本发明涉及计算机,尤其涉及一种基于存储集群的大数据处理方法及ai系统。
背景技术:
1、在相关技术中,当处理器或服务器需要调用存储集群中多个存储单元内存储的信息时,需要将各个存储单元内存储的信息加载至服务器并进行运算,然而,在面对数据量较大的信息时,例如,图像、视频等,其加载速度可能较慢,不仅由于数据量较大,还可能由于带宽原因导致传输速率较慢,从而导致整体加载速度慢。在目标识别的过程中,如果获得了待处理图像后,再从多个存储单元中一一加载图像进行比对,则会造成识别速度较慢,处理效率较低。
2、公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
技术实现思路
1、本发明提供一种基于存储集群的大数据处理方法及ai系统,能够解决加载速度较慢以及识别速度较慢的技术问题。
2、根据本发明的第一方面,提供一种基于存储集群的大数据处理方法,包括:
3、接收摄像头采集的待处理图像,其中,所述待处理图像中包括至少一种目标对象;
4、通过图像检测模型,确定所述待处理图像中目标对象所在区域;
5、对所述目标对象所在区域进行特征提取,获取所述目标对象的类型特征信息、姿态特征信息和色彩特征信息;
6、根据所述类型特征信息、姿态特征信息和色彩特征信息,获得所述目标对象的标识特征信息;
7、根据所述目标对象的标识特征信息,对存储集群中多个存储单元的对照特征信息进行筛选,获得目标存储单元和目标对照特征信息;
8、根据所述待处理图像的类型特征信息、姿态特征信息和色彩特征信息,以及所述目标存储单元中存储的多个参考特征信息和所述目标对照特征信息,获得描述特征信息;
9、对所述描述特征信息进行解码,获得所述目标对象的描述信息;
10、根据所述目标对象的描述信息,获得待处理图像的描述信息。
11、根据本发明的第二方面,提供一种基于存储集群的大数据处理ai系统,
12、包括:
13、接收模块,用于接收摄像头采集的待处理图像,其中,所述待处理图像中包括至少一种目标对象;
14、检测模块,用于通过图像检测模型,确定所述待处理图像中目标对象所在区域;
15、提取模块,用于对所述目标对象所在区域进行特征提取,获取所述目标对象的类型特征信息、姿态特征信息和色彩特征信息;
16、标识模块,用于根据所述类型特征信息、姿态特征信息和色彩特征信息,获得所述目标对象的标识特征信息;
17、筛选模块,用于根据所述目标对象的标识特征信息,对存储集群中多个存储单元的对照特征信息进行筛选,获得目标存储单元和目标对照特征信息;
18、描述特征模块,用于根据所述待处理图像的类型特征信息、姿态特征信息和色彩特征信息,以及所述目标存储单元中存储的多个参考特征信息和所述目标对照特征信息,获得描述特征信息;
19、目标描述模块,用于对所述描述特征信息进行解码,获得所述目标对象的描述信息;
20、图像描述模块,用于根据所述目标对象的描述信息,获得待处理图像的描述信息。
21、技术效果:根据本发明,可基于待处理图像的类型特征信息、姿态特征信息和色彩特征信息获得标识特征信息,并利用标识特征信息来选择存储与待处理图像的特征相似的参考特征信息的目标存储单元,进而可从目标存储单元中加载参考特征信息进行对比,从而选择出相似度最高的参考特征信息,以利用参考特征信息的描述特征信息获得待处理图像的特征对象的描述信息,可在选择用于对比的参考特征信息时,首先基于标识特征信息选择目标存储单元,从而仅加载目标存储单元中的参考特征信息,减少需要加载的存储单元数量以及需要加载的数据量,提升加载速度,避免因同时加载多个存储单元内的信息造成带宽不足使加载速度下降,并且,仅需加载目标存储单元内的参考特征信息,信息量远小于图像本身,加载速度更快,且比对速度更快,提升处理效率。在确定肢体参数向量时,可通过对肢体各个部分的各个关键点的向量朝向和向量长度进行融合,获得向量的描述信息,并对向量的描述信息进行融合,获得肢体各个部分的肢体参数,可将多个关键点对应的多个元素降维成能够代表多个关键点的肢体参数,能够准确实现降维处理。在确定描述特征信息时,可通过待处理图像的类型特征信息、姿态特征信息与色彩特征信息形成特征矩阵,并在转置后与标识特征信息相乘,可进一步降维,节省运算量,并增强类型、姿态和色彩特征,可获得更具代表性的低维向量,同样地,可获得更具代表性的样本图像的更具代表性的低维向量,通过两种低维向量的相似度运算,即可获得目标样本图像以及描述特征信息,提升了相似度运算的准确性和代表性,降低了算力消耗。
22、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本发明。根据下面参考附图对示例性实施例的详细说明,本发明的其它特征及方面将更清楚。
1.一种基于存储集群的大数据处理方法,其特征在于,包括:
2.根据权利要求1所述的基于存储集群的大数据处理方法,其特征在于,根据所述类型特征信息、姿态特征信息和色彩特征信息,获得所述目标对象的标识特征信息,包括:
3.根据权利要求2所述的基于存储集群的大数据处理方法,其特征在于,根据所述姿态特征信息的多个元素,获得肢体参数向量,包括:
4.根据权利要求1所述的基于存储集群的大数据处理方法,其特征在于,所述方法还包括:
5.根据权利要求4所述的基于存储集群的大数据处理方法,其特征在于,如果相似度大于或等于相似度阈值,则将所述存储单元作为存储所述样本图像的参考特征信息的存储单元,包括:
6.根据权利要求5所述的基于存储集群的大数据处理方法,其特征在于,根据所述待处理图像的类型特征信息、姿态特征信息和色彩特征信息,以及所述目标存储单元中存储的多个参考特征信息和所述目标对照特征信息,获得描述特征信息,包括:
7.根据权利要求6所述的基于存储集群的大数据处理方法,其特征在于,根据所述待处理图像的特征矩阵、待处理图像的标识特征信息、样本图像的特征矩阵以及所述目标对照特征信息,确定所述描述特征信息,包括:
8.一种基于存储集群的大数据处理ai系统,其特征在于,包括: