CN111339363B - 图像识别方法、装置及服务器 - Google Patents

图像识别方法、装置及服务器 Download PDF

Info

Publication number
CN111339363B
CN111339363B CN202010128112.0A CN202010128112A CN111339363B CN 111339363 B CN111339363 B CN 111339363B CN 202010128112 A CN202010128112 A CN 202010128112A CN 111339363 B CN111339363 B CN 111339363B
Authority
CN
China
Prior art keywords
image
identification
target
terminal
information
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.)
Active
Application number
CN202010128112.0A
Other languages
English (en)
Other versions
CN111339363A (zh
Inventor
钱秀华
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.)
Xiamen Quantong Network Technology Co., Ltd
Original Assignee
Xiamen Quantong Network Technology Co Ltd
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 Xiamen Quantong Network Technology Co Ltd filed Critical Xiamen Quantong Network Technology Co Ltd
Priority to CN202011222580.0A priority Critical patent/CN112307262A/zh
Priority to CN202011221881.1A priority patent/CN112307261A/zh
Priority to CN202010128112.0A priority patent/CN111339363B/zh
Publication of CN111339363A publication Critical patent/CN111339363A/zh
Application granted granted Critical
Publication of CN111339363B publication Critical patent/CN111339363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/75—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种图像识别方法、装置及服务器，能够基于目标图像的图像质量信息确定出对应的质量参数分布，并结合每个识别终端的存储余量和误差系数确定出图像质量信息与每个识别终端之间的匹配度。在将目标图像发送给识别终端进行图像识别之前，会确定匹配度中是否存在达到设定值的目标匹配度，若是，则将目标图像发送给目标匹配度对应的第一目标识别终端进行识别，若否，则会对目标图像进行属性分离并根据分离得到的不同图像属性将目标图像的属性数据分配给多个识别终端以实现多个识别终端的并行识别。能够避免在目标图像过大时将目标图像发送给单一识别终端，能够有效避免识别终端因存储余量不足而无法完整接收目标图像的问题。

