用于AI芯片的智能图像处理方法及系统与流程

用于ai芯片的智能图像处理方法及系统
技术领域
1.本发明属于图像处理技术领域，尤其涉及用于ai芯片的智能图像处理方法及系统。


背景技术：

2.图像处理，是用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术是用计算机对图像信息进行处理的技术，主要包括图像数字化、图像增强和复原、图像数据编码、图像分割和图像识别等。
3.现有技术中，例如公开的专利：cn100382597c、cn105376460b、cn100536526c、cn102422628b和cn1248490c，大都是按照传统的图像处理技术，对图像本身的色彩、光影效果、亮度、对比度等图像参数，或者结合多张相似的图像，进行部分细节的筛选、替换与补偿，这种图像处理方法通常较为繁琐，且容易使得处理之后的图像不够真实。


技术实现要素：

4.本发明实施例的目的在于提供用于ai芯片的智能图像处理方法及系统，旨在解决背景技术中提出的问题。
5.为实现上述目的，本发明实施例提供如下技术方案：
6.用于ai芯片的智能图像处理方法，所述方法具体包括以下步骤：
7.获取多个基础形象图像，对多个所述基础形象图像进行分类分析，构建多个识别物体的三维形象模型；
8.接收待处理图像，对所述待处理图像进行识别分析，确定多个识别物体，并将多个识别物体标记为多个目标物体；
9.将多个所述目标物体对应的三维形象模型标记为三维目标模型，按照所述待处理图像，对多个所述三维目标模型进行角度形象调整，得到多个目标角度形象；
10.按照多个所述目标角度形象，对所述待处理图像进行智能优化处理，得到智能优化图像。
11.作为本发明实施例技术方案进一步的限定，所述获取多个基础形象图像，对多个所述基础形象图像进行分类分析，构建多个识别物体的三维形象模型具体包括以下步骤：
12.获取多个基础形象图像；
13.对多个所述基础形象图像进行识别分类分析，将多个所述基础形象图像划分为与多个识别物体对应的多个基础形象图组；
14.分别提取多个所述基础形象图组中的多个三维特征数据；
15.按照多个所述三维特征数据，构建多个识别物体的三维形象模型。
16.作为本发明实施例技术方案进一步的限定，所述接收待处理图像，对所述待处理
图像进行识别分析，确定多个识别物体，并将多个识别物体标记为多个目标物体具体包括以下步骤：
17.接收待处理图像；
18.对所述待处理图像进行识别分析，生成识别分析结果；
19.按照所述识别分析结果，确定所述待处理图像中的多个识别物体；
20.将多个识别物体标记为多个目标物体。
21.作为本发明实施例技术方案进一步的限定，所述将多个所述目标物体对应的三维形象模型标记为三维目标模型，按照所述待处理图像，对多个所述三维目标模型进行角度形象调整，得到多个目标角度形象具体包括以下步骤：
22.将多个所述目标物体对应的三维形象模型标记为三维目标模型；
23.对所述待处理图像进行目标分析，获取多个所述目标物体的形象特征；
24.按照多个所述形象特征，分别对多个所述三维目标模型进行角度形象调整，得到多个目标角度形象。
25.作为本发明实施例技术方案进一步的限定，所述按照多个所述目标角度形象，对所述待处理图像进行智能优化处理，得到智能优化图像具体包括以下步骤：
26.按照多个所述目标角度形象，对所述待处理图像进行智能优化处理，生成目标优化图像；
27.对所述目标优化图像进行智能调整优化，生成智能优化图像。
28.用于ai芯片的智能图像处理系统，所述系统包括形象模型构建单元、识别分析标记单元、角度形象调整单元和智能优化处理单元，其中：
29.形象模型构建单元，用于获取多个基础形象图像，对多个所述基础形象图像进行分类分析，构建多个识别物体的三维形象模型；
30.识别分析标记单元，用于接收待处理图像，对所述待处理图像进行识别分析，确定多个识别物体，并将多个识别物体标记为多个目标物体；
31.角度形象调整单元，用于将多个所述目标物体对应的三维形象模型标记为三维目标模型，按照所述待处理图像，对多个所述三维目标模型进行角度形象调整，得到多个目标角度形象；
