CN110336947A - 一种基于深度学习的图像识别系统 - Google Patents

一种基于深度学习的图像识别系统 Download PDF

Info

Publication number
CN110336947A
CN110336947A CN201910636672.4A CN201910636672A CN110336947A CN 110336947 A CN110336947 A CN 110336947A CN 201910636672 A CN201910636672 A CN 201910636672A CN 110336947 A CN110336947 A CN 110336947A
Authority
CN
China
Prior art keywords
image
module
output end
unit
deep learning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910636672.4A
Other languages
English (en)
Inventor
岳颀
沈建东
于福华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Posts and Telecommunications
Original Assignee
Xian University of Posts and Telecommunications
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian University of Posts and Telecommunications filed Critical Xian University of Posts and Telecommunications
Priority to CN201910636672.4A priority Critical patent/CN110336947A/zh
Publication of CN110336947A publication Critical patent/CN110336947A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means

Abstract

本发明公开了一种基于深度学习的图像识别系统，包括主控模块、自动对焦模块、图像采集模块、图像处理模块、定时模块和无用信息删除模块，所述主控模块的输出端分别与自动对焦模块、图像采集模块、图像处理模块、定时模块和无用信息删除模块连接，所述自动对焦模块、图像采集模块和图像处理模块依次连接，其中所述图像处理模块包括图像精修单元和图像再加工单元，所述图像精修单元的输出端与图像再加工单元的输入端连接，用于对采集的学习图像进行深度识别处理，再进行存储。本发明设计巧妙，便于对即时获取的图像和外源图像进行深度识别、处理，且处理的图像质量较高、处理速度快，促进青少年学习并增加学习兴趣，值得推广。

