[发明专利]图像处理方法、图像处理装置及终端

说明书

技术领域

本发明涉及图像处理技术，特别涉及一种图像处理方法、图像处理装置及终端。

背景技术

现有技术包括采用传统基于机器学习智能视觉技术，可靠性较低，失误率高，误判多，环境适应性差，算法的核心流程，参数，特征函数等都严重依赖人工指导。现有技术还包括基于深度学习的视觉算法，普遍面临的模型数据巨大，运算量巨大等难题，基本只能依赖云端的服务器集群进行后处理。由于难以适配移动终端内存限制和处理能力不足的现状，现行方案大多需要将前端采集的视频数据上传到云端集中处理，不但严重增加了服务器端的负荷，而且带来大量无效带宽(99.9％的视频数据里并没有有效内容)，同时，鉴于网络传输和处理延迟，也无法达到实时性的需求。

发明内容

本发明的实施方式旨在至少解决现有技术中存在的技术问题之一。为此，本发明的实施方式需要提供一种图像处理方法、图像处理装置及终端。

本发明提供一种图像处理方法，包括以下步骤：

控制摄像头获取多帧连续图像；

控制所述终端对所述连续图像进行处理以获取优化图像；

控制所述终端从所述优化图像中筛选出误差值大于预定值的难识别图像；

控制所述终端采用深度学习技术对所述难识别图像进行处理；及

控制所述终端对处理后的图像中进行人脸识别，所述处理后的图像包括采用深度学习技术处理后的图像。

在某些实施方式中，所述终端包括移动终端。

在获取多帧连续图像，例如视频图像后，首先对其进行处理。例如利用各种在其它领域成熟的算法工具对99％以上的“低难度”智能分支(Branch)进行简化。然后将1％“高难度”的分支留给复杂的深度学习处理器，即进行S4的深度学习处理。从而达到在几乎不损失智能性的前提下较大地提高运算性能，也使得普通终端设备即可实现处理，不需上传云端服务器。可解决现有技术的某些问题。

在某些实施方式中，所述控制所述终端对所述连续图像进行处理以获取优化图像的步骤的处理包括数字信号压缩。

在某些实施方式中，所述数字信号压缩包括信号预测/补偿、小波(傅里叶)变换、自适应量化机制、码率/失真反馈及/或熵编码(上下文算数编码)。

在某些实施方式中，所述控制所述终端对所述连续图像进行处理以获取优化图像的步骤的处理包括混合学习，所述混合学习包括局部/全局运动预测、点位纠正、3D表述纠正。

本发明还提供一种图像处理装置，用于终端，所述装置包括：

图像获取模块，用于控制摄像头获取多帧连续图像；

第一处理模块，用于控制所述终端对所述连续图像进行处理以获取优化图像；

筛选模块，用于控制所述终端从所述优化图像中筛选出误差值大于预定值的难识别图像；

第二处理模块，用于控制所述终端采用深度学习技术对所述难识别图像进行处理；及

识别模块，用于控制所述终端对处理后的图像中进行人脸识别，所述处理后的图像包括采用深度学习技术处理后的图像。

在某些实施方式中，所述终端包括移动终端。

在某些实施方式中，所述第一处理模块的处理包括数字信号压缩。在某些实施方式中，所述数字信号压缩包括信号预测/补偿、小波(傅里叶)变换、自适应量化机制、码率/失真反馈及/或熵编码(上下文算数编码)。

在某些实施方式中，所述第一处理模块的处理包括混合学习，所述混合学习包括局部/全局运动预测、点位纠正、3D表述纠正。

本发明还提供一种终端，其包括摄像头及如上述实施方式所述的图像处理装置。

本发明的实施方式的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实施方式的实践了解到。

附图说明

本发明的实施方式的上述和/或附加的方面和优点从结合下面附图对实施方式的描述中将变得明显和容易理解，其中：

图1是本发明某些实施方式的图像处理方法的流程示意图。

图2是本发明某些实施方式的终端及图像处理装置的功能模块示意图。

具体实施方式

下面详细描述本发明的实施方式，实施方式的示例在附图中示出，其中相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅可用于解释本发明的实施方式，而不能理解为对本发明的实施方式的限制。

请参阅图1-2，本发明提供一种图像处理方法，可用于终端1000，方法包括以下步骤：