本发明涉及电子技术领域，尤其涉及一种大数据图像识别处理系统。
背景技术：
随着移动互联网与智能终端技术的发展，带有数字摄像头智能手机、平板电脑越来越多的进入人们的生活，很容易产生大量的个人数字图像。对于海量图像的处理是一个很庞大的工程，通常对于产生的图像可以先进行分类处理，之后再进行其他形式的处理，因此，分类的好坏可能会直接影响后续对图像的处理效果。
图像处理技术的发展紧密地联系到计算机技术的发展及新的数学方法的应用。常规的数学的方法如各种变换、线性代数是进入图像处理的门槛，而新的数学理论如小分形、混沌、可行变模型等已经出现，便立即在图像处理中得到应用。新一代图像压缩技术中，一种重要的方法是图像子带编码。图像子带编码的基本思想是将图像信号的频带用一组分析滤波器分割成各个子带信号，针对每个不同的子带信号，按照它的统计特性分配不同的编码器和比特率。这样做的好处在于压缩误差仅仅局限于各个子带信号中，互不影响，并且可以根据人眼视觉系统频率区域敏感的特征，给各个不同的子带信号分配不同的比特率，不但可以获得高压缩比，而且重构图像的主观视觉效果比较好。其实小波变换，金字塔多尺度分割算法都可以归属于图像子带编码技术。由于图像处理技术应用圈的迅速扩大，渴望学习与掌握这门技术的越来越多。
20世纪90年代，随着信息社会的到来，图像处理技术进入一个更加迅猛发展的阶段。特别是多媒体技、通信技术、信息存储技术和国际因特网(internet)为代表的计算机网络技术的加速发展和广泛普及以及高清晰度电视(hdtv)的深入应用研究，更加推广了图像处理技术的研究与发展。
模式识别与智能系统学科是当今发展最快的热点学科，随着模式识别与智能工程理论与技术的发展已使世界科技形势发生了很大的变革。智能信息处理科学与技术已渗透到计算机、通信、交通运输、医学、物理、化学、生物学、军事、经济等各个领域。该学科以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统的性能。模式识别与智能系统是现代服务业信息支撑技术之一，是一门理论与实际紧密结合，具有广泛的应用价值的控制科学与工程的重要学科分支。21世纪是智能化、信息化、计算化、网络化的世纪，在这个以数字计算为特征的世纪里，作为人工智能技术基础学科的模式识别技术，必将获得巨大的发展空间。在国际上，各大权威研究机构，各大公司都纷纷开始将模式识别技术作为公司的战略研发重点。
现在人们充分认识到数字图像处理是认识世界，改造世界的重要手段。图像处理和识别技术已应用于许多领域，成为21世纪信息时代的一门重要的高新科学技术。
目前，常见的分类处理大都是根据图像的名称、修改时间、类型来对海量的图像进行归类，不难理解的是，对于图像的名称以及修改时间以及图像类型往往是可以进行修改的，例如，同样一张图像，如果用户输入的名称为“东方明珠”时，该图像被分类到建筑类，但是如果用户修改该图像的名称为“留影之东方明珠”后，该图像可能会被分类到旅游景点类；由此可见，上述的对图像的分类处理方式，具有很强的主观性和随机性，对图像进行分类的准确度较低。
技术实现要素：
本发明公开了一种大数据图像识别处理系统，提高了对图像进行分类的准确度。
为了达到上述目的，本发明提供了一种大数据图像识别处理系统，包括：
分类模块，用于对获得的目标图像按照预设规则进行分类，其中，所述预设规则为图像是否包含人物画面；
识别模块，用于对所述目标图像进行特征提取，识别针对所述目标图像中每一像素的特征值；
处理模块，用于在所述特征值是否与预设分类库中任一类型图像的特征值匹配的情况下，将所述目标图像标记为该类型图像。
优选的，在判断所述特征值与预设分类库中任一类型图像的特征值均不匹配的情况下，还包括：
建立模块，用于基于所述目标图像，在所述预设分类库中建立一个新的类型图像。
优选的，所述识别模块，包括：
对所述目标图像中每一像素的像素值进行提取，获得每一像素的像素值。
优选的，所述每一像素均具有特征值，特征值能够唯一的确定像素。
优选的，所述特征值可以为ycbcr，即y（亮度）值、cb和cr（色度）值。
优选的，所述特征值可以为每一像素均有对应的rgb值，即r（红色）颜色分量值、g（绿色）颜色分量值、b（蓝色）颜色分量值。
优选的，所述识别模块，包括：
对所述目标图像进行灰度处理，提取灰度值，获取针对所述目标图像中每一像素的灰度值。
优选的，所述处理模块，包括：
