[发明专利]一种图像处理方法和相机

权利要求书

1.一种图像处理方法，其特征在于，包括：

利用预设的图像识别方法对图像集中的源图像进行图像识别，根据识别结果获取目标源图像，所述目标源图像为所述图像集中包括预设目标元素的源图像；

将所述目标源图像作为训练好的图像识别模型的输入，获取所述目标源图像中所述预设目标元素的识别结果；

根据所述识别结果在所述目标源图像上标注所述图像类型，以及根据所述识别结果将所述目标源图像中所述预设目标元素进行突出标识，其中，所述图像类型标注用于指示图像是否包括所述预设目标元素；

其中，通过网络爬虫、视频录制、视频帧提取中的至少一种方法进行数据采集，对采集的数据进行数据处理，以便获得大量图像集中的源图像；

其中，将所述目标源图像作为训练好的图像识别模型的输入，获取所述目标源图像中所述预设目标元素的识别结果进一步包括：

对目标源图像的部分数据进行人工标注，利用人工标注的部分数据训练图像识别模型，利用训练好的图像识别模型对目标源图像中未标注的图像数据进行分类，获得数据的分类错误率，根据图像数据的分类错误率筛选不满足预设置信度的图像数据，对筛选出的不满足预设置信度的图像数据进行人工标注并注入已标注图像数据集中，以及将筛选出的满足预设置信度的数据注入已标注图像数据集中；

其中，利用训练好的图像识别模型对目标源图像中未标注的图像数据进行分类，获得数据的分类错误率进一步包括：

将目标源图像中未标注的图像数据中取出一部分数据，将所述一部分数据均分为多批子数据集，将每一批子数据集分别用分类器进行分类，并统计每一批子数据集的分类错误率，对其排序，确定分类错误率最高的一批子数据集为不满足预设置信度的子数据集；

所述图像识别模型通过如下步骤训练得到：

获取包含所述预设目标元素的图像和未包含所述预设目标元素的图像的训练样本；

将所述训练样本输入至预先训练的初始图像识别模型，将所述初始图像识别模型所生成的特征信息输入至预先建立的判别模型，对所述判别模型和所述初始图像识别模型进行对抗训练，获得所述图像识别模型，其中所述初始图像识别模型用于对包含所述预设目标元素的图像进行识别，所述判别模型用于确定被输入至图像识别模型的所述特征信息是否取自所述包含所述预设目标元素的图像。

2.根据权利要求1所述的方法，其特征在于，所述预设目标元素包括人脸元素、手部元素、马赛克元素。

3.根据权利要求1所述的方法，其特征在于，所述训练样本的每个图像带有图像类型标注，所述初始图像识别模型所生成的所述图像的特征信息带有所述图像类型标注。

4.根据权利要求1所述的方法，其特征在于，所述初始图像识别模型通过如下步骤训练得到：

获取由包括所述预设目标元素的图像构成的预置训练样本，每个图像带有目标元素的标注；

利用机器学习算法，将所述预置训练样本输入至预先建立的卷积神经网络，基于所述预置训练样本中图像所带有的目标元素的标注，训练得到初始图像识别模型。

5.根据权利要求1所述的方法，其特征在于，所述判别模型为用于进行多分类的神经网络。

6.根据权利要求4所述的方法，其特征在于，所述卷积神经网络包括卷积层、池化层和全连接层。

7.根据权利要求1所述的方法，其特征在于，所述利用预设的图像识别方法对图像集中的源图像进行图像识别，根据识别结果获取目标源图像，包括：

基于边缘检测方法或区域提取方法对图像集中的源图像进行图像分割，根据图像分割结果获取所述目标源图像。