32.智能优化处理单元，用于按照多个所述目标角度形象，对所述待处理图像进行智能优化处理，得到智能优化图像。
33.作为本发明实施例技术方案进一步的限定，所述形象模型构建单元具体包括：
34.图像获取模块，用于获取多个基础形象图像；
35.分类分析模块，用于对多个所述基础形象图像进行识别分类分析，将多个所述基础形象图像划分为与多个识别物体对应的多个基础形象图组；
36.数据提取模块，用于分别提取多个所述基础形象图组中的多个三维特征数据；
37.模型构建模块，用于按照多个所述三维特征数据，构建多个识别物体的三维形象模型。
38.作为本发明实施例技术方案进一步的限定，所述识别分析标记单元具体包括：
39.图像接收模块，用于接收待处理图像；
40.识别分析模块，用于对所述待处理图像进行识别分析，生成识别分析结果；
41.物体确定模块，用于按照所述识别分析结果，确定所述待处理图像中的多个识别物体；
42.目标标记模块，用于将多个识别物体标记为多个目标物体。
43.作为本发明实施例技术方案进一步的限定，所述角度形象调整单元具体包括：
44.模型标记模块，用于将多个所述目标物体对应的三维形象模型标记为三维目标模型；
45.目标分析模块，用于对所述待处理图像进行目标分析，获取多个所述目标物体的形象特征；
46.形象调整模块，用于按照多个所述形象特征，分别对多个所述三维目标模型进行角度形象调整，得到多个目标角度形象。
47.作为本发明实施例技术方案进一步的限定，所述智能优化处理单元具体包括：
48.优化处理模块，用于按照多个所述目标角度形象，对所述待处理图像进行智能优化处理，生成目标优化图像；
49.调整优化模块，用于对所述目标优化图像进行智能调整优化，生成智能优化图像。
50.与现有技术相比，本发明的有益效果是：
51.本发明实施例通过获取多个基础形象图像，进行多个识别物体的识别分类分析，构建多个相应的三维形象模型；对待处理图像进行识别分析；对多个三维目标模型进行角度形象调整；对待处理图像进行智能优化处理，得到智能优化图像。能够在对待处理图像进行智能图像处理之前，构建多个识别物体的三维形象模型，进而通过对待处理图像进行识别分析，确定多个目标物体，参考多个目标物体，对多个三维目标模型进行角度形象调整，得到多个目标角度形象，进而按照多个目标角度形象，对待处理图像进行智能优化处理，得到智能优化图像，从而能够提高用于ai芯片的智能图像处理的效率，且使得处理之后的图像更加真实、美观。
附图说明
52.为了更清楚地说明本发明实施例中的技术方案，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发明的一些实施例。
53.图1示出了本发明实施例提供的方法的流程图。
54.图2示出了本发明实施例提供的方法中构建三维形象模型的流程图。
55.图3示出了本发明实施例提供的方法中待处理图像识别分析的流程图。
56.图4示出了本发明实施例提供的方法中模型角度形象调整的流程图。
57.图5示出了本发明实施例提供的方法中图像智能优化处理的流程图。
58.图6示出了本发明实施例提供的系统的应用架构图。
59.图7示出了本发明实施例提供的系统中形象模型构建单元的结构框图。
60.图8示出了本发明实施例提供的系统中识别分析标记单元的结构框图。
61.图9示出了本发明实施例提供的系统中角度形象调整单元的结构框图。
62.图10示出了本发明实施例提供的系统中智能优化处理单元的结构框图。
具体实施方式
63.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
64.可以理解的是，在现有技术中，对于用于ai芯片的智能图像处理，大都是按照传统的图像处理技术，对图像本身的色彩、光影效果、亮度、对比度等图像参数，或者结合多张相似的图像，进行部分细节的筛选、替换与补偿，这种图像处理方法通常较为繁琐，且容易使得处理之后的图像不够真实。