Description

图像识别方法、装置及服务器
技术领域
本发明涉及图像处理技术领域，具体而言，涉及一种图像识别方法、装置及服务器。
背景技术
图像识别是采用计算机终端对图像进行分析从而得到所需结果的技术。随着科技的发展，图像识别在信息分析挖掘领域的应用越来越广泛，但是现有的图像识别技术的难以对大容量的图像进行有效的识别。
发明内容
为了改善上述问题，本发明提供了一种图像识别方法、装置及服务器。
本发明实施例的第一方面，提供了一种图像识别方法，应用于与多个识别终端通信的服务器，所述方法至少包括：
获取目标图像中的图像质量信息，并计算与所述图像质量信息对应的质量参数分布，所述图像质量信息为所述服务器根据所述目标图像对应的发送设备的设备参数，以及所述发送设备与所述服务器之间的图像传输通道得到的；
获取每个识别终端的存储余量以及每个识别终端在对应的存储余量下的识别线程所对应的误差系数，并根据所述质量参数分布中的质量数据对应的存储权重值以及每个识别终端的存储余量及其在对应的存储余量下的识别线程中所对应的误差系数计算所述图像质量信息与每个识别终端之间的匹配度；
在确定出的所有匹配度中存在达到设定值的目标匹配度时，将所述目标图像发送给所述目标匹配度对应的第一目标识别终端中以使所述第一目标识别终端对所述目标图像进行识别得到第一识别结果；在确定出的所有匹配度中未存在达到所述设定值的目标匹配度时，确定出每个识别终端的优先级并根据所述优先级的大小顺序对所述目标图像进行图像属性分离得到所述目标图像对应的多个图像属性以及每个图像属性中加载的与每个识别终端的优先级对应的配对标识，根据每个图像属性从所述目标图像对应的图像编码数据中确定出每个图像属性对应的属性数据，将每个图像属性对应的属性数据发送给每个图像属性中加载的配对标识对应的第二目标识别终端以使所述第二目标识别终端对所述属性数据进行识别得到第二识别结果。
在一种可替换的实施方式中，所述确定出每个识别终端的优先级，包括：
获取每个识别终端对应的设备特征，确定各设备特征中的图像识别规则对应的识别规则列表以及多个特征因子，所述识别规则列表用于表征图像识别规则对图像的识别处理行为，所述特征因子用于表征所述图像识别规则对图像的识别准确性的影响；
在根据所述识别规则列表确定出各设备特征中包含有第一权重列表时，根据各设备特征在所述第一权重列表下的特征因子及其位置信息，确定各设备特征在第二权重列表下的各特征因子与各设备特征在所述第一权重列表下的各特征因子之间的第一匹配系数；
将各设备特征在所述第二权重列表下的与在所述第一权重列表下的特征因子之间的第一匹配系数达到预设值的特征因子转移到所述第一权重列表下；
在各设备特征在所述第二权重列表下包含有多个特征因子时，根据各设备特征在所述第一权重列表下的特征因子及其位置信息确定各设备特征在所述第二权重列表下的各特征因子之间的第二匹配系数，并根据所述各特征因子之间的第二匹配系数对所述第二权重列表下的各特征因子进行筛选；根据各设备特征在所述第一权重列表下的特征因子及其位置信息为上述筛选得到的目标特征因子设置列表位置等级，并将所述目标特征因子转移到所述第一权重列表中的与所述列表位置等级对应的列表区间中；
根据位于所述第一权重列表中的所有特征因子，确定各设备特征对应的识别终端的优先级。
在一种可替换的实施方式中，所述根据所述优先级的大小顺序对所述目标图像进行图像属性分离得到所述目标图像对应的多个图像属性以及每个图像属性中加载的与每个识别终端的优先级对应的配对标识，包括：
将各个优先级的权重系数列出，建立识别终端等级列表；该识别终端等级列表为分块列表，每块对应一组列表特征，每组列表特征具有至少一个权重系数，该识别终端等级列表的各块具有从高到低的递进关系；
确定目标图像的编码逻辑信息；从中提取出该目标图像的编码逻辑信息中包含的至少一个所述识别终端等级列表中的权重系数；
建立所述优先级与所述识别终端等级列表之间的映射关系，根据该映射关系生成分离执行轨迹；其中，根据该映射关系生成分离执行轨迹，包括：将每个优先级转换为轨迹节点数据；分别生成每个轨迹节点数据的至少一个节点指向信息；获取所述优先级的互不重复的节点指向信息构成节点指向信息组；将所述节点指向信息组中的各个节点指向信息映射到所述识别终端等级列表中，组成分离执行轨迹；
将所述目标图像的编码逻辑信息中包含的权重系数与所述分离执行轨迹中的各个权重系数进行遍历比较；在遍历比较过程中，若一个节点指向信息的所有权重系数均包含在所述目标图像的编码逻辑信息中，则将该节点指向信息记录为该目标图像的图像属性指向；根据所述目标图像的各个图像属性指向，确定所述目标图像对应的多个分离进程；
根据每个分离进程对所述目标图像进行图像属性分离得到对应的图像属性，并根据每个图像属性中包括的加载的优先级的轨迹节点数据的至少一个节点指向信息确定该优先级的配对标识。
在一种可替换的实施方式中，所述确定目标图像的编码逻辑信息，包括：
基于所述目标图像所对应的存储于所述服务器中的所述目标图像的接收起始时刻和所述目标图像的接收完成时刻所形成的多段图像接收日志，对所述目标图像进行分块得到多个图像块；
获取每个图像块的图像编码输入信息和图像编码输出信息；
基于每个图像块的图像编码指令和每个图像块的编码线程，分别获取每个图像块的图像编码指令和每个图像块的编码线程之间的编码偏移量；
根据所述每个图像块的图像编码输入信息和图像编码输出信息以及所述编码偏移量，建立与所述目标图像对应的图像编码规则的图像块编码序列；
获取与所述目标图像对应的图像编码规则对应的多个编码单元；统计所述多个编码单元中的目标编码单元，其中，所述目标编码单元中存在编码字符表单；
判断相邻的两个目标编码单元之间是否存在传递函数，若存在，统计所述传递函数的数量；在所述数量没有超过设定数值时，将所述图像块编码序列植入每个图像接收日志中；当植入每个图像接收日志中的图像块编码序列出现更新时，获取完成更新的图像块编码序列，统计已获取到的每个完成更新的图像块编码序列对应的编码特征数组和图像块指向信息；根据所述每个完成更新的图像块编码序列对应的编码特征数组和图像块指向信息确定所述每个完成更新的图像块编码序列的编码权重；根据所述编码权重，对实时获取的完成更新的图像块编码序列进行修正，得到目标图像块编码序列，按照所述目标图像块编码序列中的序列特征对每个图像接收日志中的图像编码数据进行提取，并根据提取得到的图像编码数据确定所述目标图像的编码逻辑信息。
在一种可替换的实施方式中，所述根据每个分离进程对所述目标图像进行图像属性分离得到对应的图像属性，包括：
采集所述目标图像的当前像素特征并从所述当前像素特征中定位出每个分离进程对应的第一属性特征；
判断所述当前像素特征中的每个分离进程对应的第一属性特征相对于所述当前像素特征中的第二属性特征是否存在匹配的特征值，所述第二属性特征是所述当前像素特征中除所述第一属性特征以外的特征；
如果是，将从所述当前像素特征中定位出的每个分离进程对应的第一属性特征确定为所述当前像素特征的有效属性特征；否则，将从所述当前像素特征中定位出的每个分离进程对应的第一属性特征与所述当前像素特征中的第二属性特征进行加权求和并将加权求和结果确定为所述当前像素特征的有效属性特征；
针对每个分离进程，提取该分离进程植入所述服务器的运行线程中的第一脚本文件，并将所述当前像素特征的有效属性特征中的部分特征与所述第一脚本文件进行融合得到第二脚本文件；在所述运行线程对应的镜像线程中分别运行所述第一脚本文件和所述第二脚本文件，得到对应的第一运行结果和第二运行结果；判断所述第一运行结果和所述第二运行结果的相似度是否达到预设阈值，在所述第一运行结果和所述第二运行结果的相似度达到所述预设阈值时调用所述服务器中的空闲时间片资源启动该分离进程以运行所述第二脚本文件，得到所述第二脚本文件对应的第三运行结果，提取所述第三运行结果中的特征分类信息并根据所述特征分类信息得到该分离进程对应的图像属性，在所述第一运行结果和所述第二运行结果的相似度没有达到所述预设阈值时，返回将所述当前像素特征的有效属性特征中的部分特征与所述第一脚本文件进行融合得到第二脚本文件的步骤。
在一种可替换的实施方式中，所述方法还包括：