Description

一种基于深度学习的图像识别系统
技术领域
本发明涉及图像识别技术领域，尤其涉及一种基于深度学习的图像识别系统。
背景技术
图像识别可能是以图像的主要特征为基础的。每个图像都有它的特征,如字母A有个尖，P有个圈、而Y的中心有个锐角等。对图像识别时眼动的研究表明，视线总是集中在图像的主要特征上，也就是集中在图像轮廓曲度最大或轮廓方向突然改变的地方，这些地方的信息量最大。而且眼睛的扫描路线也总是依次从一个特征转到另一个特征上。由此可见，在图像识别过程中，知觉机制必须排除输入的多余信息,抽出关键的信息。同时,在大脑里必定有一个负责整合信息的机制，它能把分阶段获得的信息整理成一个完整的知觉映象。
在人类图像识别系统中，对复杂图像的识别往往要通过不同层次的信息加工才能实现。对于熟悉的图形,由于掌握了它的主要特征，就会把它当作一个单元来识别，而不再注意它的细节了。这种由孤立的单元材料组成的整体单位叫做组块，每一个组块是同时被感知的。在文字材料的识别中，人们不仅可以把一个汉字的笔划或偏旁等单元组成一个组块，而且能把经常在一起出现的字或词组成组块单位来加以识别。
目前，在青少年学习过程中借助学习工具辅助学习，帮助识别图像来学习更多的知识，但是市场上多数图像获取软件对图像的处理水平一般，达不到深度处理以及自动合成的效果，一般知识简单的亮度调整、美白度调整或形状微调等方式进行图像处理，处理效果较差，因此，我们提出了一种基于深度学习的图像识别系统用于解决上述问题。
发明内容
基于背景技术存在的技术问题，本发明提出了一种基于深度学习的图像识别系统。
本发明提出的一种基于深度学习的图像识别系统，包括主控模块、自动对焦模块、图像采集模块、图像处理模块、定时模块和无用信息删除模块，所述主控模块的输出端分别与自动对焦模块、图像采集模块、图像处理模块、定时模块和无用信息删除模块连接，所述自动对焦模块、图像采集模块和图像处理模块依次连接，其中所述图像处理模块包括图像精修单元和图像再加工单元，所述图像精修单元的输出端与图像再加工单元的输入端连接，用于对采集的学习图像进行深度识别处理，再进行存储，所述定时模块的输出端与无用信息删除模块的输入端连接，用于定期对存储的学习信息进行检索，并删除采集的无用学习信息，保留足够存储空间。
优选地，还包括拍摄请求模块，所述拍摄请求模块的输出端与自动对焦模块的输入端连接，用于启动学习系统后发出拍摄请求命令，并询问是否自动对焦，确定对焦后自动调整至最佳清晰度。
优选地，还包括自动补光模块，所述自动补光模块的输出端与图像采集模块的输入端连接，用于在图像采集过程中自动补光，辅助采集学习用图像。
优选地，还包括图像增强模块，所述图像增强模块的输出端与图像处理模块的输入端连接，所述图像增强模块用于图像再加工过程中增强图像对比度。
优选地，所述图像再加工单元包括依次连接的图像滤镜子单元、图像合成子单元、亮度调整子单元、美化模式选择子单元和美化模式设定子单元，用于对学习图像进行滤镜，然后选择是否需要合成图像，图像合成后进行亮度调整，利用图像美化进行自动选择、设定。
优选地，所述图像处理模块的输出端连接有图像输出模块，在图像美化完成后询问是否进行信息储存，最后输出深度处理后学习图像。
优选地，所述信息存储模块包括拍摄信息存储单元、外源图像存储单元和加工信息存储单元，所述拍摄信息存储单元和外源图像存储单元能够单独输出并识别学习图像，也可以两者合成后识别学习图像，所述加工信息存储单元的输出端与所述图像再加工单元的输入端连接，用于学习图像再加工过程获取系统预设的多种美化模式，并自动选择、匹配适应的美化技术。
本发明中，所述一种基于深度学习的图像识别系统通过自动对焦模块、图像采集模块、图像处理模块，在青少年学习过程中先将学习图像采集前定位，并进行自动对焦、补光，使得拍摄的学习图像像素更高，再经过深度的图像识别处理，达到精修的效果，同时配合信息存储模块中多种获取方式的图像进行合成或单独导入，方便进行多维度的学习图像识别，极大的增加了学习质量，也能够在图像质量较差的情况下也能自动化处理，且图像处理效率高，利用定时模块和无用信息删除模块来降低系统占用的内存空间，方便使用。本发明设计巧妙，便于对即时获取的图像和外源图像进行深度识别、处理，且处理的图像质量较高、处理速度快，促进青少年学习并增加学习兴趣，值得推广。
附图说明
图1为本发明提出的一种基于深度学习的图像识别系统的原理框图；
图2为本发明提出的一种基于深度学习的图像识别系统的部分结构框图。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
实施例
参照图1-2，一种基于深度学习的图像识别系统，包括主控模块、自动对焦模块、图像采集模块、图像处理模块、定时模块和无用信息删除模块，所述主控模块的输出端分别与自动对焦模块、图像采集模块、图像处理模块、定时模块和无用信息删除模块连接，所述自动对焦模块、图像采集模块和图像处理模块依次连接，其中所述图像处理模块包括图像精修单元和图像再加工单元，所述图像精修单元的输出端与图像再加工单元的输入端连接，用于对采集的学习图像进行深度识别处理，再进行存储，所述定时模块的输出端与无用信息删除模块的输入端连接，用于定期对存储的学习信息进行检索，并删除采集的无用学习信息，保留足够存储空间。
