CN115242293B - 一种图片特征的传输方法、装置、电子设备及存储介质 - Google Patents

一种图片特征的传输方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115242293B
CN115242293B CN202210840076.XA CN202210840076A CN115242293B CN 115242293 B CN115242293 B CN 115242293B CN 202210840076 A CN202210840076 A CN 202210840076A CN 115242293 B CN115242293 B CN 115242293B
Authority
CN
China
Prior art keywords
result
model
picture
image
short message
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
CN202210840076.XA
Other languages
English (en)
Other versions
CN115242293A (zh
Inventor
宋德寿
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.)
Guangzhou Hantele Communication Co ltd
Original Assignee
Guangzhou Hantele Communication 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 Guangzhou Hantele Communication Co ltd filed Critical Guangzhou Hantele Communication Co ltd
Priority to CN202210840076.XA priority Critical patent/CN115242293B/zh
Publication of CN115242293A publication Critical patent/CN115242293A/zh
Application granted granted Critical
Publication of CN115242293B publication Critical patent/CN115242293B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/18576—Satellite systems for providing narrowband data service to fixed or mobile stations, e.g. using a minisatellite, a microsatellite
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
    • H04L51/10—Multimedia information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements
    • H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Astronomy & Astrophysics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种图片特征的传输方法、装置、电子设备及存储介质，本申请属于移动卫星通信技术领域。包括：获取待传输图片的灰度图像；采用第一模型对灰度图像的特征进行稀疏处理，得到第一结果；采用第二模型对第一结果进行特征提取处理，并确定第二模型输出的第二结果的特征数量；若第二结果的特征数量满足图片传输条件，将第二结果以短报文通信的形式传输至接收端。本技术方案，通过对待传输图像进行稀疏和特征提取处理直至满足图像传输条件，可以实现在公网移动通讯信号不能覆盖的荒漠、油田等地区，通过北斗短报文通信对信息量丰富的图片传输，以供上述地区基于所传输图片进行图像识别完成门禁验证。

Description

一种图片特征的传输方法、装置、电子设备及存储介质
技术领域
本申请属于移动卫星通信技术领域，具体涉及一种图片特征的传输方法、装置、电子设备及存储介质。
背景技术
卫星移动通信能够为全球用户提供大跨度、大范围、远距离的漫游和机动、灵活的移动通信服务，其中，北斗短报文通信因为其独特的通信方式发挥着重要的作用。