响应每个第二目标识别终端的发送请求，接收每个第二目标识别终端发送的第二识别结果，并在每个第二目标识别终端对应的第二识别结果中添加一动态随机数串，所述动态随机数串中包括有随机生成的加密随机数和验证随机数，其中，所述加密随机数用于控制动态随机数串的更新，所述验证随机数用于对加密随机数和动态随机数串进行自适应验证；
获取基于每个第二目标识别终端对应的第二识别结果中的动态随机数串迭代生成的终端标识，其中，所述终端标识中包括有所述加密随机数、所述验证随机数以及根据所述加密随机数生成的动态随机数串；对所述终端标识进行验证，根据所述加密随机数生成对应的当前动态随机数串；根据所述加密随机数、当前动态随机数串和所述验证随机数生成对应的识别结果融合标识；将所述终端标识和所述识别结果融合标识进行比对，判断所述终端标识和所述识别结果融合标识是否一致；在所述终端标识和所述识别结果融合标识一致时判定所述终端标识通过验证；在所述终端标识和所述识别结果融合标识不一致时判定所述终端标识未通过验证；
将通过验证的终端标识对应的第二目标识别终端所对应的第二识别结果进行第一次融合，得到目标识别结果；根据所述服务器的系统数据格式将未通过验证的终端标识对应的第二目标识别终端所对应的第二识别结果的当前数据格式进行转换，得到第三识别结果，将所述第三识别结果与所述目标识别结果进行第二次融合，得到综合识别结果，所述综合识别结果为所述目标图像的识别结果。
在一种可替换的实施方式中，所述获取每个识别终端对应的设备特征，包括：
从获得的每个识别终端的出厂信息中提取多个可识别的第一信息集和每个所述第一信息集在每个出厂信息中的第一类别特征；
从所述多个可识别的第一信息集中筛选出多个与第二信息集匹配的字符，获得多个第三信息集，所述第二信息集为预存的多个基准信息集中的目标信息，所述目标信息集为用于确定识别终端的识别方式的信息集；
将所述多个第三信息集的第三类别特征以及多个第一信息集中除所述多个第三信息集以外的至少部分第一信息集的第一类别特征进行配对，确定出与每个第三类别特征之间的余弦距离达到设定距离的至少部分第一信息集的第一类别特征中的第二类别特征并根据每个第三类别特征与对应的第二类别特征确定每个识别终端对应的设备特征。
本发明实施例的第二方面，提供了一种图像识别装置，包括：
获取模块，用于获取目标图像中的图像质量信息，并计算与所述图像质量信息对应的质量参数分布，所述图像质量信息为服务器根据所述目标图像对应的发送设备的设备参数，以及所述发送设备与所述服务器之间的图像传输通道得到的；
计算模块，用于获取每个识别终端的存储余量以及每个识别终端在对应的存储余量下的识别线程所对应的误差系数，并根据所述质量参数分布中的质量数据对应的存储权重值以及每个识别终端的存储余量及其在对应的存储余量下的识别线程中所对应的误差系数计算所述图像质量信息与每个识别终端之间的匹配度；
识别模块，用于在确定出的所有匹配度中存在达到设定值的目标匹配度时，将所述目标图像发送给所述目标匹配度对应的第一目标识别终端中以使所述第一目标识别终端对所述目标图像进行识别得到第一识别结果；在确定出的所有匹配度中未存在达到所述设定值的目标匹配度时，确定出每个识别终端的优先级并根据所述优先级的大小顺序对所述目标图像进行图像属性分离得到所述目标图像对应的多个图像属性以及每个图像属性中加载的与每个识别终端的优先级对应的配对标识，根据每个图像属性从所述目标图像对应的图像编码数据中确定出每个图像属性对应的属性数据，将每个图像属性对应的属性数据发送给每个图像属性中加载的配对标识对应的第二目标识别终端以使所述第二目标识别终端对所述属性数据进行识别得到第二识别结果。
本发明实施例的第三方面，提供了一种服务器，包括：处理器以及与所述处理器连接的存储器和总线；所述处理器和所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的计算机程序，以执行上述的图像识别方法。
本发明实施例的第四方面，提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的图像识别方法。
本发明实施例所提供的图像识别方法、装置及服务器，能够基于目标图像的图像质量信息确定出对应的质量参数分布，并结合每个识别终端的存储余量和误差系数确定出图像质量信息与每个识别终端之间的匹配度。在将目标图像发送给识别终端进行图像识别之前，会确定匹配度中是否存在达到设定值的目标匹配度，若是，则将目标图像发送给目标匹配度对应的第一目标识别终端进行识别，若否，则会对目标图像进行属性分离并根据分离得到的不同图像属性将目标图像的属性数据分配给多个识别终端以实现多个识别终端的并行识别。能够避免在目标图像过大时将目标图像发送给单一识别终端，能够有效避免识别终端因存储余量不足而无法完整接收目标图像的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种服务器与识别终端的通信连接示意图。
图2为本发明实施例所提供的一种图像识别方法的流程图。
图3为本发明实施例所提供的一种图像识别装置的功能模块框图。
图4为本发明实施例所提供的一种服务器的产品模块示意图。
图标：
10-服务器；11-图像识别装置；111-获取模块；112-计算模块；113-识别模块；121-处理器；122-存储器；123-总线；
20-识别终端。
具体实施方式
下面将参照附图更详细地描述本发明公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
发明人经研究和分析发现，现有的图像识别技术在识别大容量的图像时，通常采用多个识别终端联动协作的方式，如此，可以对大容量图像进行针对性识别，然而在采用每个识别终端对大容量图像进行识别时，会出现图像过大而无法完整接收的现象，进而难以确保有效的图像识别。
为改善上述问题，本发明实施例提供了一种图像识别方法、装置及服务器，能够基于不同识别终端的识别类型将大容量图像进行多线程分离，然后将分离的图像分别发送给对应的识别终端进行识别，最后将每个识别终端返回的识别结果进行汇总，如此，可以减少每个识别终端接收到的图像的大小，确保每个识别终端能够接收完整的用于识别的分离图像。
请参阅图1，为本发明实施例提供的一种服务器10与多个识别终端20通信连接的示意图。在本实施例中，识别终端20可以是手持终端、膝式计算机、笔记本电脑和微型计算机等，在此不作限定。服务器10能够根据不同的识别终端20的识别类型将大容量图像进行多线程分离，然后将分离的图像分别发送给对应的识别终端20进行识别从而改善识别终端20因图像过大而无法完整接收的问题。
在上述基础上，请结合参阅图2，为本发明实施例所提供的一种图像识别方法的流程图，该方法可以应用于图1中的服务器，具体可以包括以下步骤。
步骤S21，获取目标图像中的图像质量信息，并计算与所述图像质量信息对应的质量参数分布，所述图像质量信息为所述服务器根据所述目标图像对应的发送设备的设备参数，以及所述发送设备与所述服务器之间的图像传输通道得到的。
在本实施例中，质量参数分布用于表征目标图像的对应的各个维度的质量数据，例如清晰度、饱和度和锐度等。质量参数分布中包括每个维度的质量数据对应的存储权重值，存储权重值用于表征每个维度的质量数据所占用的存储空间比例。
例如，质量参数分布中包括清晰度质量数据及其第一存储权重值、饱和度质量数据及其第二存储权重值以及锐度质量数据及其第三存储权重值。存储权重值的数值越大，表征基于存储权重值对应的质量数据进行目标图像的图像编码输出信息时所占用的存储空间越大，该存储空间可以是识别终端20中的存储空间。
步骤S22，获取每个识别终端的存储余量以及每个识别终端在对应的存储余量下的识别线程所对应的误差系数，并根据所述质量参数分布中的质量数据对应的存储权重值以及每个识别终端的存储余量及其在对应的存储余量下的识别线程中所对应的误差系数计算所述图像质量信息与每个识别终端之间的匹配度。
在本实施例中，误差系数用于表征识别终端20在对应的存储余量下运行识别线程对图像进行识别时产生误差的概率，误差系数越大，在对图像进行识别时产生误差的概率越大。匹配度用于表征每个识别终端20对目标图像直接进行图像识别时的容错率，匹配度越高，容错率越高，因此，匹配度还可以用于表征识别终端20能够独立对目标图像进行图像识别的评价值。
