[发明专利]一种固定空间、车辆上的图像识别方法及系统

权利要求书

1.一种固定空间内的图像识别方法，其特征在于：

接收获取图像的第一指示信息，依据所述第一指示信息获取固定空间的多个第一图像；对多个所述第一图像进行预处理，该预处理包括：用预设矩形框对多个所述第一图像中的目标物进行标注，依据所述标注确定多个所述第一图像的特征区域，依据所述特征区域的信息建立第一数据集，并依据所述第一数据集建立识别训练模型，其中，所述固定空间为车辆的内部或外部空间，利用python编写的标签工具，用矩形框人工标注所述第一图像中特征区域，用所述矩形框的类别信息和坐标位置信息，生成标签数据，其中，所述类别信息为所述第一图像中的所述目标物的类别，所述坐标位置信息为所述矩形框的四个角的坐标信息，并保存所述标签数据，对多个所述第一图像进行标注后，多个标签数据构成所述第一数据集，使用TensorFlow框架对所述第一数据集进行训练，根据所述第一图像中所述目标物的类别数量、图像大小、批尺寸、学习率和训练最大步骤数，定义损失函数，编写出训练模型，利用卷积神经网络，将所述第一数据集在高维空间进行运算及分类，得出所述识别训练模型；

用预设矩形框对多个所述第一图像中的目标物进行标注之前，对所述第一图像的背景颜色进行滤色；判断所述第一图像的平均像素亮度值或文件大小值是否在阈值范围内；在所述第一图像的平均像素亮度值或文件大小值不在所述阈值内的情况下，删除所述第一图像；

用预设矩形框对多个所述第一图像中的目标物进行标注之后，包括：

记录所述矩形框所在平面坐标，依据所述平面坐标确定所述目标物的特征区域以及所述特征区域数量，并依据所述特征区域和所述特征区域的数量建立所述第一数据集；依据所述第一数据集、样品数据集和深度学习框架，建立所述识别训练模型;

接收获取图像的第二指示信息，依据所述第二指示信息获取所述固定空间的第二图像；依据所述识别训练模型对所述第二图像进行识别，识别包括所述识别训练模型识别与所述第一图像中的特征区域的信息对应的，所述第二图像的特征区域，生成识别的结果。

2.根据权利要求1所述方法，其特征在于，所述识别训练模型识别与所述第一图像中的特征区域的信息对应的所述第二图像的特征区域包括：

所述识别训练模型识别与所述第一图像中的特征区域的信息对应的所述第二图像的特征区域以及特征区域的数量；所述识别训练模型识别每个所述第二图像的特征区域的目标物是否是预设目标物。

3.根据权利要求1所述方法，其特征在于，所述生成识别结果之后，包括：

将所述识别结果进行上报，并依据该识别结果调整所述识别训练模型。

4.一种固定空间内的图像识别系统，其特征在于，该识别系统执行运用如权利要求1至3中任一项所述方法，包括：摄像头和识别单元，所述摄像头拍摄固定空间内的图像，所述摄像头与所述识别单元进行数据传输，其中，

所述摄像头接收所述识别单元发送的第一指示信息，所述摄像头依据所述第一指示信息获取固定空间内的多个第一图像，并将多个所述第一图像发送给所述识别单元；

所述识别单元对多个所述第一图像进行预处理，该预处理包括：用预设矩形框对多个所述第一图像中的目标物进行标注，依据所述标注确定多个所述第一图像的特征区域，依据所述特征区域的信息建立第一数据集，并依据所述第一数据集建立识别训练模型，其中，所述固定空间为车辆的内部或外部空间，利用python编写的标签工具，用矩形框人工标注所述第一图像中特征区域，用所述矩形框的类别信息和坐标位置信息，生成标签数据，其中，所述类别信息为所述第一图像中的所述目标物的类别，所述坐标位置信息为所述矩形框的四个角的坐标信息，并保存所述标签数据，对多个所述第一图像进行标注后，多个标签数据构成所述第一数据集，使用TensorFlow框架对所述第一数据集进行训练，根据所述第一图像中所述目标物的类别数量、图像大小、批尺寸、学习率和训练最大步骤数，定义损失函数，编写出训练模型，利用卷积神经网络，将所述第一数据集在高维空间进行运算及分类，得出所述识别训练模型；

所述摄像头接收所述识别单元发送的第二指示信息，所述摄像头依据所述第二指示信息获取固定空间内的的第二图像；

所述识别单元依据所述识别训练模型对所述第二图像进行识别，所述识别包括所述识别训练模型识别与所述第一图像中的特征区域的信息对应的所述第二图像的特征区域，所述识别单元生成识别的结果。