[发明专利]分类成分信息处理应用系统

说明书

本发明涉及一种分类成分信息处理应用系统，包括：定制检测机构，用于获取输入图像的每一个像素点对应的在LAB空间下的红绿成分数值、黑白成分数值和黄蓝成分数值，进而辨识输入图像的针对性锐化等级；目标判断设备，用于采用循环神经网络以基于输入图像的针对性锐化等级、输入图像的对比度以及输入图像的各个像素点分别对应的各个景深数值智能鉴别输入图像中存在的人体目标的数量。通过本发明，能够基于图像的针对性锐化等级、对比度以及各个像素点分别对应的各个景深数值智能鉴别图像中存在的人体目标的数量，其中采用了定制分析模式提升了图像锐化等级的鉴别精度，以及针对性的循环神经网络的训练机制保证了智能鉴别的有效性。

技术领域

本发明涉及图像处理领域，尤其涉及一种分类成分信息处理应用系统。

背景技术

图像处理技术是用计算机对图像信息进行处理的技术，主要包括图像数字化、图像增强和复原、图像数据编码、图像分割和图像识别等。

几何图形(Graphics)由点、线、面、颜色等组成，由绘图程序产生，是一系列绘图指令的集合，一般用各种绘图软件制作。点阵图像由各像素点和颜色组合而成，使用摄像机、扫描仪、数码相机等设备获得，也可以使用绘图软件生成。图像表示的画面细腻，层次和色彩丰富。图像的各像素点逐点存储在计算机中，占用的存储空间大。由此可见，可以采用人体目标的几何图形特征，例如标准人体图案的点、线、面、颜色等几何组件的几何特征完成对每一图像是否存在人体目标以及存在人体目标的数量的内容判断。

然而，上述人体目标的图像鉴别需要依赖基于标准人体图案的点、线、面、颜色等几何组件的几何特征的复杂判断，同时由于标准人体图案与实际人体图案仍存在偏差，导致上述人体目标的图像鉴别运算量较大、鉴别时间长且鉴别效果存在一定的偏差。

现有技术中关于人体图像检测的技术方案有：

申请公布号为CN115482494A的发明涉及一种人体跌倒检测方法及特征提取模型获取方法、和装置，该人体跌倒检测方法包括：将待检测的人体图像输入至特征提取模型中，得到目标图像特征，其中，该特征提取模型基于使站姿类别图像特征聚合并且跌倒类别图像特征与站姿类别图像特征分离的约束训练得到；然后根据所述目标图像特征与预存的站姿类别的人体图像特征均值之间的距离来确定当前人体图像为人体跌倒图像还是人体站姿图像。

申请公布号为CN115393510A的发明提供一种人体模型构建方法、装置、电子设备及存储介质；其中所述人体模型构建方法包括：基于单视角人体图像及单视角人体图像对应的人体参数化模型，确定人体参数化模型对应的目标人体法向图；基于目标人体法向图及人体参数化模型，确定人体参数化模型对应的目标先验特征，目标先验特征是将法向图先验特征、相对深度先验特征及骨架结构先验特征进行特征融合后得到的；基于目标先验特征，构建目标人体模型。

发明内容

区别于现有技术，为了解决相关领域的技术问题，本发明提供了一种分类成分信息处理应用系统，能够基于每一图像的针对性锐化等级、对比度以及各个像素点分别对应的各个景深数值智能鉴别图像中是否存在人体目标以及存在的人体目标的数量，尤为关键的是，采用了定制分析模式提升了图像锐化等级的鉴别精度，以及针对性的循环神经网络的训练机制保证了智能鉴别的有效性，从而减少了人体目标鉴别的运算量，降低了人体目标的鉴别误差。

根据本发明的一方面，所述系统包括：

定制检测机构，用于获取输入图像的每一个像素点对应的在LAB空间下的红绿成分数值、黑白成分数值和黄蓝成分数值，并基于所述输入图像的各个像素点分别对应的各个红绿成分数值、各个黑白成分数值和各个黄蓝成分数值辨识所述输入图像的针对性锐化等级；

信息捕获机构，用于获取所述输入图像的各个像素点分别对应的各个景深数值以及获取所述输入图像的对比度；

训练操作设备，与目标判断设备连接，用于对循环神经网络执行设定数量的多次训练，并将执行完多次训练的循环神经网络发送给所述目标判断设备使用；