[发明专利]一种影像资料处理方法、装置、介质和电子设备

权利要求书

1.一种影像资料处理方法，其特征在于，应用于业务处理系统，所述业务处理系统包括应用层、接口层和能力层，包括：

所述应用层接收到用户上传的不同类别的影像资料后，按照数据格式要求对影像资料进行修订，并将所有的影像资料压缩成一个影像资料压缩包，将所述影像资料压缩包发送至所述接口层；

所述接口层的任务调度引擎接收影像资料压缩包，所述影像资料压缩包包括至少一种类别的影像资料；

所述接口层的任务调度引擎解压缩所述影像资料压缩包，获得所述影像资料压缩包中的至少一种类别的影像资料，并将识别任务发送给所述接口层中的影像分类引擎，使得所述影像分类引擎接收到识别任务后启动影像资料分类处理；

所述影像分类引擎确定各个影像资料的类别后，任务调度引擎调用影像质检引擎对所有影像资料的质量进行判定，判断影像资料是否符合预设的识别质量要求，如果符合，任务调度引擎再去调用相应的识别引擎进行内容信息的识别，任务调度引擎将不同类别的影像资料分别发送至相应的识别引擎；

所述识别引擎采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影像内容，得到内容信息，并将得到的内容信息反馈给所述任务调度引擎；

所述任务调度引擎保存得到的所有内容信息；

其中，所述影像资料压缩包的包名称中包括用于表示影像资料压缩包的优先级的字段；当接收到多个影像资料压缩包时，所述解压缩所述影像资料压缩包包括：

依据各影像资料压缩包的包名称中字段表示的影像资料压缩包的优先级，按照优先级由高至低的顺序解压缩各影像资料压缩包。

2.根据权利要求1所述的方法，其特征在于，所述确定各个影像资料的类别包括：

对各个影像资料进行预处理；

将预处理后的各个影像资料输入至预先训练好的卷积神经网络分类模型，获取所述卷积神经网络分类模型输出的各影像资料的类别；其中所述卷积神经网络分类模型是基于样本影像资料、以及样本影像资料的类别进行训练得到的。

3.根据权利要求2所述的方法，其特征在于，所述对各个影像资料进行预处理包括：对各个影像资料进行灰度化处理和尺寸归一化处理；

其中，经灰度化处理后的各影像资料转换为单通道灰度图；

所述尺寸归一化处理包括多尺寸归一化处理和多尺度归一化处理，经尺寸归一化处理后的各影像资料分别得到一多尺寸金字塔和一多尺度金字塔，其中不同影像资料对应的不同多尺寸金字塔中的同一层的尺寸大小一致，不同影像资料对应的不同多尺度金字塔中的同一层的尺寸大小一致。

4.根据权利要求2所述的方法，其特征在于，所述卷积神经网络分类模型包括卷积层、池化层、特征采样层、全连接层和分类输出层。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述获得所述影像资料压缩包中的至少一种影像资料之后，所述方法还包括：

依据获得的影像资料的数量，确定任务分发数量；

所述确定各个影像资料的类别包括：

以确定的任务分发数量，并行执行确定影像资料的类别的操作。

6.根据权利要求1-4任一项所述的方法，其特征在于，所述采用与所述影像资料的类别对应的识别方法，识别所述影像资料中的影像内容，得到内容信息包括：

采用光学字符识别OCR识别方法，识别影像资料中的影像文字，得到影像文字信息；

采用人脸识别方法，识别影像资料中的人脸图像，得到人脸图像信息。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

依据得到的影像文字信息和人脸图像信息，验证用户身份的合法性。