北斗短报文是北斗卫星导航定位系统的特色功能，它能在公网移动通讯信号不能覆盖的地区或通讯基站遭受破坏的情况下，完成导航定位，并提供有效的紧急通信服务。目前，北斗短报文通信的单次通信能力达到1000个汉字或者14000bit。
现有技术中，在公网移动通讯信号不能覆盖的荒漠、油田等地区，需要通过短报文通信进行图像识别以进行门禁验证，但是北斗短报文通信对于信息量丰富的图片传输能力十分有限。因此，提供一种图像处理方法以供短报文通信进行传输成为本技术领域亟待解决的问题。
发明内容
本申请实施例的目的是提供一种图片特征的传输方法、装置、电子设备及存储介质，可以实现在公网移动通讯信号不能覆盖的荒漠、油田等地区，通过北斗短报文通信对信息量丰富的图片传输，以供上述地区基于所传输图片进行图像识别完成门禁验证。
第一方面，本方案实施例提供了一种图片特征的传输方法，所述方法包括：
获取待传输图片的灰度图像；
采用第一模型对所述灰度图像的特征进行稀疏处理，得到第一结果；
采用第二模型对所述第一结果进行特征提取处理，并确定所述第二模型输出的第二结果的特征数量；其中，所述第二模型是基于训练样本进行特征提取训练预先得到的；
若所述第二结果的特征数量满足图片传输条件，则将所述第二结果以短报文通信的形式传输至接收端。
进一步的，在确定所述第二模型输出的第二结果的特征数量之后，所述方法还包括：
若所述第二结果的特征数量不满足图片传输条件，则将所述第二结果循环输入至第一模型，以对第二结果再次进行稀疏处理，并将得到的稀疏处理结果输入至第二模型，再次得到特征提取结果；循环至预设终止条件终止。
进一步的，所述预设终止条件包括：
所述特征提取结果满足图片传输条件，则确定达到预设终止条件；
或者，
循环次数达到预设次数，则确定达到预设终止条件。
进一步的，所述图片传输条件是预先基于短报文通信的传输能力确定的。
进一步的，在获取待传输图片的灰度图像之前，所述方法还包括：
获取模板图片的对比灰度图像；
采用第一模型对所述对比灰度图像的特征进行稀疏处理，得到第三结果；
采用第二模型对所述第三结果进行特征提取处理，并确定所述第二模型输出的第四结果的特征数量；
若所述第四结果的特征数量满足图片传输条件，则将所述第四结果以短报文通信的形式传输至接收端；
相应的，在将所述第二结果以短报文通信的形式传输至接收端之后，所述方法还包括：
接收所述接收端对所述第二结果与所述第四结果的相似度识别结果；
若所述相似度识别结果大于设定相似度阈值，则生成准入指令；
或者，
接收所述接收端基于所述第二结果与所述第四结果的相似度识别结果大于设定相似度阈值生成的识别通过结果；
根据所述识别通过结果生成准入指令。
进一步的，所述第一模型包括稀疏自编码器。
进一步的，在将所述第二结果以短报文通信的形式传输至接收端之前，所述方法还包括：
对所述第二结果采用第三模型进行分类处理，得到所述第二结果中各特征的分类标签；
相应的，将所述第二结果以短报文通信的形式传输至接收端，包括：
将带有分类标签的所述第二结果以短报文通信的形式传输至接收端。
第二方面，本申请实施例提供了一种图片特征的传输装置，所述装置包括：
获取模块，用于获取待传输图片的灰度图像；
第一处理模块，用于采用第一模型对所述灰度图像的特征进行稀疏处理，得到第一结果；
第二处理模块，用于采用第二模型对所述第一结果进行特征提取处理，并确定所述第二模型输出的第二结果的特征数量；其中，所述第二模型是基于训练样本进行特征提取训练预先得到的；
传输模块，用于若所述第二结果的特征数量满足图片传输条件，则将所述第二结果以短报文通信的形式传输至接收端。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的图片特征的传输方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的图片特征的传输方法的步骤。
在本申请实施例中，获取待传输图片的灰度图像；采用第一模型对灰度图像的特征进行稀疏处理，得到第一结果；采用第二模型对第一结果进行特征提取处理，并确定第二模型输出的第二结果的特征数量；其中，第二模型是基于训练样本进行特征提取训练预先得到的；若第二结果的特征数量满足图片传输条件，将第二结果以短报文通信的形式传输至接收端。本技术方案，通过对待传输图像进行稀疏和特征提取处理直至满足图像传输条件，可以解决现有技术中在公网移动通讯信号不能覆盖的荒漠、油田等地区，需要通过短报文通信进行图像识别以进行门禁验证时，北斗短报文通信对于信息量丰富的图片传输能力十分有限的问题。
附图说明
图1是本申请实施例一提供的图片特征的传输方法的流程示意图；
图2是本申请实施例二提供的图片特征的传输方法的流程示意图；
图3是本申请实施例三提供的图片特征的传输方法的流程示意图；
图4是本申请实施例四提供的图片特征的传输装置的结构示意图；
