[发明专利]图像处理方法和系统

说明书

本发明公开了一种图像处理方法和系统。其中，该方法包括：获取来自边端的原始云端模型，其中，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，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；基于特征向量训练得到目标云端模型；采用不同图像采集设备在第二时刻监测到的视频数据集对目标云端模型进行训练，得到目标边端模型，其中，目标边端模型用于更新原始边端模型，使得边端基于目标边端模型分别识别不同图像采集设备在第三时刻监测到的视频数据集。本发明解决了对模型更新的效率低的技术问题。

技术领域

本发明涉及智能交通领域，具体而言，涉及一种图像处理方法和系统。

背景技术

目前，监测数据往往存储于客户端内网，通常是对数据进行打标后再完成对模型的训练，但由于数据量过大，导致对数据处理的时间过长,不能对模型进行及时更新，从而存在对模型更新的效率低的技术问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种图像处理方法和系统，以至少解决对模型更新的效率低的技术问题。

根据本发明实施例的一个方面，提供了一种图像处理方法，包括：获取来自边端的原始云端模型，其中，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，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；基于特征向量训练得到目标云端模型；采用不同图像采集设备在第二时刻监测到的视频数据集对目标云端模型进行训练，得到目标边端模型，其中，目标边端模型用于更新原始边端模型，使得边端基于目标边端模型分别识别不同图像采集设备在第三时刻监测到的视频数据集。

根据本发明实施例的一个方面，提供了另一种图像处理方法，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，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；获取云端采用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目标云端模型，而得到的目标边端模型；将原始边端模型更新为目标边端模型，其中，目标边端模型用于识别不同图像采集设备在第三时刻监测到的视频数据集。

根据本发明实施例的一个方面，提供了一种图像处理系统，包括：边端，用于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，且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；云端，用于基于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，基于特征向量训练得到目标云端模型，且采用不同图像采集设备在第二时刻监测到的视频数据集对目标云端模型进行训练，得到目标边端模型，其中，目标边端模型用于更新原始边端模型；边端还用于基于目标边端模型分别识别不同图像采集设备在第三时刻监测到的视频数据集。

根据本发明实施例的一个方面，提供了另一种图像处理方法，包括：获取来自边端的原始云端模型，其中，原始云端模型为由视频数据集对原始边端模型训练得到，视频数据集为边端采用不同图像采集设备在第一时刻对交通道路监测而得到，视频数据集包含了行驶通过交通道路的至少一车辆；基于原始云端模型对交通道路中的输入图像进行识别，得到特征向量；基于特征向量训练得到目标云端模型；采用不同图像采集设备在第二时刻监测到的视频数据集对目标云端模型进行训练，得到目标边端模型，其中，目标边端模型用于更新原始边端模型，使得边端基于目标边端模型分别识别不同图像采集设备对交通道路在第三时刻监测到的视频数据集。