65.为解决上述问题，本发明实施例通过获取多个基础形象图像，进行多个识别物体的识别分类分析，构建多个相应的三维形象模型；对待处理图像进行识别分析；对多个三维目标模型进行角度形象调整；对待处理图像进行智能优化处理，得到智能优化图像。能够在对待处理图像进行智能图像处理之前，构建多个识别物体的三维形象模型，进而通过对待处理图像进行识别分析，确定多个目标物体，参考多个目标物体，对多个三维目标模型进行角度形象调整，得到多个目标角度形象，进而按照多个目标角度形象，对待处理图像进行智能优化处理，得到智能优化图像，从而能够提高用于ai芯片的智能图像处理的效率，且使得处理之后的图像更加真实、美观。
66.实施例1：
67.图1示出了本发明实施例提供的方法的流程图。
68.具体的，用于ai芯片的智能图像处理方法，所述方法具体包括以下步骤：
69.步骤s101，获取多个基础形象图像，对多个所述基础形象图像进行分类分析，构建多个识别物体的三维形象模型。
70.在本发明实施例中，通过获取多个基础形象图像，对基础形象图像进行识别分析，确定多个基础形象图像对应的识别物体，按照多个识别物体，将多个基础形象图像进行分类，将多个基础形象图像划分为与多个识别物体对应的多个基础形象图组，通过对多个基础形象图组分别分析，提取多个基础形象图组中，与多个识别物体对应的三维特征数据，进而按照多个三维特征数据，进行三维模型的构建，得到与多个识别物体对应的三维形象模型。
71.可以理解的是，基础形象图组，包含与对应的识别物体的立体相关的多个基础形象图像，能够通过对基础形象图组中多个基础形象图像进行分析，获取对应的识别物体的三维特征数据，进而可以按照三维特征数据，构建对应的识别物体的三维形象模型。
72.实施例2：
73.具体的，图2示出了本发明实施例提供的方法中构建三维形象模型的流程图。
74.其中，在本发明提供的优选实施方式中，所述获取多个基础形象图像，对多个所述基础形象图像进行分类分析，构建多个识别物体的三维形象模型具体包括以下步骤：
75.步骤s1011，获取多个基础形象图像。
76.步骤s1012，对多个所述基础形象图像进行识别分类分析，将多个所述基础形象图像划分为与多个识别物体对应的多个基础形象图组。
77.步骤s1013，分别提取多个所述基础形象图组中的多个三维特征数据。
78.步骤s1014，按照多个所述三维特征数据，构建多个识别物体的三维形象模型。
79.进一步的，所述用于ai芯片的智能图像处理方法还包括以下步骤：
80.步骤s102，接收待处理图像，对所述待处理图像进行识别分析，确定多个识别物体，并将多个识别物体标记为多个目标物体。
81.在本发明实施例中，在需要进行智能图像处理时，通过接收上传的待处理图像，对待处理图像进行识别分析，生成识别分析结果，按照识别分析结果，确定在待处理图像中存在的多个识别物体，且将在待处理图像中存在的多个识别物体，标记为多个目标物体。
82.可以理解的是，识别分析的过程，是对待处理图像进行物体特征分析，将特征分析的结果与多个识别物体进行特征匹配，进而匹配多个相似特征的多个识别物体，从而确定在待处理图像中存在的多个识别物体。
83.实施例3：
84.具体的，图3示出了本发明实施例提供的方法中待处理图像识别分析的流程图。
85.其中，在本发明提供的优选实施方式中，所述接收待处理图像，对所述待处理图像进行识别分析，确定多个识别物体，并将多个识别物体标记为多个目标物体具体包括以下步骤：
86.步骤s1021，接收待处理图像。
87.步骤s1022，对所述待处理图像进行识别分析，生成识别分析结果。
88.步骤s1023，按照所述识别分析结果，确定所述待处理图像中的多个识别物体。
89.步骤s1024，将多个识别物体标记为多个目标物体。
90.进一步的，所述用于ai芯片的智能图像处理方法还包括以下步骤：
91.步骤s103，将多个所述目标物体对应的三维形象模型标记为三维目标模型，按照所述待处理图像，对多个所述三维目标模型进行角度形象调整，得到多个目标角度形象。