图5是本申请实施例提供的电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的图片特征的传输方法、装置、电子设备及存储介质进行详细地说明。
实施例一
图1是本申请实施例一提供的图片特征的传输方法的流程示意图。如图1所示，具体方法包括如下步骤：
S101、获取待传输图片的灰度图像。
本申请实施例的使用场景为通过北斗短报文通信进行图像传输以供门禁系统进行图像识别。其中，在图像处理过程中，会涉及到图像的稀疏、特征提取等过程。本申请实施例中的执行主体可以是手机、平板电脑、笔记本电脑等智能设备，在此不作具体限定。
本申请实施例中，所述待传输图片可以理解为待识别的图片。所述待传输图片可以由图像发送端的摄像头拍摄获得。所述灰度图像可以是用不同的灰度色阶来表示采样颜色的图像。所述获取待传输图片的灰度图像可以是图像处理器对待传输图片进行全局对比度归一化处理得到灰度图像。由于将彩色图像转化为灰度图像的方法有很多，在此不作具体限定。
S102、采用第一模型对所述灰度图像的特征进行稀疏处理，得到第一结果。
本申请实施例中，所述第一模型可以是用于对灰度图像的特征进行稀疏处理的稀疏模型。其中，所述灰度图像的特征可以包括纹理特征、形状特征以及边缘特征等。所述稀疏处理可以理解为图像的压缩处理，具体可以是将所述灰度图像中一些特征值置0，对所述灰度图像中大小为0的特征值进行压缩，不进行存储。这样可以使图像信息集中到少部分特征上，以实现使用少量的比特数就能达到表示所述灰度图像的目的。所述第一结果可以是第一模型对所述灰度图像的特征进行稀疏处理输出的稀疏结果。
本申请实施例中，将所述灰度图像输入至稀疏模型，所述稀疏模型对所述灰度图像的纹理、边缘等特征进行稀疏处理。稀疏处理过程中，可以以稀疏阈值作为稀疏参数，将所述灰度图像中小于稀疏阈值的特征值置0。也可以以稀疏率作为稀疏参数，按照从大到小的顺序将所述灰度图像中的特征值进行排序，依据稀疏率将排在后50％的特征值置0。所述稀疏模型通过稀疏处理输出所述灰度图像的稀疏结果。
本申请实施例中，可选的，所述第一模型包括稀疏自编码器。
其中，所述自稀疏编码器可以理解为一种无监督学习机器，通过计算自编码的输出与原输入的误差，不断调节自编码器的参数，训练出模型，可以用于压缩输入信息，提取有用的输入特征。由于所述灰度图像的特征没有类别标签，因此需要稀疏模型能够自己学习到所述灰度图像中的一些重要特征，这是一个较为繁琐的过程。通过对所述灰度图像特征增加稀疏性限制，能够使得稀疏模型在恶劣的环境下学习到能最好表达所述灰度的特征，并能有效地对所述灰度图像进行降维。
本实施例所提供的技术方法，基于所述自稀疏编码器对所述灰度图像进行稀疏处理，可以得到所述灰度图像的压缩表示，从而降低表示所述灰度图像的比特数，便于进行图像的短报文传输。
S103、采用第二模型对所述第一结果进行特征提取处理，并确定所述第二模型输出的第二结果的特征数量；其中，所述第二模型是基于训练样本进行特征提取训练预先得到的。
本申请实施例中，所述第二模型可以是用于对所述第一结果进行特征提取的特征提取模型。所述第二结果可以是将所述第一结果作为输入数据输入至特征提取模型后的输出结果。所述训练样本可以是待识别多个灰度图像，也可以是用于进行图片比对的多个模板灰度图像。基于训练样本进行特征提取训练可以是所述特征提取模型基于待识别图像输出与原输入的误差，不断调节模型参数。所述第二结果的特征数量可以是经过特征提取处理后所述灰度图像的比特数。
示例性的，所述预先训练的特征提取模型参数如下：卷积层*3、BN层*3、激活层*3以及池化层*3。其中，所述卷积层可以用于对所述灰度图像进行特征提取。所述BN(BatchNormalization，批标准化)层可以用于加快网络的训练和收敛的速度、控制梯度爆炸、防止梯度消失以及防止过拟合。所述激活层可以用于通过非线性的激活函数进行处理，用以模拟任意函数，从而增强网络的表征能力。所述池化层可以用于对所述灰度图像进行压缩并提取主要特征。
本申请实施例中，将所述第一结果作为输入数据输入至特征提取模型，所述特征提取模型输出特征提取结果并确定所述特征提取结果的比特数。其中，所述第二模型是基于训练样本进行特征提取训练预先得到的。
S104、若所述第二结果的特征数量满足图片传输条件，则将所述第二结果以短报文通信的形式传输至接收端。
本申请实施例中，所述图像传输条件可以是小于或者图像传输的最大传输限值，是根据传输能力预先设定的。所述短报文通信可以是直接通过卫星传递信息通信方式，可以为海洋、沙漠、山区等恶劣环境提供通信。
本申请实施例中，将特征提取结果的比特数与所述图片传输条件进行对比，若满足图片传输条件，则基于预设的报文构建规则对所述第二结果进行封装得到对应的短报文信息，并将所述短报文信息传输至短报文接收端。