步骤S23，在确定出的所有匹配度中存在达到设定值的目标匹配度时，将所述目标图像发送给所述目标匹配度对应的第一目标识别终端中以使所述第一目标识别终端对所述目标图像进行识别得到第一识别结果；在确定出的所有匹配度中未存在达到所述设定值的目标匹配度时，确定出每个识别终端的优先级并根据所述优先级的大小顺序对所述目标图像进行图像属性分离得到所述目标图像对应的多个图像属性以及每个图像属性中加载的与每个识别终端的优先级对应的配对标识，根据每个图像属性从所述目标图像对应的图像编码数据中确定出每个图像属性对应的属性数据，将每个图像属性对应的属性数据发送给每个图像属性中加载的配对标识对应的第二目标识别终端以使所述第二目标识别终端对所述属性数据进行识别得到第二识别结果。
在本实施例中，设定值可以根据目标图像的大小以及每个识别终端20的存储余量进行设置，在设置设定值时，目标图像的大小所占的权重大于每个识别终端20的存储余量所占的权重。
在本实施例中，对目标图像进行属性分离得到多个图像属性的目的是为了将目标图像按照不同的图像属性进行拆分，并根据与图像属性配对的识别终端20将图像属性对应的属性数据进行分配，从而实现多个识别终端20的并行识别模式。这样能够避免将目标图像的所有属性数据发送给一个识别终端20以使一个识别终端20对目标图像进行识别，进而有效避免识别终端20因存储余量不足而无法完整接收目标图像的所有属性数据的问题。
可以理解，通过步骤S21-步骤S23，能够基于目标图像的图像质量信息确定出对应的质量参数分布，并结合每个识别终端的存储余量和误差系数确定出图像质量信息与每个识别终端之间的匹配度。在将目标图像发送给识别终端进行图像识别之前，会确定匹配度中是否存在达到设定值的目标匹配度，若是，则将目标图像发送给目标匹配度对应的第一目标识别终端进行识别，若否，则会对目标图像进行属性分离并根据分离得到的不同图像属性将目标图像的属性数据分配给多个识别终端以实现多个识别终端的并行识别。能够避免在目标图像过大时将目标图像发送给单一识别终端，能够有效避免识别终端因存储余量不足而无法完整接收目标图像的问题。
在具体实施时，为了准确确定出每个识别终端的优先级，在步骤S23中，所述确定出每个识别终端的优先级，具体可以包括以下内容。
步骤S2311，获取每个识别终端对应的设备特征，确定各设备特征中的图像识别规则对应的识别规则列表以及多个特征因子，所述识别规则列表用于表征图像识别规则对图像的识别处理行为，所述特征因子用于表征所述图像识别规则对图像的识别准确性的影响。
步骤S2312，在根据所述识别规则列表确定出各设备特征中包含有第一权重列表时，根据各设备特征在所述第一权重列表下的特征因子及其位置信息，确定各设备特征在第二权重列表下的各特征因子与各设备特征在所述第一权重列表下的各特征因子之间的第一匹配系数。
在本实施例中，第一权重列表可以是多元影响权重列表，第二权重列表可以是单一影响权重列表。其中，位于多元影响权重列表中的特征因子和位于单一影响权重列表中的特征因子可以互相调整。
步骤S2313，将各设备特征在所述第二权重列表下的与在所述第一权重列表下的特征因子之间的第一匹配系数达到预设值的特征因子转移到所述第一权重列表下。
在本实施例中，预设值可以根据实际情况进行设置，例如，可以根据设备特征的数量进行设置，设备特征的数量越多，预设值可以越小。
步骤S2314，在各设备特征在所述第二权重列表下包含有多个特征因子时，根据各设备特征在所述第一权重列表下的特征因子及其位置信息确定各设备特征在所述第二权重列表下的各特征因子之间的第二匹配系数，并根据所述各特征因子之间的第二匹配系数对所述第二权重列表下的各特征因子进行筛选；根据各设备特征在所述第一权重列表下的特征因子及其位置信息为上述筛选得到的目标特征因子设置列表位置等级，并将所述目标特征因子转移到所述第一权重列表中的与所述列表位置等级对应的列表区间中。
步骤S2315，根据位于所述第一权重列表中的所有特征因子，确定各设备特征对应的识别终端的优先级。
可以理解，通过上述内容，能够准确确定出每个识别终端的优先级。
在具体实施时，在步骤S23中，所述根据所述优先级的大小顺序对所述目标图像进行图像属性分离得到所述目标图像对应的多个图像属性以及每个图像属性中加载的与每个识别终端的优先级对应的配对标识，具体可以包括以下内容。
步骤S2321，将各个优先级的权重系数列出，建立识别终端等级列表；该识别终端等级列表为分块列表，每块对应一组列表特征，每组列表特征具有至少一个权重系数，该识别终端等级列表的各块具有从高到低的递进关系。
步骤S2322，确定目标图像的编码逻辑信息；从中提取出该目标图像的编码逻辑信息中包含的至少一个所述识别终端等级列表中的权重系数。
步骤S2323，建立所述优先级与所述识别终端等级列表之间的映射关系，根据该映射关系生成分离执行轨迹；其中，根据该映射关系生成分离执行轨迹，包括：将每个优先级转换为轨迹节点数据；分别生成每个轨迹节点数据的至少一个节点指向信息；获取所述优先级的互不重复的节点指向信息构成节点指向信息组；将所述节点指向信息组中的各个节点指向信息映射到所述识别终端等级列表中，组成分离执行轨迹。
步骤S2324，将所述目标图像的编码逻辑信息中包含的权重系数与所述分离执行轨迹中的各个权重系数进行遍历比较；在遍历比较过程中，若一个节点指向信息的所有权重系数均包含在所述目标图像的编码逻辑信息中，则将该节点指向信息记录为该目标图像的图像属性指向；根据所述目标图像的各个图像属性指向，确定所述目标图像对应的多个分离进程。
步骤S2325，根据每个分离进程对所述目标图像进行图像属性分离得到对应的图像属性，并根据每个图像属性中包括的加载的优先级的轨迹节点数据的至少一个节点指向信息确定该优先级的配对标识。
可以理解，通过步骤S2321-步骤S2325，能够基于确定出的图像属性指向对目标图像进行精准的图像属性分离，从而确定出对应的图像属性，还能够基于每个图像属性中包括的加载的优先级的轨迹节点数据的至少一个节点指向信息确定该优先级的配对标识。如此，能够确保图像属性和配对标识的准确性。
在执行步骤S2321-步骤S2325的过程中，目标图像的编码逻辑信息是确保图像属性以及配对标识的准确性的关键，为此，在步骤S2322中，所述确定目标图像的编码逻辑信息，具体可以包括以下内容。
基于所述目标图像所对应的存储于所述服务器中的所述目标图像的接收起始时刻和所述目标图像的接收完成时刻所形成的多段图像接收日志，对所述目标图像进行分块得到多个图像块。
获取每个图像块的图像编码输入信息和图像编码输出信息。
基于每个图像块的图像编码指令和每个图像块的编码线程，分别获取每个图像块的图像编码指令和每个图像块的编码线程之间的编码偏移量。
根据所述每个图像块的图像编码输入信息和图像编码输出信息以及所述编码偏移量，建立与所述目标图像对应的图像编码规则的图像块编码序列。
获取与所述目标图像对应的图像编码规则对应的多个编码单元；统计所述多个编码单元中的目标编码单元，其中，所述目标编码单元中存在编码字符表单。
判断相邻的两个目标编码单元之间是否存在传递函数，若存在，统计所述传递函数的数量；在所述数量没有超过设定数值时，将所述图像块编码序列植入每个图像接收日志中；当植入每个图像接收日志中的图像块编码序列出现更新时，获取完成更新的图像块编码序列，统计已获取到的每个完成更新的图像块编码序列对应的编码特征数组和图像块指向信息；根据所述每个完成更新的图像块编码序列对应的编码特征数组和图像块指向信息确定所述每个完成更新的图像块编码序列的编码权重；根据所述编码权重，对实时获取的完成更新的图像块编码序列进行修正，得到目标图像块编码序列，按照所述目标图像块编码序列中的序列特征对每个图像接收日志中的图像编码数据进行提取，并根据提取得到的图像编码数据确定所述目标图像的编码逻辑信息。
