[发明专利]图像处理方法和系统

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取来自边端的原始云端模型，其中，所述原始云端模型为由视频数据集对原始边端模型训练而得到，所述视频数据集为边端采用不同图像采集设备在第一时刻监测而得到；

基于所述原始云端模型对待监测场景中的输入图像进行图像识别，得到特征向量；

基于所述特征向量训练得到目标云端模型；

采用所述不同图像采集设备在第二时刻监测到的视频数据集对所述目标云端模型进行训练，得到目标边端模型，其中，所述目标边端模型用于更新所述原始边端模型，使得所述边端基于所述目标边端模型分别识别所述不同图像采集设备在第三时刻监测到的视频数据集。

2.根据权利要求1所述的方法，其特征在于，基于所述原始云端模型对待监测场景中的输入图像进行图像识别，得到特征向量，包括：

基于分别与多个所述待监测场景对应的所述原始云端模型，对多个所述待监测场景中的输入图像进行图像识别，得到多个子特征向量，其中，多个所述子特征向量与多个所述待监测场景一一对应；

对多个所述子特征向量进行平均池化，得到所述特征向量。

3.根据权利要求1所述的方法，其特征在于，基于所述特征向量训练得到目标云端模型，包括：

基于所述特征向量和目标损失函数对所述原始云端模型进行训练，得到所述目标云端模型。

4.根据权利要求1所述的方法，其特征在于，采用所述不同图像采集设备在第二时刻监测到的视频数据集对所述目标云端模型进行训练，得到目标边端模型，包括：

基于所述原始边端模型对监测到的视频数据集进行识别，得到识别结果；将所述识别结果确定为伪标签，且基于所述伪标签对所述目标云端模型进行训练，得到所述目标边端模型；或者

基于监测到的视频数据集对所述目标云端模型的权重进行迁移学习，得到所述目标边端模型。

5.一种图像处理方法，其特征在于，包括：

获取由不同图像采集设备在第一时刻监测到的视频数据集；

采用监测到的视频数据集对原始边端模型进行训练，得到原始云端模型，其中，所述原始云端模型用于使云端基于待监测场景中的输入图像进行图像的特征向量训练，而得到目标云端模型；

获取所述云端采用所述不同图像采集设备在第二时刻监测到的视频数据集来训练所述目标云端模型，而得到的目标边端模型；

将所述原始边端模型更新为所述目标边端模型，其中，所述目标边端模型用于识别所述不同图像采集设备在第三时刻监测到的视频数据集。

6.根据权利要求5所述的方法，其特征在于，将所述原始边端模型更新为所述目标边端模型，以分别识别所述不同图像采集设备在第三时刻监测到的视频数据集，包括：

将所述目标边端模型确定为所述原始边端模型，将所述第三时刻监测到的视频数据集确定为所述第一时刻监测到的视频数据集，返回执行所述采用监测到的视频数据集对原始边端模型进行训练，得到原始云端模型的步骤。

7.根据权利要求5所述的方法，其特征在于，采用监测到的视频数据集对原始边端模型进行训练，得到原始云端模型，包括以下之一：

对监测到的视频数据集进行增强处理，得到增强视频数据集；将所述增强视频数据集作为训练样本对所述原始边端模型进行自监督训练，得到所述原始云端模型，其中，所述训练样本中多个正样本之间的距离小于多个负样本之间的距离；

对监测到的视频数据集进行掩码处理，得到掩码视频数据集；基于所述原始边端模型对所述掩码视频数据集进行还原处理；基于还原后的所述掩码视频数据集和监测到的视频数据集对所述原始边端模型进行训练，得到所述原始云端模型；

基于所述原始边端模型识别出监测到的视频数据集的伪标签；将监测到的视频数据集的伪标签生成文本，其中，所述文本用于描述监测到的视频数据集；基于监测到的视频数据集和所述文本，将所述原始边端模型训练为所述原始云端模型。