【技术实现步骤摘要】
本专利技术属于图像分析，特别是一种基于图像识别分析结果的二次分析方法及装置。
技术介绍
1、在当前图像识别
中，人脸识别作为一种高效、便捷的身份验证手段，已被广泛应用于酒店、商超、楼宇等多种公共场所。这类场景通常通过安装人脸抓拍机，对过往人员进行实时抓拍并进行比对，以实现安全监控、访客管理或个性化服务等功能。然而，尽管现有的技术大多基于标准算法模型，但在实际应用场景中却面临着严重的误报问题，这极大地限制了其效能的发挥。
2、目前，人脸图像采集系统多采用标准的比对算法模型，这些模型在设计时往往基于理想化的假设，即人脸图像质量高、光照条件良好、人脸姿态标准且无任何遮挡物。然而，在真实的酒店、商超、楼宇等门口环境中，这些条件往往难以得到满足。进出人员可能以侧身、戴口罩、抬头、低头或戴帽子等多种姿态出现，同时周边环境背景也复杂多变，包括光线变化、阴影、背景杂物等因素，这些都会对人脸图像的采集和质量造成显著影响。这成为急需解决的技术问题。
技术实现思路
1、本专利技术的目的是提供一种基于图像识别分析结果的二次分析方法及装置，以解决现有技术中的不足，它通过利用图像识别再分析模型对初始图像分析结果按照需求进行二次图像分析，降低误报率，提高分析的准确率。
2、本申请的一个实施例提供了一种基于图像识别分析结果的二次分析方法，应用于人脸图像采集系统，所述方法包括：
3、获得人脸图像采集系统的标准图像数据和当前图像采集数据，确定人脸图像采集系统的图像数据集；p>
4、执行对所述图像数据集的预分析处理，获得初始图像分析结果；
5、利用训练好的图像识别再分析模型执行对所述初始图像分析结果的二次分析，以生成目标图像分析结果。
6、可选的，所述获得人脸图像采集系统的标准图像数据和当前图像采集数据，确定人脸图像采集系统的图像数据集，包括：
7、基于人脸图像采集系统的预设标准图像，提取所述预设标准图像的第一图像特征数据，得到第一数据集；
8、基于人脸图像采集系统的实时采集状态数据，结合预设的图像初始识别分析模型，得到第二数据集；
9、汇总所述第一数据集和所述第二数据集，生成人脸图像采集系统的图像数据集。
10、可选的，所述基于人脸图像采集系统的实时采集状态数据，结合预设的图像初始识别分析模型，得到第二数据集，包括：
11、将人脸图像采集系统实时采集的状态数据输入图像初始识别分析模型中进行预变换处理，获得状态数据对应的图像特征集合；
12、利用随机分类算法执行对所述图像特征集合的分类和识别，获得第二数据集。
13、可选的，所述将人脸图像采集系统实时采集的状态数据输入图像初始识别分析模型中进行预变换处理，获得状态数据对应的图像特征集合，包括：
14、通过图像初始识别分析模型中的预设变换函数执行对状态数据的变换处理：
15、
16、其中，sk表示经预设变换函数处理后的图像数据，预设变换函数满足s＝r表示图像的灰度值，满足r＝0.398*r+0.517*g+0.115*b，r,g,b表示实时采集的状态数据图像的红、绿、蓝通道值，ω表示积分变量，n表示图像像素的总个数，nk表示第k个灰度级像素的个数，表示灰度级rj出现的概率，l表示图像灰度级数量。
17、可选的，所述执行对所述图像数据集的预分析处理，获得初始图像分析结果，包括：
18、确定所述图像数据集中图像的中心像素点坐标；
19、基于所述中心像素点坐标，生成初始图像分析结果。
20、可选的，所述确定所述图像数据集中图像的中心像素点坐标，包括：
21、通过如下预设算法确定所述图像数据集中图像的中心像素点坐标：
22、
23、其中，zxd(xz,yz)表示图像的中心像素点坐标，p表示图像邻域像素点的个数，ip表示第p个邻域的像素值，iz表示图像的中心像素值，u表示中心点函数，满足
24、可选的，所述图像识别再分析模型，包括：
25、通信连接的图像参数提取层、图像二次分析层以及再分析结果输出层，其中，
26、所述图像参数提取层，用于提取并分析所述初始图像分析结果的目标参数；
27、所述图像二次分析层，用于根据所述目标参数执行对所述初始图像分析结果的二次分析；
28、所述再分析结果输出层，用于根据图像识别分析结果的二次分析结果、图像二次分析层及再分析结果输出层的权值，输出目标图像分析结果，其中，所述图像二次分析层及再分析结果输出层的权值通过如下方式确定：