在本实施例中，通过上述内容，能够准确确定出目标图像的编码逻辑信息，进而确保图像属性以及配对标识的准确性。其中，服务器10在执行上述步骤时，可以根据上述步骤所需要的时间片资源对服务器10中正在运行的其他业务进程进行暂停以释放出足够的时间片资源来执行上述步骤，进而确保服务器10在执行上述步骤时的时效性。
进一步地，在步骤S2325中，所述根据每个分离进程对所述目标图像进行图像属性分离得到对应的图像属性，具体可以通过以下方式实现。
采集所述目标图像的当前像素特征并从所述当前像素特征中定位出每个分离进程对应的第一属性特征。
判断所述当前像素特征中的每个分离进程对应的第一属性特征相对于所述当前像素特征中的第二属性特征是否存在匹配的特征值，所述第二属性特征是所述当前像素特征中除所述第一属性特征以外的特征。
如果是，将从所述当前像素特征中定位出的每个分离进程对应的第一属性特征确定为所述当前像素特征的有效属性特征；否则，将从所述当前像素特征中定位出的每个分离进程对应的第一属性特征与所述当前像素特征中的第二属性特征进行加权求和并将加权求和结果确定为所述当前像素特征的有效属性特征。
针对每个分离进程，提取该分离进程植入所述服务器的运行线程中的第一脚本文件，并将所述当前像素特征的有效属性特征中的部分特征与所述第一脚本文件进行融合得到第二脚本文件；在所述运行线程对应的镜像线程中分别运行所述第一脚本文件和所述第二脚本文件，得到对应的第一运行结果和第二运行结果；判断所述第一运行结果和所述第二运行结果的相似度是否达到预设阈值，在所述第一运行结果和所述第二运行结果的相似度达到所述预设阈值时调用所述服务器中的空闲时间片资源启动该分离进程以运行所述第二脚本文件，得到所述第二脚本文件对应的第三运行结果，提取所述第三运行结果中的特征分类信息并根据所述特征分类信息得到该分离进程对应的图像属性，在所述第一运行结果和所述第二运行结果的相似度没有达到所述预设阈值时，返回将所述当前像素特征的有效属性特征中的部分特征与所述第一脚本文件进行融合得到第二脚本文件的步骤。
可以理解，通过上述内容，能够准确确定出目标图像的多个图像属性，进而为后续的多个识别终端20协作提供可靠的分析依据，确保目标图像的识别效率和准确率。
在上述基础上，当每个第二目标识别终端对属性数据进行识别得到对应的第二识别结果之后，每个第二目标识别终端会将各自对应的第二识别结果返回给服务器10，在这种情况下，服务器10接收到的是多个相对独立的第二识别结果，为了确保服务器10能够接收到目标图像的综合识别结果，在步骤S21-步骤S23的基础上，该方法还可以包括以下内容。
步骤S241，响应每个第二目标识别终端的发送请求，接收每个第二目标识别终端发送的第二识别结果，并在每个第二目标识别终端对应的第二识别结果中添加一动态随机数串，所述动态随机数串中包括有随机生成的加密随机数和验证随机数，其中，所述加密随机数用于控制动态随机数串的更新，所述验证随机数用于对加密随机数和动态随机数串进行自适应验证。
步骤S242，获取基于每个第二目标识别终端对应的第二识别结果中的动态随机数串迭代生成的终端标识，其中，所述终端标识中包括有所述加密随机数、所述验证随机数以及根据所述加密随机数生成的动态随机数串。对所述终端标识进行验证，根据所述加密随机数生成对应的当前动态随机数串；根据所述加密随机数、当前动态随机数串和所述验证随机数生成对应的识别结果融合标识；将所述终端标识和所述识别结果融合标识进行比对，判断所述终端标识和所述识别结果融合标识是否一致；在所述终端标识和所述识别结果融合标识一致时判定所述终端标识通过验证；在所述终端标识和所述识别结果融合标识不一致时判定所述终端标识未通过验证。
步骤S243，将通过验证的终端标识对应的第二目标识别终端所对应的第二识别结果进行第一次融合，得到目标识别结果；根据所述服务器的系统数据格式将未通过验证的终端标识对应的第二目标识别终端所对应的第二识别结果的当前数据格式进行转换，得到第三识别结果，将所述第三识别结果与所述目标识别结果进行第二次融合，得到综合识别结果，所述综合识别结果为所述目标图像的识别结果。
基于上述实施例，能够将多个相对独立的第二识别结果进行融合，从而确保服务器10接收到目标图像的综合识别结果。
在具体实施时，在步骤S2311中，所述获取每个识别终端对应的设备特征，具体可以通过以下方式实现。
从获得的每个识别终端的出厂信息中提取多个可识别的第一信息集和每个所述第一信息集在每个出厂信息中的第一类别特征。
从所述多个可识别的第一信息集中筛选出多个与第二信息集匹配的字符，获得多个第三信息集，所述第二信息集为预存的多个基准信息集中的目标信息，所述目标信息集为用于确定识别终端的识别方式的信息集。
将所述多个第三信息集的第三类别特征以及多个第一信息集中除所述多个第三信息集以外的至少部分第一信息集的第一类别特征进行配对，确定出与每个第三类别特征之间的余弦距离达到设定距离的至少部分第一信息集的第一类别特征中的第二类别特征并根据每个第三类别特征与对应的第二类别特征确定每个识别终端对应的设备特征。
通过上述内容，能够对每个识别终端的出厂信息进行特征识别，进而准确确定出每个识别终端对应的设备特征。
在一种可替换的实施方式中，为了确保服务器10与识别终端20之间的通信稳定性，进而确保目标图像在服务器10与识别终端20之间传输的可靠性，在上述步骤的基础上，服务器10还可以执行以下步骤。
步骤S31，确定基于每个识别终端所获取到的通信状态参数集。
步骤S32，针对每个识别终端对应的通信状态参数集中的当前状态参数，基于当前状态参数在设定时间段内被更新的第一累计值以及各所述通信状态参数集在所述设定时间段内被更新的第二累计值，确定当前状态参数在所述设定时间段内的更新频率。
步骤S33，根据当前状态参数在两个相邻的设定时间段内的更新频率确定当前状态参数在两个相邻的设定时间段之间被更新的更新频率。
步骤S34，基于所述更新频率确定当前状态参数是否为异常状态参数；在当前状态参数为异常状态参数时，根据当前状态参数在两个相邻的设定时间段内的更新频率，以及各所述通信状态参数集在每个所述设定时间段内被更新的第二累计值确定各所述通信状态参数集在两个相邻的设定时间段内被更新的第二累计值的波动趋势。
步骤S35，基于所述第二累计值的波动趋势确定当前状态参数对应的识别终端是否处于通信稳定状态，在确定出当前状态参数对应的识别终端没有处于通信稳定状态时，对当前状态参数对应的识别终端所处的列表环境进行参数优化。
在本实施例中，基于上述内容，能够对每个识别终端20的通信列表状态进行检测和分析，进而在识别终端20没有处于通信稳定状态时对列表环境进行参数优化，从而确保服务器10与识别终端20之间的通信稳定性，进而确保目标图像在服务器10与识别终端20之间传输的可靠性。
在上述基础上，请结合参阅图3，为本发明实施例所提供的一种图像识别装置11的模块框图，该图像识别装置11可以包括以下模块。
获取模块111，用于获取目标图像中的图像质量信息，并计算与所述图像质量信息对应的质量参数分布，所述图像质量信息为服务器根据所述目标图像对应的发送设备的设备参数，以及所述发送设备与所述服务器之间的图像传输通道得到的。
计算模块112，用于获取每个识别终端的存储余量以及每个识别终端在对应的存储余量下的识别线程所对应的误差系数，并根据所述质量参数分布中的质量数据对应的存储权重值以及每个识别终端的存储余量及其在对应的存储余量下的识别线程中所对应的误差系数计算所述图像质量信息与每个识别终端之间的匹配度。
识别模块113，用于在确定出的所有匹配度中存在达到设定值的目标匹配度时，将所述目标图像发送给所述目标匹配度对应的第一目标识别终端中以使所述第一目标识别终端对所述目标图像进行识别得到第一识别结果；在确定出的所有匹配度中未存在达到所述设定值的目标匹配度时，确定出每个识别终端的优先级并根据所述优先级的大小顺序对所述目标图像进行图像属性分离得到所述目标图像对应的多个图像属性以及每个图像属性中加载的与每个识别终端的优先级对应的配对标识，根据每个图像属性从所述目标图像对应的图像编码数据中确定出每个图像属性对应的属性数据，将每个图像属性对应的属性数据发送给每个图像属性中加载的配对标识对应的第二目标识别终端以使所述第二目标识别终端对所述属性数据进行识别得到第二识别结果。