92.在本发明实施例中，通过将多个目标物体对应的三维形象模型，均标记为三维目标模型，且通过对待处理图像中的多个目标物体进行分析，获取多个目标物体对应的形象特征，按照多个形象特征，对多个相应的三维目标模型进行相同的角度形象调整，使得三维目标模型调节至与对应的目标物体在待处理图像中相同的观看角度、形象状态等，得到与多个目标物体相对应的目标角度形象。例如：对人的拍摄角度、表情、躯体动作进行三维目标模型的调节，使得三维目标模型调节至与人在待处理图像中的拍摄角度、表情、躯体动作保持一致。
93.实施例4：
94.具体的，图4示出了本发明实施例提供的方法中模型角度形象调整的流程图。
95.其中，在本发明提供的优选实施方式中，所述将多个所述目标物体对应的三维形象模型标记为三维目标模型，按照所述待处理图像，对多个所述三维目标模型进行角度形象调整，得到多个目标角度形象具体包括以下步骤：
96.步骤s1031，将多个所述目标物体对应的三维形象模型标记为三维目标模型。
97.步骤s1032，对所述待处理图像进行目标分析，获取多个所述目标物体的形象特征。
98.步骤s1033，按照多个所述形象特征，分别对多个所述三维目标模型进行角度形象调整，得到多个目标角度形象。
99.进一步的，所述用于ai芯片的智能图像处理方法还包括以下步骤：
100.步骤s104，按照多个所述目标角度形象，对所述待处理图像进行智能优化处理，得到智能优化图像。
101.在本发明实施例中，按照多个目标角度形象，替换待处理图像中对应的多个目标物体的图像形象，生成目标优化图像，且对目标优化图像进行整体的智能调整优化，生成智能优化图像，能够去除多个目标物体在拍摄时因为各种原因造成的缺点，使得调整之后的智能优化图像中，多个目标物体的形象更加真实、美观。
102.具体的，图5示出了本发明实施例提供的方法中图像智能优化处理的流程图。
103.其中，在本发明提供的优选实施方式中，所述按照多个所述目标角度形象，对所述待处理图像进行智能优化处理，得到智能优化图像具体包括以下步骤：
104.步骤s1041，按照多个所述目标角度形象，对所述待处理图像进行智能优化处理，生成目标优化图像。
105.步骤s1042，对所述目标优化图像进行智能调整优化，生成智能优化图像。
106.进一步的，图6示出了本发明实施例提供的系统的应用架构图。
107.其中，在本发明提供的又一个优选实施方式中，用于ai芯片的智能图像处理系统，包括：
108.形象模型构建单元101，用于获取多个基础形象图像，对多个所述基础形象图像进行分类分析，构建多个识别物体的三维形象模型。
109.在本发明实施例中，形象模型构建单元101通过获取多个基础形象图像，对基础形象图像进行识别分析，确定多个基础形象图像对应的识别物体，按照多个识别物体，将多个基础形象图像进行分类，将多个基础形象图像划分为与多个识别物体对应的多个基础形象图组，通过对多个基础形象图组分别分析，提取多个基础形象图组中，与多个识别物体对应的三维特征数据，进而按照多个三维特征数据，进行三维模型的构建，得到与多个识别物体对应的三维形象模型。
110.实施例5：
111.具体的，图7示出了本发明实施例提供的系统中形象模型构建单元101的结构框图。
112.其中，在本发明提供的优选实施方式中，所述形象模型构建单元101具体包括：
113.图像获取模块1011，用于获取多个基础形象图像。
114.分类分析模块1012，用于对多个所述基础形象图像进行识别分类分析，将多个所述基础形象图像划分为与多个识别物体对应的多个基础形象图组。
115.数据提取模块1013，用于分别提取多个所述基础形象图组中的多个三维特征数据。
116.模型构建模块1014，用于按照多个所述三维特征数据，构建多个识别物体的三维形象模型。
117.进一步的，所述用于ai芯片的智能图像处理系统还包括：
118.识别分析标记单元102，用于接收待处理图像，对所述待处理图像进行识别分析，确定多个识别物体，并将多个识别物体标记为多个目标物体。
119.在本发明实施例中，在需要进行智能图像处理时，识别分析标记单元102通过接收上传的待处理图像，对待处理图像进行识别分析，生成识别分析结果，按照识别分析结果，
确定在待处理图像中存在的多个识别物体，且将在待处理图像中存在的多个识别物体，标记为多个目标物体。
