本發(fā)明涉及人工智能，尤其涉及一種人工智能圖像識(shí)別數(shù)據(jù)處理方法及系統(tǒng)。

背景技術(shù)：

1、在當(dāng)今人工智能圖像識(shí)別領(lǐng)域，準(zhǔn)確高效的數(shù)據(jù)處理面臨諸多挑戰(zhàn)。一方面，實(shí)際采集的圖像質(zhì)量參差不齊，存在噪聲干擾、光線不均、模糊等問(wèn)題，嚴(yán)重影響圖像中有效信息的提取，進(jìn)而降低圖像識(shí)別的準(zhǔn)確率。例如在安防監(jiān)控場(chǎng)景中，低質(zhì)量圖像可能導(dǎo)致對(duì)人員或物體的誤判。另一方面，隨著多模態(tài)圖像采集技術(shù)的發(fā)展，如將可見光圖像與紅外圖像結(jié)合，能獲取更豐富的圖像信息，但現(xiàn)有的圖像融合技術(shù)在融合精度和效率上存在不足，難以充分對(duì)圖像進(jìn)行高精度融合。同時(shí)，不同類型的圖像特征，在融合過(guò)程中缺乏有效的整合策略，導(dǎo)致融合后的特征無(wú)法全面、準(zhǔn)確地描述圖像內(nèi)容，制約了圖像識(shí)別性能的提升。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種人工智能圖像識(shí)別數(shù)據(jù)處理方法，包括：

2、步驟s1、云平臺(tái)根據(jù)圖像識(shí)別的應(yīng)用領(lǐng)域和識(shí)別目標(biāo)采集目標(biāo)圖像并通過(guò)圖像預(yù)處理技術(shù)對(duì)采集的目標(biāo)圖像進(jìn)行預(yù)處理，基于預(yù)處理的目標(biāo)圖像生成目標(biāo)圖像集；

3、步驟s2、云平臺(tái)通過(guò)圖像質(zhì)量檢測(cè)修復(fù)算法對(duì)目標(biāo)圖像集進(jìn)行圖像質(zhì)量檢測(cè)與修復(fù)生成高質(zhì)量圖像集；所述圖像質(zhì)量檢測(cè)修復(fù)算法用于檢測(cè)目標(biāo)圖像集中目標(biāo)圖像的圖像檢測(cè)質(zhì)量值是否達(dá)到預(yù)設(shè)圖像質(zhì)量閾值，將圖像檢測(cè)質(zhì)量值未達(dá)到預(yù)設(shè)圖像質(zhì)量閾值的目標(biāo)圖像進(jìn)行修復(fù)；根據(jù)圖像識(shí)別的識(shí)別目標(biāo)取得圖像識(shí)別主體并通過(guò)圖像增強(qiáng)技術(shù)對(duì)圖像識(shí)別主體進(jìn)行凸顯，生成高質(zhì)量凸顯圖像集；

4、步驟s3、云平臺(tái)根據(jù)圖像識(shí)別的識(shí)別目標(biāo)生成分類標(biāo)準(zhǔn)，根據(jù)分類標(biāo)準(zhǔn)對(duì)高質(zhì)量凸顯圖像集進(jìn)行分類生成分類凸顯圖像集；所述分類凸顯圖像集包括分類凸顯圖像子集和分類號(hào)；通過(guò)圖像主體結(jié)構(gòu)紋理融合算法將分類凸顯圖像集中分類凸顯圖像子集中的目標(biāo)圖像進(jìn)行圖像識(shí)別主體融合生成分類主體融合圖像并構(gòu)建分類融合圖像集；

5、步驟s4、云平臺(tái)通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取分類融合圖像集中分類主體融合圖像的圖像特征生成分類融合圖像特征集，通過(guò)圖像特征融合算法將分類融合圖像特征集的特征進(jìn)行融合生成分類圖像特征融合集。