本发明实施例还提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现上述的图像识别方法。
本发明实施例还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的图像识别方法。
本实施例中，如图4所示，服务器10包括至少一个处理器121、以及与处理器121连接的至少一个存储器122、总线123。其中，处理器121、存储器122通过总线123完成相互间的通信。处理器121用于调用存储器122中的程序指令，以执行上述的图像识别方法。
综上，本发明实施例所提供的一种图像识别方法、装置及服务器，能够基于目标图像的图像质量信息确定出对应的质量参数分布，并结合每个识别终端的存储余量和误差系数确定出图像质量信息与每个识别终端之间的匹配度。在将目标图像发送给识别终端进行图像识别之前，会确定匹配度中是否存在达到设定值的目标匹配度，若是，则将目标图像发送给目标匹配度对应的第一目标识别终端进行识别，若否，则会对目标图像进行属性分离并根据分离得到的不同图像属性将目标图像的属性数据分配给多个识别终端以实现多个识别终端的并行识别。能够避免在目标图像过大时将目标图像发送给单一识别终端，能够有效避免识别终端因存储余量不足而无法完整接收目标图像的问题。
本申请是参照根据本申请实施例的方法、云服务器（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理云服务器的处理器以产生一个机器，使得通过计算机或其他可编程数据处理云服务器的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中，云服务器包括一个或多个处理器(CPU)、存储器和总线。云服务器还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他特征权重的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储云服务器或任何其他非传输介质，可用于存储可以被计算云服务器匹配的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者云服务器不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者云服务器所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者云服务器中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种图像识别方法，其特征在于，应用于与多个识别终端通信的服务器，所述方法至少包括：
获取目标图像中的图像质量信息，并计算与所述图像质量信息对应的质量参数分布，所述图像质量信息为所述服务器根据所述目标图像对应的发送设备的设备参数，以及所述发送设备与所述服务器之间的图像传输通道得到的；其中，质量参数分布用于表征目标图像的对应的各个维度的质量数据，质量参数分布中包括每个维度的质量数据对应的存储权重值，存储权重值用于表征每个维度的质量数据所占用的存储空间比例，质量参数分布中包括清晰度质量数据及其第一存储权重值、饱和度质量数据及其第二存储权重值以及锐度质量数据及其第三存储权重值；
获取每个识别终端的存储余量以及每个识别终端在对应的存储余量下的识别线程所对应的误差系数，并根据所述质量参数分布中的质量数据对应的存储权重值以及每个识别终端的存储余量及其在对应的存储余量下的识别线程中所对应的误差系数计算所述图像质量信息与每个识别终端之间的匹配度；
在确定出的所有匹配度中存在达到设定值的目标匹配度时，将所述目标图像发送给所述目标匹配度对应的第一目标识别终端中以使所述第一目标识别终端对所述目标图像进行识别得到第一识别结果；在确定出的所有匹配度中未存在达到所述设定值的目标匹配度时，确定出每个识别终端的优先级并根据所述优先级的大小顺序对所述目标图像进行图像属性分离得到所述目标图像对应的多个图像属性以及每个图像属性中加载的与每个识别终端的优先级对应的配对标识，根据每个图像属性从所述目标图像对应的图像编码数据中确定出每个图像属性对应的属性数据，将每个图像属性对应的属性数据发送给每个图像属性中加载的配对标识对应的第二目标识别终端以使所述第二目标识别终端对所述属性数据进行识别得到第二识别结果。
2.根据权利要求1所述的方法，其特征在于，所述确定出每个识别终端的优先级，包括：
获取每个识别终端对应的设备特征，确定各设备特征中的图像识别规则对应的识别规则列表以及多个特征因子，所述识别规则列表用于表征图像识别规则对图像的识别处理行为，所述特征因子用于表征所述图像识别规则对图像的识别准确性的影响；
在根据所述识别规则列表确定出各设备特征中包含有第一权重列表时，根据各设备特征在所述第一权重列表下的特征因子及其位置信息，确定各设备特征在第二权重列表下的各特征因子与各设备特征在所述第一权重列表下的各特征因子之间的第一匹配系数；
将各设备特征在所述第二权重列表下的与在所述第一权重列表下的特征因子之间的第一匹配系数达到预设值的特征因子转移到所述第一权重列表下；
在各设备特征在所述第二权重列表下包含有多个特征因子时，根据各设备特征在所述第一权重列表下的特征因子及其位置信息确定各设备特征在所述第二权重列表下的各特征因子之间的第二匹配系数，并根据所述各特征因子之间的第二匹配系数对所述第二权重列表下的各特征因子进行筛选；根据各设备特征在所述第一权重列表下的特征因子及其位置信息为上述筛选得到的目标特征因子设置列表位置等级，并将所述目标特征因子转移到所述第一权重列表中的与所述列表位置等级对应的列表区间中；
根据位于所述第一权重列表中的所有特征因子，确定各设备特征对应的识别终端的优先级；
其中：
第一权重列表为多元影响权重列表，第二权重列表为单一影响权重列表。
3.根据权利要求1所述的方法，其特征在于，所述根据所述优先级的大小顺序对所述目标图像进行图像属性分离得到所述目标图像对应的多个图像属性以及每个图像属性中加载的与每个识别终端的优先级对应的配对标识，包括：
将各个优先级的权重系数列出，建立识别终端等级列表；
确定目标图像的编码逻辑信息；从中提取出该目标图像的编码逻辑信息中包含的至少一个所述识别终端等级列表中的权重系数；
建立所述优先级与所述识别终端等级列表之间的映射关系，根据该映射关系生成分离执行轨迹；其中，根据该映射关系生成分离执行轨迹，包括：将每个优先级转换为轨迹节点数据；分别生成每个轨迹节点数据的至少一个节点指向信息；获取所述优先级的互不重复的节点指向信息构成节点指向信息组；将所述节点指向信息组中的各个节点指向信息映射到所述识别终端等级列表中，组成分离执行轨迹；
将所述目标图像的编码逻辑信息中包含的权重系数与所述分离执行轨迹中的各个权重系数进行遍历比较；在遍历比较过程中，若一个节点指向信息的所有权重系数均包含在所述目标图像的编码逻辑信息中，则将该节点指向信息记录为该目标图像的图像属性指向；根据所述目标图像的各个图像属性指向，确定所述目标图像对应的多个分离进程；
根据每个分离进程对所述目标图像进行图像属性分离得到对应的图像属性，并根据每个图像属性中包括的加载的优先级的轨迹节点数据的至少一个节点指向信息确定该优先级的配对标识。
4.根据权利要求3所述的方法，其特征在于，所述确定目标图像的编码逻辑信息，包括：
基于所述目标图像所对应的存储于所述服务器中的所述目标图像的接收起始时刻和所述目标图像的接收完成时刻所形成的多段图像接收日志，对所述目标图像进行分块得到多个图像块；
获取每个图像块的图像编码输入信息和图像编码输出信息；
基于每个图像块的图像编码指令和每个图像块的编码线程，分别获取每个图像块的图像编码指令和每个图像块的编码线程之间的编码偏移量；
根据所述每个图像块的图像编码输入信息和图像编码输出信息以及所述编码偏移量，建立与所述目标图像对应的图像编码规则的图像块编码序列；
获取与所述目标图像对应的图像编码规则对应的多个编码单元；统计所述多个编码单元中的目标编码单元，其中，所述目标编码单元中存在编码字符表单；
判断相邻的两个目标编码单元之间是否存在传递函数，若存在，统计所述传递函数的数量；在所述数量没有超过设定数值时，将所述图像块编码序列植入每个图像接收日志中；当植入每个图像接收日志中的图像块编码序列出现更新时，获取完成更新的图像块编码序列，统计已获取到的每个完成更新的图像块编码序列对应的编码特征数组和图像块指向信息；根据所述每个完成更新的图像块编码序列对应的编码特征数组和图像块指向信息确定所述每个完成更新的图像块编码序列的编码权重；根据所述编码权重，对实时获取的完成更新的图像块编码序列进行修正，得到目标图像块编码序列，按照所述目标图像块编码序列中的序列特征对每个图像接收日志中的图像编码数据进行提取，并根据提取得到的图像编码数据确定所述目标图像的编码逻辑信息。
5.根据权利要求3所述的方法，其特征在于，所述根据每个分离进程对所述目标图像进行图像属性分离得到对应的图像属性，包括：
采集所述目标图像的当前像素特征并从所述当前像素特征中定位出每个分离进程对应的第一属性特征；
判断所述当前像素特征中的每个分离进程对应的第一属性特征相对于所述当前像素特征中的第二属性特征是否存在匹配的特征值，所述第二属性特征是所述当前像素特征中除所述第一属性特征以外的特征；
如果是，将从所述当前像素特征中定位出的每个分离进程对应的第一属性特征确定为所述当前像素特征的有效属性特征；否则，将从所述当前像素特征中定位出的每个分离进程对应的第一属性特征与所述当前像素特征中的第二属性特征进行加权求和并将加权求和结果确定为所述当前像素特征的有效属性特征；
针对每个分离进程，提取该分离进程植入所述服务器的运行线程中的第一脚本文件，并将所述当前像素特征的有效属性特征中的部分特征与所述第一脚本文件进行融合得到第二脚本文件；在所述运行线程对应的镜像线程中分别运行所述第一脚本文件和所述第二脚本文件，得到对应的第一运行结果和第二运行结果；判断所述第一运行结果和所述第二运行结果的相似度是否达到预设阈值，在所述第一运行结果和所述第二运行结果的相似度达到所述预设阈值时调用所述服务器中的空闲时间片资源启动该分离进程以运行所述第二脚本文件，得到所述第二脚本文件对应的第三运行结果，提取所述第三运行结果中的特征分类信息并根据所述特征分类信息得到该分离进程对应的图像属性，在所述第一运行结果和所述第二运行结果的相似度没有达到所述预设阈值时，返回将所述当前像素特征的有效属性特征中的部分特征与所述第一脚本文件进行融合得到第二脚本文件的步骤。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：
响应每个第二目标识别终端的发送请求，接收每个第二目标识别终端发送的第二识别结果，并在每个第二目标识别终端对应的第二识别结果中添加一动态随机数串，所述动态随机数串中包括有随机生成的加密随机数和验证随机数，其中，所述加密随机数用于控制动态随机数串的更新，所述验证随机数用于对加密随机数和动态随机数串进行自适应验证；
获取基于每个第二目标识别终端对应的第二识别结果中的动态随机数串迭代生成的终端标识，其中，所述终端标识中包括有所述加密随机数、所述验证随机数以及根据所述加密随机数生成的动态随机数串；对所述终端标识进行验证，根据所述加密随机数生成对应的当前动态随机数串；根据所述加密随机数、当前动态随机数串和所述验证随机数生成对应的识别结果融合标识；将所述终端标识和所述识别结果融合标识进行比对，判断所述终端标识和所述识别结果融合标识是否一致；在所述终端标识和所述识别结果融合标识一致时判定所述终端标识通过验证；在所述终端标识和所述识别结果融合标识不一致时判定所述终端标识未通过验证；
将通过验证的终端标识对应的第二目标识别终端所对应的第二识别结果进行第一次融合，得到目标识别结果；根据所述服务器的系统数据格式将未通过验证的终端标识对应的第二目标识别终端所对应的第二识别结果的当前数据格式进行转换，得到第三识别结果，将所述第三识别结果与所述目标识别结果进行第二次融合，得到综合识别结果，所述综合识别结果为所述目标图像的识别结果。
7.根据权利要求2所述的方法，其特征在于，所述获取每个识别终端对应的设备特征，包括：
从获得的每个识别终端的出厂信息中提取多个可识别的第一信息集和每个所述第一信息集在每个出厂信息中的第一类别特征；
从所述多个可识别的第一信息集中筛选出多个与第二信息集匹配的字符，获得多个第三信息集，所述第二信息集为预存的多个基准信息集中的目标信息，所述目标信息集为用于确定识别终端的识别方式的信息集；
将所述多个第三信息集的第三类别特征以及多个第一信息集中除所述多个第三信息集以外的至少部分第一信息集的第一类别特征进行配对，确定出与每个第三类别特征之间的余弦距离达到设定距离的至少部分第一信息集的第一类别特征中的第二类别特征并根据每个第三类别特征与对应的第二类别特征确定每个识别终端对应的设备特征。
8.一种图像识别装置，其特征在于，包括：
获取模块，用于获取目标图像中的图像质量信息，并计算与所述图像质量信息对应的质量参数分布，所述图像质量信息为服务器根据所述目标图像对应的发送设备的设备参数，以及所述发送设备与所述服务器之间的图像传输通道得到的；其中，质量参数分布用于表征目标图像的对应的各个维度的质量数据，质量参数分布中包括每个维度的质量数据对应的存储权重值，存储权重值用于表征每个维度的质量数据所占用的存储空间比例，质量参数分布中包括清晰度质量数据及其第一存储权重值、饱和度质量数据及其第二存储权重值以及锐度质量数据及其第三存储权重值；
计算模块，用于获取每个识别终端的存储余量以及每个识别终端在对应的存储余量下的识别线程所对应的误差系数，并根据所述质量参数分布中的质量数据对应的存储权重值以及每个识别终端的存储余量及其在对应的存储余量下的识别线程中所对应的误差系数计算所述图像质量信息与每个识别终端之间的匹配度；
识别模块，用于在确定出的所有匹配度中存在达到设定值的目标匹配度时，将所述目标图像发送给所述目标匹配度对应的第一目标识别终端中以使所述第一目标识别终端对所述目标图像进行识别得到第一识别结果；在确定出的所有匹配度中未存在达到所述设定值的目标匹配度时，确定出每个识别终端的优先级并根据所述优先级的大小顺序对所述目标图像进行图像属性分离得到所述目标图像对应的多个图像属性以及每个图像属性中加载的与每个识别终端的优先级对应的配对标识，根据每个图像属性从所述目标图像对应的图像编码数据中确定出每个图像属性对应的属性数据，将每个图像属性对应的属性数据发送给每个图像属性中加载的配对标识对应的第二目标识别终端以使所述第二目标识别终端对所述属性数据进行识别得到第二识别结果。
9.一种服务器，其特征在于，包括：处理器以及与所述处理器连接的存储器和总线；所述处理器和所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的计算机程序，以执行上述权利要求1-7任一项所述的图像识别方法。
10.一种可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时实现上述权利要求1-7任一项所述的图像识别方法。
CN202010128112.0A 2020-02-28 2020-02-28 图像识别方法、装置及服务器 Active CN111339363B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011222580.0A CN112307262A (zh) 2020-02-28 2020-02-28 一种图像识别方法和服务器
CN202011221881.1A CN112307261A (zh) 2020-02-28 2020-02-28 基于图像质量的图像识别方法及服务器
CN202010128112.0A CN111339363B (zh) 2020-02-28 2020-02-28 图像识别方法、装置及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010128112.0A CN111339363B (zh) 2020-02-28 2020-02-28 图像识别方法、装置及服务器

