[发明专利]图像识别方法、装置、计算机设备和存储介质

权利要求书

1.一种图像识别方法，其特征在于，所述方法包括：

接收待识别图像；

基于Jetson Nano芯片，采用cuda编程语言对所述待识别图像进行并行预处理，所述预处理包括格式转换、缩放以及归一化；

将预处理后的所述待识别图像输入经训练的神经网络模型，得到图像识别结果。

2.根据权利要求1所述的图像识别方法，其特征在于，所述接收待识别图像包括：

基于http协议接收所述待识别图像。

3.根据权利要求1所述的图像识别方法，其特征在于，所述采用cuda编程语言对所述待识别图像进行并行预处理之前还包括：

基于1/2解码技术对所述待识别图像进行解码，得到yuv待识别图像。

4.根据权利要求1所述的图像识别方法，其特征在于，所述采用cuda编程语言对所述待识别图像进行并行预处理包括：

将所述待识别图像进行分解，得到多个待处理像素数据；

基于所述cuda编程语言对多个所述待处理像素数据进行并行预处理，得到多个标准像素数据；

将多个所述标准像素数据进行组合，得到预处理后的所述待识别图像。

5.根据权利要求1所述的图像识别方法，其特征在于，所述对所述待识别图像进行并行预处理包括：

采用BT.601标准将所述yuv待识别图像转换为BGR待识别图像；

采用双线性插值图像缩放算法将所述BGR待识别图像缩放到预设尺寸；

对缩放后的所述BGR待识别图像进行归一化处理，得到BGR浮点归一化待识别图像。

6.根据权利要求1所述的图像识别方法，其特征在于，所述将预处理后的所述待识别图像输入经训练的神经网络模型，得到图像识别结果之前还包括：

获取训练图像以及对应的训练识别结果；

根据所述训练图像以及对应的训练识别结果建立训练集；

根据所述训练集训练初始神经网络模型，得到经训练的神经网络模型。

7.根据权利要求1所述的图像识别方法，其特征在于，所述将预处理后的所述待识别图像输入经训练的神经网络模型，得到图像识别结果之后还包括：

通过json序列化技术，输出所述图像识别结果。

8.一种图像识别装置，其特征在于，所述图像识别装置包括：

接收模块，用于接收待识别图像；

预处理模块，用于基于Jetson Nano芯片，采用cuda编程语言对所述待识别图像进行并行预处理，所述预处理包括格式转换、缩放以及归一化；

识别模块，用于将预处理后的所述待识别图像输入经训练的神经网络模型，得到图像识别结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述图像识别方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的图像识别方法的步骤。