本实施例中，该图像识别系统还包括拍摄请求模块，所述拍摄请求模块的输出端与自动对焦模块的输入端连接，用于启动学习系统后发出拍摄请求命令，并询问是否自动对焦，确定对焦后自动调整至最佳清晰度，该图像识别系统还包括自动补光模块，所述自动补光模块的输出端与图像采集模块的输入端连接，用于在图像采集过程中自动补光，辅助采集学习用图像。
该图像识别系统还包括图像增强模块，所述图像增强模块的输出端与图像处理模块的输入端连接，所述图像增强模块用于图像再加工过程中增强图像对比度，所述图像再加工单元包括依次连接的图像滤镜子单元、图像合成子单元、亮度调整子单元、美化模式选择子单元和美化模式设定子单元，用于对学习图像进行滤镜，然后选择是否需要合成图像，图像合成后进行亮度调整，利用图像美化进行自动选择、设定，所述图像处理模块的输出端连接有图像输出模块，在图像美化完成后询问是否进行信息储存，最后输出深度处理后学习图像，所述信息存储模块包括拍摄信息存储单元、外源图像存储单元和加工信息存储单元，所述拍摄信息存储单元和外源图像存储单元能够单独输出并识别学习图像，也可以两者合成后识别学习图像，所述加工信息存储单元的输出端与所述图像再加工单元的输入端连接，用于学习图像再加工过程获取系统预设的多种美化模式，并自动选择、匹配适应的美化技术。
本实施例中，通过自动对焦模块、图像采集模块、图像处理模块，在青少年学习过程中先将学习图像采集前定位，并进行自动对焦、补光，使得拍摄的学习图像像素更高，再经过深度的图像识别处理，达到精修的效果，同时配合信息存储模块中多种获取方式的图像进行合成或单独导入，方便进行多维度的学习图像识别，极大的增加了学习质量，也能够在图像质量较差的情况下也能自动化处理，且图像处理效率高，利用定时模块和无用信息删除模块来降低系统占用的内存空间，便于对即时获取的图像和外源图像进行深度识别、处理，且处理的图像质量较高、处理速度快，促进青少年学习并增加学习兴趣。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于深度学习的图像识别系统，包括主控模块、自动对焦模块、图像采集模块、图像处理模块、定时模块和无用信息删除模块，其特征在于，所述主控模块的输出端分别与自动对焦模块、图像采集模块、图像处理模块、定时模块和无用信息删除模块连接，所述自动对焦模块、图像采集模块和图像处理模块依次连接，其中所述图像处理模块包括图像精修单元和图像再加工单元，所述图像精修单元的输出端与图像再加工单元的输入端连接，用于对采集的学习图像进行深度识别处理，再进行存储，所述定时模块的输出端与无用信息删除模块的输入端连接，用于定期对存储的学习信息进行检索，并删除采集的无用学习信息，保留足够存储空间。
2.根据权利要求1所述的一种基于深度学习的图像识别系统，其特征在于，还包括拍摄请求模块，所述拍摄请求模块的输出端与自动对焦模块的输入端连接，用于启动学习系统后发出拍摄请求命令，并询问是否自动对焦，确定对焦后自动调整至最佳清晰度。
3.根据权利要求1所述的一种基于深度学习的图像识别系统，其特征在于，还包括自动补光模块，所述自动补光模块的输出端与图像采集模块的输入端连接，用于在图像采集过程中自动补光，辅助采集学习用图像。
4.根据权利要求1所述的一种基于深度学习的图像识别系统，其特征在于，还包括图像增强模块，所述图像增强模块的输出端与图像处理模块的输入端连接，所述图像增强模块用于图像再加工过程中增强图像对比度。
5.根据权利要求1所述的一种基于深度学习的图像识别系统，其特征在于，所述图像再加工单元包括依次连接的图像滤镜子单元、图像合成子单元、亮度调整子单元、美化模式选择子单元和美化模式设定子单元，用于对学习图像进行滤镜，然后选择是否需要合成图像，图像合成后进行亮度调整，利用图像美化进行自动选择、设定。
6.根据权利要求1所述的一种基于深度学习的图像识别系统，其特征在于，所述图像处理模块的输出端连接有图像输出模块，在图像美化完成后询问是否进行信息储存，最后输出深度处理后学习图像。
7.根据权利要求1所述的一种基于深度学习的图像识别系统，其特征在于，所述信息存储模块包括拍摄信息存储单元、外源图像存储单元和加工信息存储单元，所述拍摄信息存储单元和外源图像存储单元能够单独输出并识别学习图像，也可以两者合成后识别学习图像，所述加工信息存储单元的输出端与所述图像再加工单元的输入端连接，用于学习图像再加工过程获取系统预设的多种美化模式，并自动选择、匹配适应的美化技术。
CN201910636672.4A 2019-07-15 2019-07-15 一种基于深度学习的图像识别系统 Pending CN110336947A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910636672.4A CN110336947A (zh) 2019-07-15 2019-07-15 一种基于深度学习的图像识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910636672.4A CN110336947A (zh) 2019-07-15 2019-07-15 一种基于深度学习的图像识别系统

