[发明专利]一种基于人工智能的数据处理方法及其系统

说明书

本申请公开了一种基于人工智能的数据处理方法及其系统，该方法通过寄存器接收该基于人工智能的数据处理系统外部的原始数据；处理设备将该原始数据划分为待识别的数据和已识别完成的数据，并每次只对待识别的数据进行识别；然后根据原始数据的时序关系和/或空间关系将本次识别的数据与本次已识别完成的数据进行整合，并与原始数据的数据相关性进行比对。该方法能够实现数据处理的工作模式与训练模式同步进行。

技术领域

本说明书涉及人工智能技术领域，尤其涉及一种基于人工智能的数据处理方法及其系统。

背景技术

目前的人工智能系统采用是“模仿人脑机能”来实现。而人工神经网络就是通过构建人工神经元单元来模拟人脑中神经元细胞的机能，通过构建由人工神经元单元组成的人工神经网络来模拟人脑中的生物神经网络的机能。

然而，现有的人工神经网络需要先在训练模式下进行模型训练，也就是进行机械学习；模型训练后，人工神经网络在工作模式下进行工作，工作时不进行模型训练；人工神经网络更新时，需要重新进行模型训练。可见目前的人工神经网络的训练模式和工作模式不能同时进行，导致人工神经网络不能够在训练时实现实时的迭代更新，进而导致现有的人工智能系统没有实现完全的智能化。

发明内容

针对上述技术问题，本申请提供一种基于人工智能的数据处理方法以及系统，该系统实现了数据的实时更新。

本申请第一方面提供一种基于人工智能的数据处理方法，应用于基于人工智能的数据处理系统中，所述基于人工智能的数据处理系统包括采集设备、寄存器、处理设备以及控制设备；其中，

所述采集设备获取所述基于人工智能的数据处理系统外部信息，得到原始数据；

所述寄存器接收所述原始数据，将所述原始数据存储在所述寄存器的第一存储区；其中，所述第一存储区用于存储待处理的数据；

所述控制设备复制所述第一存储区中的原始数据，并将所述原始数据发送给所述处理设备；

所述处理设备将所述原始数据分成第一数据和第二数据，并对所述第一数据进行识别，从而得到第一特征数据；其中，所述第一数据为待识别数据，所述第二数据为已识别数据，且所述第一数据、所述第一特征数据以及所述第二数据均包括所述原始数据的时序关系和空间位置关系的一种或两种；

所述控制设备根据所述原始数据的时序关系和/或空间位置关系，将所述第一特征数据和所述第二数据整合成第三数据，并确定所述第三数据与所述原始数据的数据相关性是否大于预设阈值，当所述数据相关性小于预设阈值时，将所述第三数据发送给所述寄存器；

所述寄存器丢弃所述第三数据。

在一种可能的实现方式中，所述第一数据包括图像数据，所述第一特征数据包括图像特征数据；其中，

所述处理设备对所述第一数据进行识别得到所述第一特征数据，具体为：

所述处理设备对图像数据进行预处理，得到颜色特征向量、纹理特征向量以及形状特征向量；

所述处理设备将所述颜色特征向量、所述纹理特征向量以及所述形状特征向量进行计算，得到图像特征向量；

所述处理设备对所述图像特征向量进行哈希运算，得到图像哈希值；

所述处理设备将所述图像哈希值与所述寄存器存储的至少一个哈希值分别进行相似度度量计算；其中，所述至少一个哈希值存储在所述寄存器的第二存储区的数据特征库中，所述数据特征库中的一个哈希值对应一个特征数据，所述第二存储区存储已处理的数据；

所述处理设备获取计算得到的相似度度量值最小的哈希值所对应的特征数据，所述相似度度量值最小的哈希值对应的特征数据为所述图像数据对应的图像特征数据。