[发明专利]一种识别方法、终端及计算机存储介质

权利要求书

1.一种识别方法，其特征在于，所述方法应用于一终端中，所述方法包括：

获取待识别图像的图像数据和所述待识别图像的色温数据；

分别对所述待识别图像的图像数据和所述待识别图像的色温数据进行处理，得到所述待识别图像的图像特征；

将所述待识别图像的图像特征输入至预先训练好的机器学习分类模型中，对所述待识别图像进行识别，以识别出所述待识别图像为室内图像或者室外图像。

2.根据权利要求1所述的方法，其特征在于，所述分别对所述待识别图像的图像数据和所述待识别图像的色温数据进行处理，得到所述待识别图像的图像特征，包括：

对所述待识别图像的图像数据进行处理，得到处理后的图像数据；

对所述待识别图像的色温数据进行处理，得到处理后的色温数据；

利用所述处理后的图像数据和所述处理后的色温数据形成所述待识别图像的图像特征。

3.根据权利要求2所述的方法，其特征在于，所述对所述待识别图像的图像数据进行处理，得到处理后的图像数据，包括：

根据所述待识别图像的图像数据，计算所述待识别图像的横向梯度值和所述待识别图像的纵向梯度值；

将所述待识别图像的横向梯度值与所述待识别图像的纵向梯度值之和，确定为所述待识别图像的实际梯度值；

从所述待识别图像的实际梯度值中，选取出落入预设的弱梯度值范围内的实际梯度值；

对选取出的实际梯度值的待识别图像的图像分量进行分组，得到八组图像分量，将每组图像分量的个数进行归一化得到所述处理后的图像数据。

4.根据权利要求2所述的方法，其特征在于，所述对所述待识别图像的色温数据进行处理，得到处理后的色温数据，包括：

对所述待识别图像的色温数据中的一个通道的时域信息进行时频转换，得到频域信息；

从频域信息中选取出最大的两个频率幅值和最大的两个频率幅值对应的频率，并分别进行归一化，得到所述处理后的色温数据。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取待训练图像集的图像数据和所述待训练图像集的色温数据；

分别对所述待训练图像集的图像数据和所述待训练图像集的色温数据进行处理，得到所述待训练图像集的图像特征；

采用所述待训练图像集的图像特征对机器学习分类模型进行训练，以确定出所述机器学习分类模型中的损失函数取值最小时的模型参数，得到所述预先训练好的机器学习分类模型。

6.根据权利要求5所述的方法，其特征在于，在采用所述待训练图像集的图像特征对所述机器学习分类模型进行训练，以确定出所述机器学习分类模型中的损失函数取值最小时的模型参数，得到所述预先训练好的机器学习分类模型之后，所述方法还包括：

获取待测试图像集的图像数据和所述待测试图像集的色温数据；

分别对所述待测试图像集的图像数据和所述待测试图像集的色温数据进行处理，得到所述待测试图像集的图像特征；

将所述待测试图像集的图像特征输入至所述预先训练好的机器学习分类模型中，对所述待测试图像集进行识别，得到测试结果；

根据所述测试结果，判断所述预先训练好的机器学习分类模型是否通过。

7.根据权利要求6所述的方法，其特征在于，所述根据所述测试结果，判断所述预先训练好的机器学习分类模型是否通过，包括：

将所述测试结果与预设的所述待测试图像集的测试结果进行比较，确定出所述测试结果的正确率；

当所述测试结果的正确率大于等于预设阈值时，确定所述预先训练好的机器学习分类模型通过；

当所述测试结果的正确率小于预设阈值时，重新获取新的待训练图像集的图像数据和所述新的待训练图像集的色温数据，将所述待训练集的图像数据更新为所述新的待训练图像集的图像数据，将所述待训练图像集的色温数据更新为所述新的待训练图像集的色温数据，返回执行所述分别对所述待训练图像集的图像数据和所述待训练图像集的色温数据进行处理，得到所述待训练图像集的图像特征。