本申请实施例中，可选的，所述图片传输条件是预先基于短报文通信的传输能力确定的。
本申请实施例中，所述所述短报文通信的单次通信能力可以达到14000比特。示例性的，特征提取结果的比特数为12500比特，所述图片传输条件为小于或者等于14000比特，则确定所述第二结果的特征数量满足图片传输条件，则将所述第二结果以短报文通信的形式传输至接收端。
本申请实施例所提供的技术方案，根据短报文的通信能力设置图像传输条件，可以在没有公网移动通讯信号不能覆盖的荒漠、油田等地区实现信息量丰富的图像的传输。
本申请实施例所提供的技术方案，通过对待传输图像进行稀疏和特征提取处理直至满足图像传输条件，可以解决现有技术中在公网移动通讯信号不能覆盖的荒漠、油田等地区，需要通过短报文通信进行图像识别以进行门禁验证时，北斗短报文通信对于信息量丰富的图片传输能力十分有限的问题。
在上述各实施例的基础上，可选的，在确定所述第二模型输出的第二结果的特征数量之后，所述方法还包括：
若所述第二结果的特征数量不满足图片传输条件，则将所述第二结果循环输入至第一模型，以对第二结果再次进行稀疏处理，并将得到的稀疏处理结果输入至第二模型，再次得到特征提取结果；循环至预设终止条件终止。
其中，所述预设终止条件可以是技术人员预先设定的用于规定循环终止的条件。
本申请实施例中，将特征提取结果的比特数与所述图片传输条件进行对比，若不满足图片传输条件，则将所述第二结果作为输入数据输入至稀疏模型再次进行稀释处理，并将得到的稀疏处理结果输入作为输入数据输入至第二模型，再次得到特征提取结果并确定所述特征提取结果的比特数，与所述图片传输条件进行对比，若满足所述图片传输条件，则进行短报文传输。示例性的，第一次特征提取结果的比特数为26400比特，所述图片传输条件为小于或者等于14000比特，不满足所述图片传输条件，则将所述特征提取结果再次进行稀疏、特征提取处理。循环上述稀疏、特征提取处理过程。循环至满足预设终止条件，则循环终止。
本申请实施例所提供的技术方案，通过将信息辆丰富的图像进行稀疏、特征提取处理以降低图像的比特数，使其满足所述图片传输条件。通过上述方法实现了通过短报文通信对信息量丰富的图像的传输。
本申请实施例中，所述所述预设终止条件包括：
所述特征提取结果满足图片传输条件，则确定达到预设终止条件；
或者，
循环次数达到预设次数，则确定达到预设终止条件。
其中，所述循环次数可以是图像经过稀疏、特征提取处理的次数，所述预设次数是技术人员预先设置的用于规定循环终止的次数。其中，所述预设次数可以是基于图像的信息量进行设定的，也可以是基于图像处理正常运行流程确定的。
本申请实施例中，示例性的，第一次特征提取结果的比特数为26400比特，所述图片传输条件为小于或者等于14000比特，不满足所述图片传输条件，则将所述特征提取结果再次进行稀疏、特征提取处理，第二次特征提取结果的比特数为13800比特，满足所述图片传输条件，即达到预设终止条件。则将第二次特征提取结果进行基于预设的报文规则进行封装，以进行短报文发送。
本申请实施例中，可以理解的是，技术人员预先确定预设次数，当循环次数达到预设次数时所述特征提取结果仍不满足图片传输条件。一方面，可能是由于图像信息量过大，此时，继续将所述特征提取结果进行稀疏、特征提取处理可能会导致图像特征过于集中，在进行图像识别对比时不能准确比对图像。另一方面，可能是出现模型故障，使所述特征提取结果无限重复稀疏、模型处理。
本申请实施例所提供的技术方案，所述特征提取结果满足图片传输条件，则确定达到预设终止条件；或者，循环次数达到预设次数，则确定达到预设终止条件。通过将信息辆丰富的图像进行重复的稀疏、特征提取处理以降低图像的比特数，使其满足所述图片传输条件。通过上述方法实现了通过短报文通信对信息量丰富的图像的传输。此外，通过设置预设次数，避免出现信息量过大的图像不能准确比对，或者出现模型故障导致所述特征提取结果无限重复稀疏、模型处理的情况。
在上述实施例的基础上，可选的，在将所述第二结果以短报文通信的形式传输至接收端之前，所述方法还包括：
对所述第二结果采用第三模型进行分类处理，得到所述第二结果中各特征的分类标签；
相应的，将所述第二结果以短报文通信的形式传输至接收端，包括：
将带有分类标签的所述第二结果以短报文通信的形式传输至接收端。
其中，所述第三模型可以是用于标签分类的分类模型。所述分类处理可以是对所述特征提取结果中的图像特征进行分类。所述分类标签可以是用于区分各个分类结果的标识。
本申请实施例中，将所述第二结果作为输入数据输入至分类模型，分类模型根据输出所述第二结果中各特征的分类标签。此处，以LR(Logistic Regression Classifier)逻辑回归分类器为例进行描述。示例性的，将所述灰度图像的纹理特征以标签“1”进行标识，其他非纹理特征以标签“0”进行标识。相应的，将所述第二结果以短报文通信的形式传输至接收端时，将带有分类标签的所述第二结果基于预设的报文规则进行封装得到对应的短报文信息，并将其传输至接收端。
