(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211227543.8 (22)申请日 2022.10.09 (71)申请人 山东倍科信息技 术有限公司 地址 250000 山东省济南市高新区齐盛广 场6号楼1 118室 申请人 山东旗帜信息有限公司 (72)发明人 李晓峰　邱瀚　 (74)专利代理 机构 济南皞通专利代理事务所 (普通合伙) 37369 专利代理师 黄胜利 (51)Int.Cl. G06V 20/62(2022.01) G06V 10/26(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 机器学习建模图像识别的人工智能技 术 (57)摘要 本发明公开了机器学习建模图像识别的人 工智能技术， 涉及图像处理技术领域， 本发明包 括图像采集模块、 图像传输模块、 图像处理模块 以及人工智能模块； 图像采集模块主要用于采集 数字图像， 图像传输模块主要用于传输数字图 像， 图像处理模块主要用于对数字图像进行预处 理， 然后对预处理后的图像进行分割， 对分割后 的字图像进行编码， 将编码后的图像发送至人工 智能模块， 人工智能模块通过建立神经网络模型 对编码后的图像进行学习并验证， 最终输出神经 网络模型。 本发 明为机器学习建模图像识别的人 工智能技术， 有着图像处理识别运算量小， 识别 精度高， 识别速率快的优点。 权利要求书2页 说明书5页 附图3页 CN 115527198 A 2022.12.27 CN 115527198 A 1.机器学习建模图像识别的人工智能技术， 其特征在于： 包括图像采集模块、 图像传输 模块、 图像处 理模块以及人工智能模块； 所述图像采集模块主要用于采集数字图像， 所述图像传输模块主要用于传输数字图 像， 所述图像处理模块主要用于对数字图像进行预 处理， 然后对预 处理后的图像进 行分割， 对分割后的字图像进行编码， 将编码后的图像发送至人工智能模块， 所述人工智能模块通 过建立神经网络模型对编码后的图像进行 学习并验证， 最终输出神经网络模型； 所述图像处理模块包括预处理单元、 分割单元以及编码单元； 所述预处理单元主要用 于对图像进行 预处理； 所述分割单元主要用于对数字图像A进行分割处理得到图像 数组(a1、 a2、 a3、 ...、 an)， 具 体过程如下： 分割过程中首先计算待分割数字图像A的三分量直方图， 并分别对其进 行初步 处理， 以使 各直方图波 形保持光滑； 其次采用波峰波谷快速定位算法搜索各直方图中波谷， 并将波谷作为阈值对各直方图执行多级阈值分割； 再次将分割后直方图重新合并， 进而构 造出一个新的一 维直方图， 然后对此新的一 维直方图二次采用波峰波谷快速定位算法获取 波谷， 通过二次多级划分进而确定出初始聚类中心； 最后采用分水岭算法通过初始 聚类中 心对数字图像A进行预分割， 将得到的分割区域作为子图像， 进行区域编号， 最终得到图像 数组(a1、 a2、 a3、 ...、 an)； 所述编码单元对图像数组中的子图像ai（1≤i≤n） 进行二进制 编码， 选择子图像ai（1≤ i≤n） 最右下角的像素数值为1的点作为起始点， 以起始点为圆心， 以一定长度r为半径， 作 圆O1， 圆O1与边缘图像两个交点中的任意一个为终点， 记录终点和起点的连线与 X轴之间的 夹角B1， 选择该终点作为新的起点， 以相同长度r为半径， 作圆O2， 圆O2与边缘图像两个交点 中， 一个交点为圆O2的圆心， 另一个交点为新的终点， 记录新的圆心和新的终点连线与X轴 的夹角B2， 重复上述步骤得到边缘图像的编码数组(B1、 B2、 B3、 ...、 Bn)， 根据边缘图像的编码 数组角度大小 进行二进制转 化， 得到二进制数组(C1、 C2、 C3、 ...、 Cn)； 所述人工智能模块首先建立神经网络学习 模型， 在神经网络学习 模型中将二进制数组 C1、 C2、 C3、 ...、 Cn)作为学习对 象输入神经网络学习模型， 经过神经网络学习模型输出对应 的识别结果， 初始状态下人工判断识别结果是否准确， 若不准确， 则调节神经网络学习模型 的超参数， 继续将二进制数组C1、 C2、 C3、 ...、 Cn)作为学习对象输入神经 网络学习模型， 再次 调节神经网络学习模型的超参数， 直至 输出准确的识别结果。 2.根据权利要求1所述的机器学习建模图像识别的人工智能技术， 其特征在于： 所述图 像采集模块 通过采集摄 像头拍摄车牌图像。 3.根据权利要求1所述的机器学习建模图像识别的人工智能技术， 其特征在于： 所述图 像传输模块包括第一 发送单元以及第一接收单元， 第一 发送单元主要用于发送图像采集模 块拍摄的数字图像， 所述图像处理模块通过第一接收单元获取第一 发送单元发送的数字图 像。 4.根据权利要求1所述的机器学习建模图像识别的人工智能技术， 其特征在于： 所述预 处理单元主要用于对图像进行预处理， 具体包括图像的灰度值处理， 设定对比阈值G， 比对 每一个像素点灰度值与区域灰度标准值G； 当像素点灰度值大于等于G时， 判定该像素点为 白点， 调整该像素点灰度值为预设的白色亮度常数； 当像素点灰度值小于G时， 判定该像素 点为黑点， 调整该像素点灰度值为预设的黑色亮度常数， 最 终得到灰度值图像， 将灰度值图权　利　要　求　书 1/2 页 2 CN 115527198 A 2像作为预处 理后的图像。 5.根据权利要求4所述的机器学习建模图像识别的人工智能技术， 其特征在于： 对比阈 值G是通过以下方式计算得到， 首先将数字图像A的所有行阈值g[i]相加后除以总行数n得 到该帧图像中 固定区域的区域灰度标准 值G， 则该 标准值G最为对比阈值G。 6.根据权利要求3所述的机器学习建模图像识别的人工智能技术， 其特征在于： 所述第 一发送单 元以及第一接收单 元之间通过 无线WIFI连接， 实现通过 无线WIFI进行图像传输 。 7.根据权利要求2所述的机器学习建模图像识别的人工智能技术， 其特征在于： 对图像 采集模块多次获取的不同车牌图像建立图像存储数据库进 行存储， 并对图像存储数据库建 立查询机制以及防护机制。 8.根据权利要求2所述的机器学习建模图像识别的人工智能技术， 其特征在于： 所述人 工智能模块建立学习结果库， 所述学习结果库主要用于存储神经网络学习模型中每次准确 输出的识别结果。权　利　要　求　书 2/2 页 3 CN 115527198 A 3