[发明专利]一种图像识别处理装置、系统及方法

说明书

技术领域

本发明涉及图像识别技术领域，特别是涉及一种图像识别处理装置、系统及方法。

背景技术

当前的深度学习算法已经在图像识别领域达到很高的准确率，但由于能够精确识别图像的深度学习网络需要大量的计算资源，所以以当前的计算机技术，必须把深度学习网络部署在云端，而本地设备由于CPU处理能力有限，无法很好的识别图像。

然而把大型深度学习网络放在云端，有两大缺陷：首先，因为云端和本地硬件是一对多的关系，当本地硬件同时有云端处理请求时，则对云端的计算资源要求很高；其次，对云端的网络接口带宽也要求很高，因为图像的传送需要很大的带宽。

发明内容

为克服上述现有技术存在的不足，本发明之目的在于提供一种图像识别处理装置、系统及方法，以减轻云端处理器的处理负荷和网络接口带宽。

为达上述目的，本发明提出一种图像识别处理装置，该图像识别处理装置部署有小型深度学习神经网络，利用图像获取单元获取图像，并利用小型深度学习网络对获取的图像进行识别处理以识别是否存在人脸，于识别出存在人脸图像时将获取的图像传送至云端处理器。

进一步地，该图像识别处理装置包括：

图像获取单元，用于获取图像；

人脸识别单元，用于利用该小型深度学习神经网络对该图像获取单元获取的图像进行人脸识别处理，以识别获取的图像中是否存在人脸；

判断单元，用于判断该人脸识别单元的识别结果是否存在人脸，并于判断出该人脸识别单元的识别结果存在人脸时，启动传输单元；

传输单元，用于将该图像获取单元获取的存在人脸的图像传送至云端处理器。

进一步地，所述小型深度学习神经网络采用二分类网络，以识别图像是否存在人脸。

进一步地，该图像识别处理装置为本地智能硬件，该图像获取单元为摄像头。

为达到上述目的，本发明还提供一种图像识别处理系统，包括：

图像识别处理装置，其上部署有小型深度学习神经网络，利用图像获取单元获取图像，并利用小型深度学习网络对获取的图像进行识别处理以识别是否存在人脸，于识别出存在人脸图像时将获取的图像传送至云端处理器；

云端处理器，用于接收该图像识别处理设置传送的图像，利用大型深度学习网络对获取的图像进行人脸识别，识别出人脸类型。

进一步地，该云端处理器具有深度学习网络训练模块，将预先训练录入的人脸视频或图像，转化为人脸数据，将人脸数据与该人脸数据的其他信息进行对应，将对应后的结果以信息中的某一特征为标签，分类保存至人员信息数据库中，以上述标签生成深度学习网络中的各层级参数，形成提取特征参数予以保存。

进一步地，该云端处理器于获取图像进行人脸识别时，从获取的图像中提取人脸的数据，查找人员信息数据库中已经保存的人脸数据并进行匹配识别，输出匹配识别结果。

为达到上述目的，本发明还提供一种图像识别处理方法，包括如下步骤：

步骤一，图像识别处理装置利用图像获取单元获取图像；

步骤二，利用小型深度学习神经网络对获取的图像进行图像识别，以确定获取的图像中是否存在人脸；

步骤三，于判断获取的图像中存在人脸时，将获取的图像传送至云端处理器；

步骤四，该云端处理器利用大型深度学习神经网络对获取的图像进行人脸识别，识别出人脸类型。

进一步地，该小型深度学习神经网络为二分类网络，仅把获得的图像分成有人脸和没有人脸两类。

进一步地，该大型深度学习神经网络为复杂的多分类网络。

与现有技术相比，本发明一种图像识别处理装置、系统及方法通过于本地的图像识别处理装置上部署小型深度学习网络，于云端处理器上部署大型深度学习网络，利用该小型深度学习网络对获取的图像识别以判断是否存在人脸，于判断出存在人脸后才将获取的图像发送至云端处理器，以利用云端处理器的大型深度学习网络识别出人脸类型，大大减轻了云端处理器的处理负荷和网络接口带宽。

附图说明

图1为本发明一种图像识别处理装置的系统架构图；

图2为本发明一种图像识别处理系统的系统架构图；

图3为本发明具体实施例采用的图像识别处理系统的系统架构图；

图4为本发明具体实施例的图像识别处理过程示意图；

图5为本发明一种图像识别处理方法的步骤流程图。

具体实施方式