本申请实施例所提供的技术方案，通过分类模型将所述提取特征结果进行标签分类，在进行图像识别对比时，提高了识别效率。
实施例二
图2是本申请实施例二提供的图片特征的传输方法的流程示意图。如图2所示，如图2所示，具体方法包括如下步骤：
S201、获取模板图片的对比灰度图像。
本申请实施例中，所述模板图片的对比灰度图像可以是作为图像识别比对的依据的灰度图像。所述模板图片可以由图像发送端的摄像头拍摄获得，也可以由技术人员上传获得。所述获取模板图片的灰度图像可以是图像处理器对模板图片进行全局对比度归一化处理得到灰度图像。现有技术中，将彩色图像转化为灰度图像的方法有很多，在此不作具体限定。
S202、采用第一模型对所述对比灰度图像的特征进行稀疏处理，得到第三结果。
本申请实施例中，所述第三稀疏结果可以是所述第三结果可以是第一模型对所述对比灰度图像的特征进行稀疏处理输出的稀疏结果。将所述对比灰度图像输入至稀疏模型，所述稀疏模型对所述对比灰度图像的纹理、边缘等特征进行稀疏处理。所述稀疏模型通过稀疏处理输出所述对比灰度图像的稀疏结果。
S203、采用第二模型对所述第三结果进行特征提取处理，并确定所述第二模型输出的第四结果的特征数量。
本申请实施例中，所述第四结果的特征数量可以是经过特征提取处理后所述灰度图像的比特数。将所述第三结果作为输入数据输入至特征提取模型，所述特征提取模型输出特征提取结果并确定所述特征提取结果的比特数。
S204、若所述第四结果的特征数量满足图片传输条件，则将所述第四结果以短报文通信的形式传输至接收端。
本申请实施例中，将特征提取结果的比特数与所述图片传输条件进行对比，若满足图片传输条件，则基于预设的报文构建规则对所述第四结果进行封装得到对应的短报文信息，并将所述短报文信息传输至短报文接收端。
S205、接收所述接收端对所述第二结果与所述第四结果的相似度识别结果。
本申请实施例中，所述相似度识别结果可以是用于表征所述第二结果与所述第四结果相似程度的数值，所述结果可以通过图像识别模型确定。
本申请实施例中，短报文接收端预先将所述第四结果存储至数据库中，当接收到所述第二结果时，查询所述数据库将所述第四结果与所述第二结果进行比对，确定所述第二结果与所述第四结果的相似度识别结果，并将所述结果发送至短报文发送端。
S206、若所述相似度识别结果大于设定相似度阈值，则生成准入指令。
本申请实施例中，所述相似度阈值是技术人员根据实际情况预先设置的。本申请中，以相似度阈值为80％为例进行描述。所述准入指令可以理解为门禁授权出入指令。
本申请实施例中，短报文发送端将所述相似度识别结果与所述相似度阈值进行比对，当所述相似度识别结果大于设定相似度阈值时，生成准入指令以实现门禁授权。当所述相似度识别结果小于或者设定相似度阈值时，生成非法入侵指令，并将所述非法入侵指令转发至控制中心。
S207、接收所述接收端基于所述第二结果与所述第四结果的相似度识别结果大于设定相似度阈值生成的识别通过结果。
本申请实施例中，所述识别通过结果可以是用于表征所述相似度识别结果满足设定相似度阈值的文字或者语音信息。
本申请实施例中，短报文发送端将所述相似度识别结果与所述相似度阈值进行比对，当所述相似度识别结果大于设定相似度阈值时，生成生成的识别通过结果，并将所述结果传输至短报文发送端。
S208、根据所述识别通过结果生成准入指令。
本申请实施例中，短报文发送端接收所述识别通过结果，并根据所述识别通过结果生成准入指令以实现门禁授权。
本申请实施例所提供的技术方案，短报文接收端预先存储所述第四结果，并在接收到第二结果时，将所述第四结果与第二结果进行对比确定相似度识别结果。当所述相似度识别结果大于所述相似度阈值时，则生成准入指令以完成门禁授权，提高了封禁地区的安全性。
实施例三
本申请还提供了一种优选的实施方式，图3是本申请实施例三提供的图片特征的传输方法的流程示意图。如图3所示，图片特征的传输方法的执行过程包括如下步骤：
S301、当短报文发送方的镜头前捕捉到影像的时候，将图片传送给5GCPE。
S302、5GCPE将数据传输给5G基站。
S303、5G基站将数据传输给部署于边缘的图像处理服务器。
S304、图像处理服务器将图像进行全局对比度归一化处理生成10000×10000的灰度图像。
S305、将10000×10000的灰度图像使用本发明所提出的图像特征的传输方法通过图像处理服务器提取图像特征数据。
S306、将本方法提取到的小于14000bit的图像特征数据通过北斗短报文发送方发送给GEO卫星。
S307、GEO卫星将图像特征数据发送给地面中心站MCC。
