[发明专利]图像识别方法、系统、计算机设备及可读存储介质

说明书

本发明提供了图像识别方法、系统、计算机设备及可读存储介质，所述方法包括：获取第一目标图像及模板图像；对第一目标图像与模板图像分别进行特征提取处理；将训练特征数据导入预设识别模型中，并对预设识别模型进行训练；将识别特征数据导入训练识别模型中，判断置信度是否大于置信度阈值；若置信度大于置信度阈值，则输出与第一目标图像对应的告警标签；若置信度不大于置信度阈值，则获取第二目标图像，并将第二目标图像替换第一目标图像，重复执行对第一目标图像与模板图像分别进行特征提取处理的步骤。本发明提升了图像识别的精准度，并有效的提升识别效果，大大降低现场异常漏识别的情况，也降低了识别误差情况的发生。

技术领域

本发明属于图像识别的技术领域，具体地涉及图像识别方法、系统、计算机设备及可读存储介质。

背景技术

随着人工智能、5G等新技术的兴起，如何有效运用AI技术实现新一代变电站智能监控系统应用价值高质量转化，成为新的课题；

传统的智能识别服务由于现场视频设备的覆盖率、像素、距离、天气等因素影响，导致对于现场的监控识别度不高，存在较多的误识别、漏识别等现象，无法有效保障现场的安全监管要求。

发明内容

为了解决上述技术问题，本发明提供了图像识别方法、系统、计算机设备及可读存储介质，用于解决现有技术中对于现场的监控识别度不高，存在较多的误识别、漏识别等现象，无法有效保障现场的安全监管要求的技术问题。

第一方面，该发明提供以下技术方案，一种图像识别方法，所述方法包括：

获取第一目标图像及模板图像，所述模板图像包括预设目标图像以及与所述预设目标图像对应的告警标签；

对所述第一目标图像与所述模板图像分别进行特征提取处理，以得到识别特征数据与训练特征数据；

将所述训练特征数据导入预设识别模型中，并对所述预设识别模型进行训练，以得到训练识别模型；

将所述识别特征数据导入所述训练识别模型中，以得到所述第一目标图像的置信度，判断所述置信度是否大于置信度阈值；

若所述置信度大于所述置信度阈值，则输出与所述第一目标图像对应的所述告警标签；

若所述置信度不大于所述置信度阈值，则获取第二目标图像，并将所述第二目标图像替换所述第一目标图像，重复执行所述对所述第一目标图像与所述模板图像分别进行特征提取处理，以得到识别特征数据与训练特征数据的步骤。

相比现有技术，本申请的有益效果为：本申请首先获取第一目标图像及模板图像，以用于获取到预设识别模型的训练样本与识别样本，然后对所述第一目标图像与所述模板图像分别依次进行特征提取处理，以得到识别特征数据与训练特征数据，通过对第一目标图像与模板图像进行特征提取处理，可得到以供与预设识别模型处理的特征数据，然后将所述训练特征数据导入预设识别模型中，并对所述预设识别模型进行训练，以得到训练识别模型，使得训练之后的训练识别模型的检测识别精度更高，不易出现漏识别与错识别的情况，且将所述识别特征数据导入所述训练识别模型中，以得到所述第一目标图像的置信度，判断所述置信度是否大于置信度阈值，通过训练识别模型对识别特征数据进行识别之后，会得到与第一目标图像的置信度，通过与置信度阈值对比，即可在反应第一目标图像的识别结果，如大于置信度阈值，则可输出对应的告警标签，若不大于置信度阈值，则进行二次细识别，以确保识别精准度，本发明提升图像识别的精准度，并有效的提升识别效果，大大降低现场异常漏识别的情况，也降低了识别误差的情况发生，并且在保证识别准确率的基础上，增加对可疑目标的二次细识别，提升了整体画面检测识别率。

较佳的，在所述获取第一目标图像及模板图像，所述模板图像包括预设目标图像以及与所述预设目标图像对应的告警标签的步骤中，所述获取第一目标图像的步骤包括：

通过opencv工具拉取摄像头，并获取所述摄像头拍摄的实时监控视频；

通过NVR设备rtsp视频流对所述实时监控视频进行实时画面解析；

将实时画面解析后的实时监控视频分解为单帧的第一目标图像。