120.具体的，图8示出了本发明实施例提供的系统中识别分析标记单元102的结构框图。
121.其中，在本发明提供的优选实施方式中，所述识别分析标记单元102具体包括：
122.图像接收模块1021，用于接收待处理图像。
123.识别分析模块1022，用于对所述待处理图像进行识别分析，生成识别分析结果。
124.物体确定模块1023，用于按照所述识别分析结果，确定所述待处理图像中的多个识别物体。
125.目标标记模块1024，用于将多个识别物体标记为多个目标物体。
126.进一步的，所述用于ai芯片的智能图像处理系统还包括：
127.角度形象调整单元103，用于将多个所述目标物体对应的三维形象模型标记为三维目标模型，按照所述待处理图像，对多个所述三维目标模型进行角度形象调整，得到多个目标角度形象。
128.在本发明实施例中，角度形象调整单元103通过将多个目标物体对应的三维形象模型，均标记为三维目标模型，且通过对待处理图像中的多个目标物体进行分析，获取多个目标物体对应的形象特征，按照多个形象特征，对多个相应的三维目标模型进行相同的角度形象调整，使得三维目标模型调节至与对应的目标物体在待处理图像中相同的观看角度、形象状态等，得到与多个目标物体相对应的目标角度形象。例如：对人的拍摄角度、表情、躯体动作进行三维目标模型的调节，使得三维目标模型调节至与人在待处理图像中的拍摄角度、表情、躯体动作保持一致。
129.具体的，图9示出了本发明实施例提供的系统中角度形象调整单元103的结构框图。
130.其中，在本发明提供的优选实施方式中，所述角度形象调整单元103具体包括：
131.模型标记模块1031，用于将多个所述目标物体对应的三维形象模型标记为三维目标模型。
132.目标分析模块1032，用于对所述待处理图像进行目标分析，获取多个所述目标物体的形象特征。
133.形象调整模块1033，用于按照多个所述形象特征，分别对多个所述三维目标模型进行角度形象调整，得到多个目标角度形象。
134.进一步的，所述用于ai芯片的智能图像处理系统还包括：
135.智能优化处理单元104，用于按照多个所述目标角度形象，对所述待处理图像进行智能优化处理，得到智能优化图像。
136.在本发明实施例中，智能优化处理单元104按照多个目标角度形象，替换待处理图像中对应的多个目标物体的图像形象，生成目标优化图像，且对目标优化图像进行整体的智能调整优化，生成智能优化图像，能够去除多个目标物体在拍摄时因为各种原因造成的缺点，使得调整之后的智能优化图像中，多个目标物体的形象更加真实、美观。
137.具体的，图10示出了本发明实施例提供的系统中智能优化处理单元104的结构框图。
138.其中，在本发明提供的优选实施方式中，所述智能优化处理单元104具体包括：
139.优化处理模块1041，用于按照多个所述目标角度形象，对所述待处理图像进行智能优化处理，生成目标优化图像。
140.调整优化模块1042，用于对所述目标优化图像进行智能调整优化，生成智能优化图像。
141.综上所述，本发明实施例能够在对待处理图像进行智能图像处理之前，构建多个识别物体的三维形象模型，进而通过对待处理图像进行识别分析，确定多个目标物体，参考多个目标物体，对多个三维目标模型进行角度形象调整，得到多个目标角度形象，进而按照多个目标角度形象，对待处理图像进行智能优化处理，得到智能优化图像，从而能够提高用于ai芯片的智能图像处理的效率，且使得处理之后的图像更加真实、美观。
142.应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
143.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
144.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
145.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
146.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。