S308、地面中心站MCC确认发送方是合法用户后经过GEO卫星将信息经卫星广播给短报文接收方。
S309、短报文接收方接收发送方发送过来的图像特征数据并与数据库预存的图像特征数据比对。
S310、相似度大于等于80％，接收方发送通过指令给短报文发送方，否则接收方发送告警指令给短报文发送方。
本实施例中，所述CPE(Customer Premise Equipment)为5G前置设备。所述GEO(Geostationary Earth Orbit)为静止地球轨道，所述GEO卫星指高轨道卫星。所述MCC(Mission Control Center)为任务控制中心。
本申请实施例所提供的技术方案，通过对待传输图像进行稀疏和特征提取处理直至满足图像传输条件，可以解决现有技术中在公网移动通讯信号不能覆盖的荒漠、油田等地区，需要通过短报文通信进行图像识别以进行门禁验证时，北斗短报文通信对于信息量丰富的图片传输能力十分有限的问题。
实施例四
图4是本申请实施例四提供的图片特征的传输装置的结构示意图。如图4所示，所述装置具体包括如下：
获取模块401，用于获取待传输图片的灰度图像；其中，所述第一模型包括稀疏自编码器。
第一处理模块402，用于采用第一模型对所述灰度图像的特征进行稀疏处理，得到第一结果。
第二处理模块403，用于采用第二模型对所述第一结果进行特征提取处理，并确定所述第二模型输出的第二结果的特征数量；其中，所述第二模型是基于训练样本进行特征提取训练预先得到的。
传输模块404，用于若所述第二结果的特征数量满足图片传输条件，则将所述第二结果以短报文通信的形式传输至接收端。其中，所述图片传输条件是预先基于短报文通信的传输能力确定的。
进一步的，在确定所述第二模型输出的第二结果的特征数量之后，所述装置还包括：
判断模块，用于若所述第二结果的特征数量不满足图片传输条件，则将所述第二结果循环输入至第一模型，以对第二结果再次进行稀疏处理，并将得到的稀疏处理结果输入至第二模型，再次得到特征提取结果；循环至预设终止条件终止。
所述预设终止条件包括：
所述特征提取结果满足图片传输条件，则确定达到预设终止条件；
或者，
循环次数达到预设次数，则确定达到预设终止条件。
进一步的，在获取待传输图片的灰度图像之前，所述获取模块301还用于用于获取模板图片的对比灰度图像。
所述第一处理模块402还用于采用第一模型对所述对比灰度图像的特征进行稀疏处理，得到第三结果。
所述第二处理模块403采用第二模型对所述第三结果进行特征提取处理，并确定所述第二模型输出的第四结果的特征数量。
所述传输模块404还用于若所述第四结果的特征数量满足图片传输条件，则将所述第四结果以短报文通信的形式传输至接收端。
相应的，在将所述第二结果以短报文通信的形式传输至接收端之后，所述装置还包括：
接收模块，用于接收所述接收端对所述第二结果与所述第四结果的相似度识别结果；
或者，用于接收所述接收端基于所述第二结果与所述第四结果的相似度识别结果大于设定相似度阈值生成的识别通过结果；
所述判断模块包括第一判断单元，所述第一判断单元用于若所述相似度识别结果大于设定相似度阈值，则生成准入指令；
或者，用于根据所述识别通过结果生成准入指令。
进一步的，在将所述第二结果以短报文通信的形式传输至接收端之前，所述装置还包括：
分类模块，用于对所述第二结果采用第三模型进行分类处理，得到所述第二结果中各特征的分类标签。
相应的，所述传输模块404包括第一传输单元，所述第一传输单元用于将带有分类标签的所述第二结果以短报文通信的形式传输至接收端。
本实施例所提供的图片特征的传输装置用于实现上述实施例一和实施例二提供的图片特征的传输方法，与之具备相同的技术效果，在此不再赘述。
实施例五
如图5所示，本申请实施例还提供一种电子设备500，包括处理器501，存储器502，存储在存储器502上并可在所述处理器501上运行的程序或指令，该程序或指令被处理器501执行时实现上述图片特征的传输方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
需要说明的是，本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
实施例六
本申请实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述图片特征的传输方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。

Claims (9)

1.一种图片特征的传输方法，其特征在于，所述方法包括：
获取待传输图片的灰度图像；
采用第一模型对所述灰度图像的特征进行稀疏处理，得到第一结果；
采用第二模型对所述第一结果进行特征提取处理，并确定所述第二模型输出的第二结果的特征数量；其中，所述第二模型是基于训练样本进行特征提取训练预先得到的；