29、
30、其中，△wki表示图像二次分析层及再分析结果输出层的权值，η表示学习率，e表示图像识别再分析模型反向传播过程的误差。
31、本申请的又一实施例提供了一种基于图像识别分析结果的二次分析装置，应用于人脸图像采集系统，所述装置包括：
32、获得模块，用于获得人脸图像采集系统的标准图像数据和当前图像采集数据，确定人脸图像采集系统的图像数据集；
33、第一执行模块，用于执行对所述图像数据集的预分析处理，获得初始图像分析结果；
34、第二执行模块，用于利用训练好的图像识别再分析模型执行对所述初始图像分析结果的二次分析，以生成目标图像分析结果。
35、本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时实现上述任一项所述的方法。
36、本申请的又一实施例提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现上述任一项所述的方法。
37、与现有技术相比，本专利技术首先获得人脸图像采集系统的标准图像数据和当前图像采集数据，确定人脸图像采集系统的图像数据集；然后执行对所述图像数据集的预分析处理，获得初始图像分析结果；最后利用训练好的图像识别再分析模型执行对所述初始图像分析结果的二次分析，以生成目标图像分析结果。它通过利用图像识别再分析模型对初始图像分析结果按照需求进行二次图像分析，降低误报率，提高分析的准确率。
本文档来自技高网...【技术保护点】
1.一种基于图像识别分析结果的二次分析方法，应用于人脸图像采集系统，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获得人脸图像采集系统的标准图像数据和当前图像采集数据，确定人脸图像采集系统的图像数据集，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于人脸图像采集系统的实时采集状态数据，结合预设的图像初始识别分析模型，得到第二数据集，包括：
4.根据权利要求3所述的方法，其特征在于，所述将人脸图像采集系统实时采集的状态数据输入图像初始识别分析模型中进行预变换处理，获得状态数据对应的图像特征集合，包括：
5.根据权利要求4所述的方法，其特征在于，所述执行对所述图像数据集的预分析处理，获得初始图像分析结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述确定所述图像数据集中图像的中心像素点坐标，包括：
7.根据权利要求1至6任一项所述的方法，其特征在于，所述图像识别再分析模型，包括：
8.一种基于图像识别分析结果的二次分析装置，应用于人脸图像采集系统，其特征在
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时实现所述权利要求1至7中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现所述权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种基于图像识别分析结果的二次分析方法，应用于人脸图像采集系统，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获得人脸图像采集系统的标准图像数据和当前图像采集数据，确定人脸图像采集系统的图像数据集，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于人脸图像采集系统的实时采集状态数据，结合预设的图像初始识别分析模型，得到第二数据集，包括：
4.根据权利要求3所述的方法，其特征在于，所述将人脸图像采集系统实时采集的状态数据输入图像初始识别分析模型中进行预变换处理，获得状态数据对应的图像特征集合，包括：
5.根据权利要求4所述的方法，其特征在于，所述执行对所述图像数据集的预分析处理...
【专利技术属性】
技术研发人员：申海亭，李怡，于浩，石祥，贾汝坤，袁兆鑫，邓晓龙，
申请(专利权)人：山东华方智联科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。