将所述目标图像标记为目标类型图像，所述目标类型图像为与所述目标图像的特征值匹配度最高的类型图像。
本发明提供一种大数据图像识别处理系统，在获得目标图像后；对所述目标图像进行特征提取，获得针对所述目标图像中每一像素的特征值；判断所述特征值是否与预设分类库中任一类型图像的特征值匹配；如果是，将所述目标图像标记为该类型图像，应用本发明实施例提供的方案对目标图像进行分类处理，能够可观地根据目标图像的真实内容，对目标图像进行特征提取，能够有效地提高分类的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的大数据图像识别处理系统的第一种示意图。
图2为本发明实施例提供的大数据图像识别处理系统的第二种示意图。
图3为本发明实施例提供的大数据图像识别处理系统的第三种示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面通过具体实施例，对本发明进行详细说明。
参见图1至图3，本发明实施例提供的大数据图像识别处理系统的流程示意图，该包括如下步骤：
为了达到上述目的，本发明实施例提供了一种大数据图像识别处理系统，包括：
分类模块1，用于对获得的目标图像按照预设规则进行分类，其中，所述预设规则为图像是否包含人物画面；
识别模块2，用于对所述目标图像进行特征提取，识别针对所述目标图像中每一像素的特征值；
处理模块3，用于在所述特征值是否与预设分类库中任一类型图像的特征值匹配的情况下，将所述目标图像标记为该类型图像。
进一步的，在判断所述特征值与预设分类库中任一类型图像的特征值均不匹配的情况下，还包括：
建立模块4，用于基于所述目标图像，在所述预设分类库中建立一个新的类型图像。
进一步的，所述识别模块2，包括：
对所述目标图像中每一像素的像素值进行提取，获得每一像素的像素值。
进一步的，所述识别模块2，包括：
对所述目标图像进行灰度处理，提取灰度值，获取针对所述目标图像中每一像素的灰度值。
进一步的，所述处理模块3，包括：
将所述目标图像标记为目标类型图像，所述目标类型图像为与所述目标图像的特征值匹配度最高的类型图像。
每一像素均具有特征值，特征值能够唯一的确定像素，例如，每一像素均有对应的rgb值，即r（红色）颜色分量值、g（绿色）颜色分量值、b（蓝色）颜色分量值，示例性的，rgb值为：0、0、0，是指r颜色分量值、g颜色分量值以及b颜色分量值均为0，那么对应人们能够看到的颜色为黑色，若rgb值为：255、255、255，是指r颜色分量值、g颜色分量值以及b颜色分量值均为255，那么对应人们能够看到的颜色为白色，因此，根据rgb值的不同，像素能够呈现出绚烂的颜色。
特征值还可以为ycbcr，即y（亮度）值、cb和cr（色度）值，由于目标图像参考的颜色空间不同，而不同的颜色空间之间通常是能够进行相互转化的，因此像素可以具有多个像素值。
示例性的，预设分类库中包含建筑类型、水果类型、人物类型、花草类型、飞鸟类型、萌宠类型、明星赵丽颖类型等等类型，假设上述对“赵丽颖”进行特征提取之后，可以判断“赵丽颖”即与预设分类库中的“人物类型”匹配，又与预设分类库中的“明星赵丽颖类型”匹配，但是，目标图像与“人物类型”进行匹配的匹配度为65%，而目标图像与“明星赵丽颖类型”进行匹配的匹配度为85%，可见，目标图像与“明星赵丽颖类型”进行匹配的匹配度更高，因此，可以将目标图像标记为“明星赵丽颖”，此时的“明星赵丽颖”即为目标类型图像。
不难理解的是，在判断所述特征值与预设分类库中任一类型图像的特征值均不匹配的情况下，所述还包括：
基于所述目标图像，在所述预设分类库中建立一个新的类型图像。
本发明实施例提供的方案中，在获得目标图像后；对所述目标图像进行特征提取，获得针对所述目标图像中每一像素的特征值；判断所述特征值是否与预设分类库中任一类型图像的特征值匹配；如果是，将所述目标图像标记为该类型图像，应用本发明实施例提供的方案对目标图像进行分类处理，能够可观地根据目标图像的真实内容，对目标图像进行特征提取，能够有效地提高分类的准确度。
需要说明的是，本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于实施例，所以描述的比较简单，相关之处参见实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。