1.一種圖像主體自動識別系統(tǒng)，其特征在于，包括終端設(shè)備、識別分割平臺和數(shù)據(jù)庫；
2.一種如權(quán)利要求1所述的圖像主體自動識別系統(tǒng)的分割方法，其特征在于，包括以下步驟：
3.根據(jù)權(quán)利要求2所述的圖像主體自動識別系統(tǒng)的分割方法，其特征在于，步驟s2中所述基于直方圖均衡化的亮度補(bǔ)償，其均衡化函數(shù)為：
4.根據(jù)權(quán)利要求2所述的圖像主體自動識別系統(tǒng)的分割方法，其特征在于，所述的步驟s3?區(qū)域識別中的動態(tài)閾值算法公式為：
5.根據(jù)權(quán)利要求2所述的圖像主體自動識別系統(tǒng)的分割方法，其特征在于，所述的步驟s5分割處理中的分水嶺算法，基于梯度圖像生成標(biāo)記區(qū)域，通過淹沒模型分離粘連區(qū)域，函數(shù)表達(dá)式為：
6.根據(jù)權(quán)利要求2所述的圖像主體自動識別系統(tǒng)的分割方法，其特征在于，步驟s5中所述形態(tài)學(xué)閉運(yùn)算采用3×3矩形核，其結(jié)構(gòu)元素定義為：
7.根據(jù)權(quán)利要求2所述的圖像主體自動識別系統(tǒng)的分割方法，其特征在于，步驟s5中所述分水嶺算法的梯度圖像通過sobel算子計算，其水平與垂直梯度權(quán)重分別為：
8.根據(jù)權(quán)利要求2所述的圖像主體自動識別系統(tǒng)的分割方法，其特征在于，所述的步驟s6中的ocr函數(shù)，采用卷積神經(jīng)網(wǎng)絡(luò)cnn進(jìn)行文字檢測，結(jié)合雙向lstm進(jìn)行序列識別，輸出概率最高的文字序列。
9.根據(jù)權(quán)利要求2所述的圖像主體自動識別系統(tǒng)的分割方法，其特征在于，所述的步驟s6中卷積神經(jīng)網(wǎng)絡(luò)cnn進(jìn)行文字檢測，采用resnet-50主干網(wǎng)絡(luò)：輸入圖像歸一化為32×256×332×256×3，經(jīng)過resnet-50的卷積層提取多尺度特征；
10.根據(jù)權(quán)利要求2所述的圖像主體自動識別系統(tǒng)的分割方法，其特征在于，所述的步驟s6中序列識別，為雙向lstm與注意力機(jī)制：