[发明专利]一种图像识别方法和装置

权利要求书

1.一种图像识别方法，其特征在于，包括：

将获取到的第一视频图像数据转换为YUV422格式，得到第二视频图像数据，所述第一视频图像数据为HDMI格式；

基于预设的图像识别模型对所述第二视频图像数据进行数据处理，确定目标对象以及所述目标对象的坐标位置信息，所述坐标位置信息至少包括三个坐标点位置，所述三个坐标点位置构成一图像框；

根据所述目标对象的坐标位置信息确定的图像框，提取所述第二视频图像数据中对应所述图像框的坐标像素点数据，并标注所述坐标像素点数据；

将标注所述坐标像素点数据的所述第二视频图像数据转换为第三视频图像数据输出，所述第三视频图像数据为HDMI格式。

2.根据权利要求1所述的方法，其特征在于，所述图像识别模型的预设过程，包括：

获取样本数据，所述样本数据包括目标对象数据；

基于所述样本数据对深度学习神经网络模型进行训练，得到图像识别模型，所述图像识别模型用于识别目标对象。

3.根据权利要求2所述的方法，其特征在于，所述基于预设的图像识别模型对所述第二视频图像数据进行数据处理，确定目标对象以及所述目标对象的坐标位置信息，包括：

基于预设的图像识别模型对所述第二视频图像数据进行深度学习计算，确定所述第二视频图像数据中对应目标对象的数据；

根据所述目标对象的数据，确定所述目标对象以及所述目标对象的坐标位置信息。

4.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象的坐标位置信息确定的图像框，提取所述第二视频图像数据中对应所述图像框的坐标像素点数据，并标注所述坐标像素点数据，包括：

根据所述目标对象的坐标位置信息确定的图像框，确定所述图像框在所述第二视频图像数据对应的视频图像中的位置；

提取所述第二视频图像数据中对应所述位置的坐标像素点数据；

对所述坐标像素点数据进行标注。

5.根据权利要求1-3中任意一项所述的方法，其特征在于，所述标注所述坐标像素点数据，包括：

获取所述坐标像素点数据对应的颜色分量，所述颜色分量包括灰度值和色度值；

更改所述坐标像素点数据中的色度值，完成对所述坐标像素点的标注。

6.一种图像识别装置，其特征在于，包括：AI处理单元、视频格式转换单元和主控单元；

所述视频格式转换单元，用于将获取到的第一视频图像数据转换为YUV422格式，得到第二视频图像数据，并将所述第二视频图像数据通过BT1120接口发送至所述主控单元，所述第一视频图像数据为HDMI格式，以及将标注所述坐标像素点数据的所述第二视频图像数据转换为第三视频图像数据，通过HDMI接口输出；

所述AI处理单元，用于基于所述BT1120接口接收所述主控单元转发的第二视频图像数据，基于预设的图像识别模型对所述第二视频图像数据进行数据处理，确定目标对象以及所述目标对象的坐标位置信息，并将所述目标对象的坐标位置信息发送至所述主控单元；所述坐标位置信息至少包括三个坐标点位置，所述三个坐标点位置构成一图像框；

所述主控单元，用于通过BT1120接口接收所述视频格式转换单元发送的第二视频图像数据，并通过所述BT1120接口转发至所述AI处理单元，以及接收所述AI处理单元发送的所述目标对象的坐标位置信息，根据所述目标对象的坐标位置信息确定的图像框，提取所述第二视频图像数据中对应所述图像框的坐标像素点数据，并标注所述坐标像素点数据。

7.根据权利要求6所述的装置，其特征在于，所述图像识别模型的预设过程的所述AI处理单元，包括：

第一获取模块，用于获取样本数据，所述样本数据包括目标对象数据；

训练模块，用于基于所述样本数据对深度学习神经网络模型进行训练，得到图像识别模型，所述图像识别模型用于识别目标对象。