6、如上所述的一種人工智能圖像識(shí)別數(shù)據(jù)處理方法，其中，云平臺(tái)根據(jù)圖像識(shí)別的應(yīng)用領(lǐng)域和識(shí)別目標(biāo)采集目標(biāo)圖像并通過(guò)圖像預(yù)處理技術(shù)對(duì)采集的目標(biāo)圖像進(jìn)行預(yù)處理，基于預(yù)處理的目標(biāo)圖像生成目標(biāo)圖像集包括如下子步驟：

7、步驟s11、云平臺(tái)根據(jù)圖像識(shí)別的應(yīng)用領(lǐng)域和識(shí)別目標(biāo)取得目標(biāo)圖像的圖像采集對(duì)象；

8、步驟s12、云平臺(tái)根據(jù)目標(biāo)圖像的圖像采集對(duì)象選擇圖像采集方法并采集目標(biāo)圖像；

9、步驟s13、云平臺(tái)通過(guò)圖像預(yù)處理技術(shù)對(duì)采集的目標(biāo)圖像進(jìn)行圖像預(yù)處理，構(gòu)建目標(biāo)圖像集。

10、如上所述的一種人工智能圖像識(shí)別數(shù)據(jù)處理方法，其中，云平臺(tái)通過(guò)圖像質(zhì)量檢測(cè)修復(fù)算法對(duì)目標(biāo)圖像集進(jìn)行圖像質(zhì)量檢測(cè)與修復(fù)生成高質(zhì)量圖像集；所述圖像質(zhì)量檢測(cè)修復(fù)算法用于檢測(cè)目標(biāo)圖像集中目標(biāo)圖像的圖像檢測(cè)質(zhì)量值是否達(dá)到預(yù)設(shè)圖像質(zhì)量閾值，將圖像檢測(cè)質(zhì)量值未達(dá)到預(yù)設(shè)圖像質(zhì)量閾值的目標(biāo)圖像進(jìn)行修復(fù)；根據(jù)圖像識(shí)別的識(shí)別目標(biāo)取得圖像識(shí)別主體并通過(guò)圖像增強(qiáng)技術(shù)對(duì)圖像識(shí)別主體進(jìn)行凸顯，生成高質(zhì)量凸顯圖像集包括如下子步驟：

11、步驟s21、云平臺(tái)通過(guò)圖像質(zhì)量檢測(cè)修復(fù)算法對(duì)目標(biāo)圖像集進(jìn)行圖像質(zhì)量檢測(cè)與修復(fù)，生成高質(zhì)量圖像集；

12、步驟s22、云平臺(tái)根據(jù)圖像識(shí)別的識(shí)別目標(biāo)取得目標(biāo)圖像的圖像識(shí)別主體，通過(guò)圖像增強(qiáng)技術(shù)將高質(zhì)量圖像集中目標(biāo)圖像的圖像識(shí)別主體進(jìn)行凸顯，生成高質(zhì)量凸顯圖像集。

13、如上所述的一種人工智能圖像識(shí)別數(shù)據(jù)處理方法，其中，云平臺(tái)根據(jù)圖像識(shí)別的識(shí)別目標(biāo)生成分類標(biāo)準(zhǔn)，根據(jù)分類標(biāo)準(zhǔn)對(duì)高質(zhì)量凸顯圖像集進(jìn)行分類生成分類凸顯圖像集；所述分類凸顯圖像集包括分類凸顯圖像子集和分類號(hào)；通過(guò)圖像主體結(jié)構(gòu)紋理融合算法將分類凸顯圖像集中分類凸顯圖像子集中的目標(biāo)圖像進(jìn)行圖像識(shí)別主體融合生成分類主體融合圖像并構(gòu)建分類融合圖像集包括如下子步驟：