Related Child Applications (2)

Application Number Title Priority Date Filing Date
CN202011222580.0A Division CN112307262A (zh) 2020-02-28 2020-02-28 一种图像识别方法和服务器
CN202011221881.1A Division CN112307261A (zh) 2020-02-28 2020-02-28 基于图像质量的图像识别方法及服务器

Publications (2)

Publication Number Publication Date
CN111339363A CN111339363A (zh) 2020-06-26
CN111339363B true CN111339363B (zh) 2020-12-15

Family

ID=71185548

Family Applications (3)

Application Number Title Priority Date Filing Date
CN202010128112.0A Active CN111339363B (zh) 2020-02-28 2020-02-28 图像识别方法、装置及服务器
CN202011221881.1A Withdrawn CN112307261A (zh) 2020-02-28 2020-02-28 基于图像质量的图像识别方法及服务器
CN202011222580.0A Withdrawn CN112307262A (zh) 2020-02-28 2020-02-28 一种图像识别方法和服务器

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN202011221881.1A Withdrawn CN112307261A (zh) 2020-02-28 2020-02-28 基于图像质量的图像识别方法及服务器
CN202011222580.0A Withdrawn CN112307262A (zh) 2020-02-28 2020-02-28 一种图像识别方法和服务器

Country Status (1)

Country Link
CN (3) CN111339363B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111814752B (zh) * 2020-08-14 2024-03-12 上海木木聚枞机器人科技有限公司 室内定位实现方法、服务器、智能移动设备、存储介质
CN113034038A (zh) * 2020-10-24 2021-06-25 陈龙龙 基于化妆品的生产设备状态调整方法及人工智能云平台
CN112926676B (zh) * 2021-03-24 2022-12-13 成都新潮传媒集团有限公司 一种虚假目标识别方法、装置及计算机设备
CN114694185B (zh) * 2022-05-31 2022-11-04 浪潮电子信息产业股份有限公司 一种跨模态目标重识别方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919166A (zh) * 2017-12-12 2019-06-21 杭州海康威视数字技术股份有限公司 获取属性的分类信息的方法和装置
CN110647912A (zh) * 2019-08-15 2020-01-03 深圳久凌软件技术有限公司 细粒度图像识别方法、装置、计算机设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105120240B (zh) * 2015-09-22 2018-08-28 成都时代星光科技有限公司 高倍变焦无人机空中高清多维实时侦查传输监控装置
CN108664840A (zh) * 2017-03-27 2018-10-16 北京三星通信技术研究有限公司 图像识别方法及装置
RU2661760C1 (ru) * 2017-08-25 2018-07-19 Общество с ограниченной ответственностью "Аби Продакшн" Использование нескольких камер для выполнения оптического распознавания символов
CN109711228B (zh) * 2017-10-25 2023-03-24 腾讯科技（深圳）有限公司 一种实现图像识别的图像处理方法及装置、电子设备
US10740386B2 (en) * 2017-12-29 2020-08-11 MorphoTrak, LLC Multi-stage image matching techniques
CN110163810B (zh) * 2019-04-08 2023-04-25 腾讯科技（深圳）有限公司 一种图像处理方法、装置以及终端

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919166A (zh) * 2017-12-12 2019-06-21 杭州海康威视数字技术股份有限公司 获取属性的分类信息的方法和装置
CN110647912A (zh) * 2019-08-15 2020-01-03 深圳久凌软件技术有限公司 细粒度图像识别方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN112307261A (zh) 2021-02-02
CN112307262A (zh) 2021-02-02
CN111339363A (zh) 2020-06-26

Similar Documents

Publication Publication Date Title
CN111339363B (zh) 图像识别方法、装置及服务器
CN109800258B (zh) 数据文件部署方法、装置、计算机设备及存储介质
CN111400758B (zh) 应用于物联网的访问权限验证方法、设备及系统
CN111552570B (zh) 物联网数据处理资源的自适应分配方法及云计算服务器
CN114218568B (zh) 一种应用于云服务的大数据攻击处理方法及系统
CN110798490B (zh) 基于数据中台接入第三方系统的方法、装置及数据中台
KR20210108319A (ko) 기계학습 기반 적응형 자동분류 방법 및 시스템
CN112765217A (zh) 基于边缘计算和路径分析的数据处理方法及系统
CN114338413A (zh) 网络中设备的拓扑关系的确定方法、装置以及存储介质
CN115035347A (zh) 图片识别方法、装置及电子设备
CN111625342A (zh) 一种数据溯源方法、装置及服务器
CN110532773B (zh) 恶意访问行为识别方法、数据处理方法、装置和设备
CN112437132B (zh) 基于云计算和数字化升级的业务资源共享方法及云服务器
CN111343105B (zh) 基于深度学习的断流识别方法及装置
CN114726876A (zh) 一种数据检测方法、装置、设备和存储介质
CN112462716A (zh) 基于工业互联网的设备状态识别方法及系统
CN112699435A (zh) 一种建筑物安全检测方法及建筑物安全检测系统
CN112953900A (zh) 结合大数据和边缘计算的数据处理方法及人工智能服务器
CN112766949A (zh) 基于区块链支付网络的通信数据处理方法及系统
CN112039994B (zh) 基于互联网的远程监控方法、装置及服务器
CN112929321B (zh) 一种鉴权方法、装置及终端设备
CN111614749B (zh) 数据发送方法、装置、计算机设备和存储介质
CN117273765B (zh) 基于自动核检的多级经销商流转数据处理方法及系统
CN116627671A (zh) 信息发送方法、装置、存储介质以及电子设备
CN118193984A (zh) 数据处理方法和装置、存储介质及电子设备

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
CB02 Change of applicant information

Address after: 6 / F, building B, phase II, yundian science and Technology Park, 104 Yunda West Road, economic development zone, Kunming City, Yunnan Province

Applicant after: Qian Xiuhua

Address before: 226601 Room 302, unit 2, zone B, 523 Cultural Industry Park, Haian economic and Technological Development Zone, Nantong City, Jiangsu Province

Applicant before: Qian Xiuhua

CB02 Change of applicant information
TA01 Transfer of patent application right

Effective date of registration: 20201126

Address after: 361006 No. 0137, unit 109, No. 62, Chengyi North Street, phase III, Xiamen City, Fujian Province

Applicant after: Xiamen Quantong Network Technology Co., Ltd

Address before: 6 / F, building B, phase II, yundian science and Technology Park, 104 Yunda West Road, economic development zone, Kunming City, Yunnan Province

Applicant before: Qian Xiuhua

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant