于预设置信度阈值时，可将此目标图像及其综合识别结果存储至目标数据库中。
26.综上所述，本实施例的图像识别方法，通过由服务端和多个处理端构成的级联架构执行目标图像的识别处理，不仅可以打通各处理端之间的各本地特征库，亦可提高特征识别结果的准确性。
27.第二实施例
28.图2示出了本技术第二实施例的图像识别方法的流程示意图。本实施例为上述第一实施例的具体实施方案，如图所示，本实施例的方法主要包括以下步骤：
29.步骤s202,提供服务端获取目标图像，并根据预设人像检测算法识别目标图像。
30.于本实施例中，服务端可架设于云端，用于作为级联架构中的顶层系统。
31.可选地，可例如借由手机、电脑、平板等各类设备终端登录服务端的服务平台，以上传包含人脸的目标图像，或者上传包含目标视频，以供服务端从目标视频中获取包含人脸的目标图像。
32.可选地，服务端可根据预设人像检测算法，判断目标图像中是否包含人像。
33.可选地，预设人像检测算法包括但不限于hog adaboost、faster-rcnn 算法。
34.步骤s204，判断目标图像中是否包含人像特征，若是，进行步骤s206, 若否，则结束本流程。
35.步骤s206，响应目标图像包含人像特征的识别结果，根据预设图像分割算法，分割目标图像，获得目标图像的面部子图像。
36.可选地，服务端可根据预设图像分割算法，分割目标图像，获得目标图像的面部子图像，并根据面部特征提取算法，针对面部子图像执行特征提取，获得面部子图像的面部数据。
37.具体地，服务端可通过预设图像分割算法，将目标图像中的背景部分和人像部分进行分割，获取目标图像的背景子图像和面部子图像(例如，人脸各器官区域)。
38.可选地，预设图像分割算法可包括但不限于mask r-cnn，fcn。
39.步骤s208，根据预设图像调整算法，调整面部子图像，获得面部子图像的调整图像。
40.可选地，预设图像调整算法可包括但不限于：颜色调整算法、清晰度调整算法、裁剪调整算法中的至少一个。
41.具体地，服务端可根据颜色调整算法针对面部子图像中的肤色进行调整，以优化面部子图像中由于高光、阴阳脸等光照不均而导致的肤色异常情况。
42.可选地，颜色调整算法可包括但不限于直方图规定化、gan网络。
43.可选地，服务端可根据清晰度调整算法(例如超分辨率算法)来调整面部子图像的清晰度。
44.可选地，清晰度调整算法可包括但不限于srcnn、drcn。
45.可选地，服务端还可利用裁剪调整算法将面部子图像剪裁为满足预设需求的图像大小，借由此处理步骤，即可统一图片尺寸及图片排版，又可保留图片中的细节信息。
46.步骤s210，根据面部特征提取算法，针对调整图像执行特征提取，获得面部数据。
47.可选地，服务端可根据面部特征提取算法针对调整图像执行特征提取，以获取面部数据。
48.较佳地，可将面部数据的数据大小控制在200byte之内。
49.步骤s212，提供服务端根据预设处理端筛选规则，将面部数据传送至满足预设处理端筛选规则的各处理端。
50.可选地，各处理端可设置于不同位置，用于作为级联架构中的底层子系统。
51.可选地，各处理端各自具有本地特征库。
52.可选地，预设处理端筛选规则可包括但不限于各处理端对应的各本地特征库，以供服务端有针对性地选择满足识别需求的各处理端执行面部数据的识别处理。
53.步骤s214，提供各处理端根据各本地特征库识别面部数据，获得各处理端对应于
面部数据的各面部识别结果。
54.可选地，处理端可将本地特征库中的特征数据与面部数据进行相似度比对，以获得面部数据的面部识别结构。
55.步骤s216,提供服务端根据各处理端对应的各所述面部识别结果，获得目标图像的综合识别结果。
56.可选地，服务端还可根据预设置信度阈值，当目标图像的综合识别结果高于预设置信度阈值时，可将此目标图像及其综合识别结果存储至目标数据库中。
57.综上所述，本技术实施例的图像识别方法，利用由服务端和各处理端构成的级联架构，可以打通各处理端的各本地特征库，以针对各处理端的识别处理能力进行横向扩展，不仅可满足不同的图像识别处理需求，亦可提高图像识别结果的准确性。
58.第三实施例
59.本技术第三实施例提供一种计算机存储介质，所述计算机存储介质上存储有计算机指令，所述计算机指令在被处理器执行时，使所述处理器执行上述第一实施例或第二实施例所述的方法。
60.第四实施例
61.图3示出了本技术第四实施例的图像识别系统的架构示意图。如图所示，本实施例的图像识别系统300主要包括：处理端302和多个处理端304，其中，各处理端304分别与述服务端302通信连接以构成级联架构。
62.可选地，服务端302可根据预设特征提取规则，获取目标图像中的目标特征，并将目标特征传送至各处理端304，各处理端304可各自识别目标特征，以获得目标特征的特征识别结果，并将特征识别结果回传至服务端302，以供服务端302根据各处理端对应的各特征识别结果，获得目标图像的综合识别结果。
63.可选地，服务端302可根据预设人像检测算法识别所述目标图像，获得所述目标图像包含人像特征或不包含人像特征的识别结果；响应所述目标图像包含人像特征的所述识别结果，根据所述预设特征提取规则，获取所述目标图像中的面部数据。
64.可选地，服务端302可根据面部特征提取算法，针对目标图像执行特征提取，以获取目标图像中的面部数据。
65.可选地，服务端302可根据预设图像分割算法，分割所述目标图像，获得所述目标图像的面部子图像；并根据面部特征提取算法，针对所述面部子图像执行特征提取，获得所述面部子图像的所述面部数据。
66.可选地，服务端302可根据预设图像调整算法，调整所述面部子图像，获得所述面部子图像的调整图像；并根据所述面部特征提取算法，针对所述调整图像执行特征提取，获得所述面部数据。
67.可选地，所述预设图像调整算法包括：颜色调整算法、清晰度调整算法、裁剪调整算法中的至少一个。
68.可选地，服务端302可根据预设处理端筛选规则，将所述面部数据传送至满足所述预设处理端筛选规则的各所述处理端。
69.可选地，各处理端304各自具有本地特征库306，并可分别基于各本体特征库306识别面部数据，获得各处理端304对应于面部数据的各面部识别结果。
70.此外，本发明实施例的图像识别系统300还可用于实现前述各图像识别方法实施例中的其他步骤，并具有相应的方法步骤实施例的有益效果，在此不再赘述。
71.综上所述，本技术各实施例提供的图像识别方法、系统及计算机存储介质，利用服务端统一获取目标图像中的目标特征，以供各处理端基于各自的本地特征库针对目标特征进行识别，获得目标特征在特征识别结果，再提供服务端根据各处理端对应的各特征识别结果，获取目标图像的综合识别结果。据此，本技术利用由服务端与各处理端构成的级联架构执行目标图像的识别处理，不仅可以打通各处理端各自的本地特征库，使得各处理端的识别处理能力能够得到横向扩展，亦可有效提高图像识别结果的准确性。
72.最后应说明的是：以上实施例仅用以说明本技术实施例的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。