本发明属于图片视频的识别，具体涉及一种图片视频扫描比对识别方法。
背景技术：
1、随着终端图片和视频分析技术的发展，可以在手机、平板等电子设备上完成视频的扫描，实现安全监控、人脸识别、车辆识别、医学图像分析、视频编辑和特效等功能。
2、在图片和视频比对识别领域，现有技术存在以下主要缺点：1.鲁棒性不足：现有系统在面对光照变化、角度变化和背景复杂的情况下容易出现误识别或漏识别。2.效率低下：现有技术在处理大量数据或实时视频流时可能需要大量计算资源，限制了其应用领域。3.对遮挡和变形的处理能力有限：现有系统难以有效处理遮挡、变形或部分遮挡的情况，导致识别失败。
技术实现思路
1、本发明的目的在于提供一种图片视频扫描比对识别方法。
2、一种图片视频扫描比对识别方法，按照如下步骤进行：
3、(1)获取待识别的图片和/或视频；
4、(2)相似度分析：通过多层扫码装置进行图片特征比对，从大到小，从左到右，从上往下进行图像特征值比对，采用像素综合值进行局部图片扫描获取特征值，进行比对，并通过视神经网络训练方法辅助保证比对的准确性，以确保准确性和鲁棒性；
5、(3)热力分布分析：使用图片色彩热力分布进行综合分析，该特征算法采用归纳像素点颜色集合形成一个局部图像，完成快速图片对比扫描。
6、所述多层扫码装置包括支架，支架上设有安装板，安装板上固定安装有扫码仪，所述支架上还设有模组定位台，所述模组定位台上设有用于对摄像模组定位的定位槽，所述模组定位台的定位槽位于扫码装置的扫描区，并与扫码装置一一对应。
7、所述视神经网络训练方法包括：创建第一神经网络，利用所述第一神经网络进行图片和/或视频重建训练，得到第一参数模型；基于所述第一参数模型创建第二神经网络；利用所述第二神经网络同时进行图片和/或视频重建训练，得到第二参数模型；基于所述第二参数模型创建第二神经网络。
8、所述第一神经网络训练后可输出与输入图片和/或视频尺寸相同、内容相近的图片和/或视频。
9、通过mse或l1或感知损失函数对图像重建训练进行损失函数的监督，得到第一参数模型。
10、通过特征算法进行比返回相识度值，该特征算法采用归纳像素点颜色集合形成一个局部图像，完成快速图片对比扫描。
11、一种图片视频扫描比对识别设备，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行以实现如上述任意一项所述的图片视频扫描比对识别方法。
12、一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的图片视频扫描比对识别方法。
13、本发明的有益效果：本发明提供一种图片视频扫描比对识别方法，比鲁棒性的比对识别系统更强，能够在不同条件下提高准确性，降低误识别率。开发一种高效的匹配和搜索算法，以便能够在实时或大规模数据处理时保持高性能。提供一种处理遮挡、变形和部分遮挡的方法，以提高识别的鲁棒性和可靠性，尤其在复杂场景下。
1.一种图片视频扫描比对识别方法，其特征在于，按照如下步骤进行：
2.根据权利要求1所述图片视频扫描比对识别方法，其特征在于，所述多层扫码装置包括支架，支架上设有安装板，安装板上固定安装有扫码仪，所述支架上还设有模组定位台，所述模组定位台上设有用于对摄像模组定位的定位槽，所述模组定位台的定位槽位于扫码装置的扫描区，并与扫码装置一一对应。
3.根据权利要求1所述图片视频扫描比对识别方法，其特征在于，所述视神经网络训练方法包括：创建第一神经网络，利用所述第一神经网络进行图片和/或视频重建训练，得到第一参数模型；基于所述第一参数模型创建第二神经网络；利用所述第二神经网络同时进行图片和/或视频重建训练，得到第二参数模型；基于所述第二参数模型创建第二神经网络。
4.根据权利要求3所述图片视频扫描比对识别方法，其特征在于，所述第一神经网络训练后可输出与输入图片和/或视频尺寸相同、内容相近的图片和/或视频。
5.根据权利要求3所述图片视频扫描比对识别方法，其特征在于，通过mse或l1或感知损失函数对图像重建训练进行损失函数的监督，得到第一参数模型。
6.根据权利要求1所述图片视频扫描比对识别方法，其特征在于，通过特征算法进行比返回相识度值，该特征算法采用归纳像素点颜色集合形成一个局部图像，完成快速图片对比扫描。
7.一种图片视频扫描比对识别设备，其特征在于，包括处理器、存储器以及存储在所述存储器内的计算机程序，所述计算机程序能够被所述处理器执行以实现如权利要求1-6任意一项所述的图片视频扫描比对识别方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-6任意一项所述的图片视频扫描比对识别方法。