Publications (1)

Publication Number Publication Date
CN110336947A true CN110336947A (zh) 2019-10-15

Family

ID=68145027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910636672.4A Pending CN110336947A (zh) 2019-07-15 2019-07-15 一种基于深度学习的图像识别系统

Country Status (1)

Country Link
CN (1) CN110336947A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794504A (zh) * 2015-04-28 2015-07-22 浙江大学 基于深度学习的图形图案文字检测方法
CN106993137A (zh) * 2017-04-26 2017-07-28 广东小天才科技有限公司 一种终端拍摄模式的确定方法及装置
CN107622104A (zh) * 2017-09-11 2018-01-23 中央民族大学 一种文字图像识别标注方法及系统
CN108536287A (zh) * 2018-03-26 2018-09-14 深圳市深晓科技有限公司 一种根据用户指示读书的方法及装置
CN108898137A (zh) * 2018-05-25 2018-11-27 黄凯 一种基于深度神经网络的自然图像字符识别方法及系统
CN109800652A (zh) * 2018-12-20 2019-05-24 武汉璞华大数据技术有限公司 文字翻译方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794504A (zh) * 2015-04-28 2015-07-22 浙江大学 基于深度学习的图形图案文字检测方法
CN106993137A (zh) * 2017-04-26 2017-07-28 广东小天才科技有限公司 一种终端拍摄模式的确定方法及装置
CN107622104A (zh) * 2017-09-11 2018-01-23 中央民族大学 一种文字图像识别标注方法及系统
CN108536287A (zh) * 2018-03-26 2018-09-14 深圳市深晓科技有限公司 一种根据用户指示读书的方法及装置
CN108898137A (zh) * 2018-05-25 2018-11-27 黄凯 一种基于深度神经网络的自然图像字符识别方法及系统
CN109800652A (zh) * 2018-12-20 2019-05-24 武汉璞华大数据技术有限公司 文字翻译方法及装置

Similar Documents

Publication Publication Date Title
US9779287B2 (en) Classification and organization of consumer digital images using workflow, and face detection and recognition
JP4154917B2 (ja) 虹彩撮影装置
CN101239008A (zh) 视觉假体图像处理装置及方法
JPH07506504A (ja) 顔，特に，目もとのメークアップ方法と，それを行う装置
CN103679767A (zh) 图像生成装置以及图像生成方法
CN108022207A (zh) 图像处理方法、装置、存储介质和电子设备
CN108846807A (zh) 光效处理方法、装置、终端及计算机可读存储介质
US6975763B2 (en) Shade component removing apparatus and shade component removing method for removing shade in image
CN108162915A (zh) 基于人脸识别的车载中控个性化配置系统
CN108629293B (zh) 一种具有反馈机制的自适应近红外虹膜图像采集方法
US20170154437A1 (en) Image processing apparatus for performing smoothing on human face area
US7158099B1 (en) Systems and methods for forming a reduced-glare image
CN108960153A (zh) 一种自适应虹膜识别的方法和设备
DE102014009083A1 (de) Vorrichtung und verfahren zur steuerung der fahrzeugsicherheit mithilfe von kameras
CN106161984A (zh) 视频图像强光抑制、轮廓及细节增强处理方法及系统
CN206711114U (zh) 一种全天候人脸采集装置
CN110825216A (zh) 一种驾驶员驾驶时人机交互的方法和系统
CN110348344B (zh) 一种基于二维和三维融合的特殊人脸表情识别的方法
CN110336947A (zh) 一种基于深度学习的图像识别系统
CN107463893A (zh) 虹膜识别方法和移动终端
JPH0981756A (ja) 顔画像処理装置
CN112149473B (zh) 虹膜图像采集方法
KR100936880B1 (ko) 홍채 이미지 저장방법 및 복원 방법
CN108416281B (zh) 一种应用于虹膜识别的摄像机
CN2508306Y (zh) 活体虹膜图像采集装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20191015

RJ01 Rejection of invention patent application after publication