若所述第二结果的特征数量满足图片传输条件，则对所述第二结果采用第三模型进行分类处理，得到所述第二结果中各特征的分类标签，将所述第二结果以短报文通信的形式传输至接收端，包括：将带有分类标签的所述第二结果以短报文通信的形式传输至接收端。
2.根据权利要求1所述的方法，其特征在于，在确定所述第二模型输出的第二结果的特征数量之后，所述方法还包括：
若所述第二结果的特征数量不满足图片传输条件，则将所述第二结果循环输入至第一模型，以对第二结果再次进行稀疏处理，并将得到的稀疏处理结果输入至第二模型，再次得到特征提取结果；循环至预设终止条件终止。
3.根据权利要求2所述的方法，其特征在于，所述预设终止条件包括：
所述特征提取结果满足图片传输条件，则确定达到预设终止条件；
或者，
循环次数达到预设次数，则确定达到预设终止条件。
4.根据权利要求3所述的方法，其特征在于，所述图片传输条件是预先基于短报文通信的传输能力确定的。
5.根据权利要求1所述的方法，其特征在于，在获取待传输图片的灰度图像之前，所述方法还包括：
获取模板图片的对比灰度图像；
采用第一模型对所述对比灰度图像的特征进行稀疏处理，得到第三结果；
采用第二模型对所述第三结果进行特征提取处理，并确定所述第二模型输出的第四结果的特征数量；
若所述第四结果的特征数量满足图片传输条件，则将所述第四结果以短报文通信的形式传输至接收端；
相应的，在将所述第二结果以短报文通信的形式传输至接收端之后，所述方法还包括：
接收所述接收端对所述第二结果与所述第四结果的相似度识别结果；
若所述相似度识别结果大于设定相似度阈值，则生成准入指令；
或者，
接收所述接收端基于所述第二结果与所述第四结果的相似度识别结果大于设定相似度阈值生成的识别通过结果；
根据所述识别通过结果生成准入指令。
6.根据权利要求1所述的方法，其特征在于，所述第一模型包括稀疏自编码器。
7.一种图片特征的传输装置，其特征在于，所述装置包括：
获取模块，用于获取待传输图片的灰度图像；
第一处理模块，用于采用第一模型对所述灰度图像的特征进行稀疏处理，得到第一结果；
第二处理模块，用于采用第二模型对所述第一结果进行特征提取处理，并确定所述第二模型输出的第二结果的特征数量；其中，所述第二模型是基于训练样本进行特征提取训练预先得到的；
分类模块，用于对所述第二结果采用第三模型进行分类处理，得到所述第二结果中各特征的分类标签；
传输模块，用于若所述第二结果的特征数量满足图片传输条件，则将所述第二结果以短报文通信的形式传输至接收端；
所述传输模块包括第一传输单元，所述第一传输单元用于将带有分类标签的所述第二结果以短报文通信的形式传输至接收端。
8.一种电子设备，其特征在于，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1-6中任一项所述的图片特征的传输方法的步骤。
9.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-6中任一项所述的图片特征的传输方法的步骤。
CN202210840076.XA 2022-07-15 2022-07-15 一种图片特征的传输方法、装置、电子设备及存储介质 Active CN115242293B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210840076.XA CN115242293B (zh) 2022-07-15 2022-07-15 一种图片特征的传输方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210840076.XA CN115242293B (zh) 2022-07-15 2022-07-15 一种图片特征的传输方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN115242293A CN115242293A (zh) 2022-10-25
CN115242293B true CN115242293B (zh) 2023-11-03

Family

ID=83673927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210840076.XA Active CN115242293B (zh) 2022-07-15 2022-07-15 一种图片特征的传输方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115242293B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271833A (zh) * 2018-07-13 2019-01-25 中国农业大学 基于栈式稀疏自编码器的目标识别方法、装置及电子设备