14、步驟s31、云平臺(tái)根據(jù)圖像識(shí)別的識(shí)別目標(biāo)生成分類標(biāo)準(zhǔn)，根據(jù)分類標(biāo)準(zhǔn)對(duì)高質(zhì)量凸顯圖像集進(jìn)行分類，生成分類凸顯圖像集；

15、步驟s32、云平臺(tái)通過(guò)圖像主體結(jié)構(gòu)紋理融合算法將分類凸顯圖像集中的目標(biāo)圖像進(jìn)行圖像主體融合，生成分類主體融合圖像并構(gòu)建分類融合圖像集。

16、如上所述的一種人工智能圖像識(shí)別數(shù)據(jù)處理方法，其中，云平臺(tái)通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取分類融合圖像集中分類主體融合圖像的圖像特征生成分類融合圖像特征集，通過(guò)圖像特征融合算法將分類融合圖像特征集的特征進(jìn)行融合生成分類圖像特征融合集包括如下子步驟：

17、步驟s41、云平臺(tái)通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取分類融合圖像集中分類主體融合圖像的圖像特征，生成分類融合圖像特征集；

18、步驟s42、云平臺(tái)通過(guò)圖像特征融合算法將分類融合圖像特征集中分類主體融合圖像的圖像特征進(jìn)行融合，生成分類圖像特征融合集。

19、本發(fā)明還提供一種人工智能圖像識(shí)別數(shù)據(jù)處理系統(tǒng)，包括：

20、圖像采集處理模塊，根據(jù)圖像識(shí)別的應(yīng)用領(lǐng)域和識(shí)別目標(biāo)采集目標(biāo)圖像并通過(guò)圖像預(yù)處理技術(shù)對(duì)采集的目標(biāo)圖像進(jìn)行預(yù)處理，基于預(yù)處理的目標(biāo)圖像生成目標(biāo)圖像集；

21、圖像檢測(cè)修復(fù)凸顯模塊，通過(guò)圖像質(zhì)量檢測(cè)修復(fù)算法對(duì)目標(biāo)圖像集進(jìn)行圖像質(zhì)量檢測(cè)與修復(fù)生成高質(zhì)量圖像集；所述圖像質(zhì)量檢測(cè)修復(fù)算法用于檢測(cè)目標(biāo)圖像集中目標(biāo)圖像的圖像檢測(cè)質(zhì)量值是否達(dá)到預(yù)設(shè)圖像質(zhì)量閾值，將圖像檢測(cè)質(zhì)量值未達(dá)到預(yù)設(shè)圖像質(zhì)量閾值的目標(biāo)圖像進(jìn)行修復(fù)；根據(jù)圖像識(shí)別的識(shí)別目標(biāo)取得圖像識(shí)別主體并通過(guò)圖像增強(qiáng)技術(shù)對(duì)圖像識(shí)別主體進(jìn)行凸顯，生成高質(zhì)量凸顯圖像集；

22、圖像分類融合模塊，根據(jù)圖像識(shí)別的識(shí)別目標(biāo)生成分類標(biāo)準(zhǔn)，根據(jù)分類標(biāo)準(zhǔn)對(duì)高質(zhì)量凸顯圖像集進(jìn)行分類生成分類凸顯圖像集；所述分類凸顯圖像集包括分類凸顯圖像子集和分類號(hào)；通過(guò)圖像主體結(jié)構(gòu)紋理融合算法將分類凸顯圖像集中分類凸顯圖像子集中的目標(biāo)圖像進(jìn)行圖像識(shí)別主體融合生成分類主體融合圖像并構(gòu)建分類融合圖像集；

23、圖像特征提取融合模塊，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取分類融合圖像集中分類主體融合圖像的圖像特征生成分類融合圖像特征集，通過(guò)圖像特征融合算法將分類融合圖像特征集的特征進(jìn)行融合生成分類圖像特征融合集。

24、如上所述的一種人工智能圖像識(shí)別數(shù)據(jù)處理系統(tǒng)，其中，圖像采集處理模塊，具體包括：

25、圖像采集對(duì)象獲取子模塊，根據(jù)圖像識(shí)別的應(yīng)用領(lǐng)域和識(shí)別目標(biāo)取得目標(biāo)圖像的圖像采集對(duì)象；

26、圖像采集子模塊，根據(jù)目標(biāo)圖像的圖像采集對(duì)象選擇圖像采集方法并采集目標(biāo)圖像；

27、圖像預(yù)處理子模塊，通過(guò)圖像預(yù)處理技術(shù)對(duì)采集的目標(biāo)圖像進(jìn)行圖像預(yù)處理，構(gòu)建目標(biāo)圖像集。

28、如上所述的一種人工智能圖像識(shí)別數(shù)據(jù)處理系統(tǒng)，其中，圖像檢測(cè)修復(fù)凸顯模塊，具體包括：

29、圖像檢測(cè)修復(fù)子模塊，通過(guò)圖像質(zhì)量檢測(cè)修復(fù)算法對(duì)目標(biāo)圖像集進(jìn)行圖像質(zhì)量檢測(cè)與修復(fù)，生成高質(zhì)量圖像集；

30、圖像凸顯子模塊，根據(jù)圖像識(shí)別的識(shí)別目標(biāo)取得目標(biāo)圖像的圖像識(shí)別主體，通過(guò)圖像增強(qiáng)技術(shù)將高質(zhì)量圖像集中目標(biāo)圖像的圖像識(shí)別主體進(jìn)行凸顯，生成高質(zhì)量凸顯圖像集。

31、如上所述的一種人工智能圖像識(shí)別數(shù)據(jù)處理系統(tǒng)，其中，圖像分類融合模塊，具體包括：

32、圖像分類子模塊，根據(jù)圖像識(shí)別的識(shí)別目標(biāo)生成分類標(biāo)準(zhǔn)，根據(jù)分類標(biāo)準(zhǔn)對(duì)高質(zhì)量凸顯圖像集進(jìn)行分類，生成分類凸顯圖像集；

33、圖像融合子模塊，通過(guò)圖像主體結(jié)構(gòu)紋理融合算法將分類凸顯圖像集中的目標(biāo)圖像進(jìn)行圖像主體融合，生成分類主體融合圖像并構(gòu)建分類融合圖像集。

34、如上所述的一種人工智能圖像識(shí)別數(shù)據(jù)處理系統(tǒng)，其中，圖像特征提取融合模塊，具體包括：

35、圖像特征提取子模塊，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)提取分類融合圖像集中分類主體融合圖像的圖像特征，生成分類融合圖像特征集；

36、圖像特征融合子模塊，通過(guò)圖像特征融合算法將分類融合圖像特征集中分類主體融合圖像的圖像特征進(jìn)行融合，生成分類圖像特征融合集。

37、本發(fā)明實(shí)現(xiàn)的有益效果如下：本發(fā)明能夠?qū)⒌唾|(zhì)量的圖像進(jìn)行修復(fù)提升圖像質(zhì)量，運(yùn)用先進(jìn)的融合技術(shù)將圖像進(jìn)行融合，保留圖像的關(guān)鍵特征并挖掘圖像之間潛在的互補(bǔ)特征，增強(qiáng)了圖像的整體表現(xiàn)力，為后續(xù)的圖像識(shí)別提供了更可靠的數(shù)據(jù)基礎(chǔ)，顯著提高圖像識(shí)別準(zhǔn)確率，使圖像識(shí)別模型能夠更精準(zhǔn)地理解圖像內(nèi)容，從而大幅提升圖像識(shí)別系統(tǒng)在復(fù)雜場(chǎng)景下的性能和魯棒性，為安防、醫(yī)療、交通等多個(gè)領(lǐng)域的圖像識(shí)別應(yīng)用提供了更強(qiáng)大的技術(shù)支持。