CN114241459A (zh) * 2022-02-24 2022-03-25 深圳壹账通科技服务有限公司 一种驾驶员身份验证方法、装置、计算机设备及存储介质
CN114445782A (zh) * 2022-02-14 2022-05-06 重庆大学 基于边缘ai和北斗短报文的输电线路图像采集系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271833A (zh) * 2018-07-13 2019-01-25 中国农业大学 基于栈式稀疏自编码器的目标识别方法、装置及电子设备
CN114445782A (zh) * 2022-02-14 2022-05-06 重庆大学 基于边缘ai和北斗短报文的输电线路图像采集系统
CN114241459A (zh) * 2022-02-24 2022-03-25 深圳壹账通科技服务有限公司 一种驾驶员身份验证方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
CN115242293A (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
US8463025B2 (en) Distributed artificial intelligence services on a cell phone
CN109977921B (zh) 一种输电线路隐患检测方法
CN111104954B (zh) 一种对象分类的方法与装置
CN111340901B (zh) 基于生成式对抗网络的复杂环境下输电网图片的压缩方法
CN111160481B (zh) 基于深度学习的adas目标检测方法及系统
CN116978011B (zh) 一种用于智能目标识别的图像语义通信方法及系统
US20220067888A1 (en) Image processing method and apparatus, storage medium, and electronic device
CN112149526B (zh) 一种基于长距离信息融合的车道线检测方法及系统
CN116342884B (zh) 图像分割及模型训练的方法、服务器
CN108683901B (zh) 一种数据处理方法、mec服务器及计算机可读存储介质
CN115242293B (zh) 一种图片特征的传输方法、装置、电子设备及存储介质
CN116226435B (zh) 基于跨模态检索的遥感图像与ais信息的关联匹配方法
Li et al. Robust image steganography against general downsampling operations with lossless secret recovery
CN116030455A (zh) 一种基于Yolo-EfficientNet双层模型的食物热量测算算法
CN116320538A (zh) 变电站巡检图像的语义通信传输方法及系统
CN113298102B (zh) 一种目标分类模型的训练方法及装置
CN114973271A (zh) 一种文本信息提取方法、提取系统、电子设备及存储介质
CN114241253A (zh) 违规内容识别的模型训练方法、系统、服务器及存储介质
CN114140427A (zh) 一种物体检测方法及装置
CN114004974A (zh) 对弱光环境下拍摄的图像的优化方法及装置
CN112070211A (zh) 基于计算卸载机制的图像识别方法
CN116996470B (zh) 一种富媒体信息发送系统
CN116778534B (zh) 图像处理方法、装置、设备和介质
CN112991200B (zh) 一种红外图像自适应增强的方法与装置
Seddik et al. A New Generative Mathematical Model for Coverless Steganography System Based on Image Generation.

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
CB03 Change of inventor or designer information

Inventor after: Song Deshou

Inventor before: Qin Wen

Inventor before: Song Deshou

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant