一種圖像識別方法和裝置制造方法及圖紙

本發明專利技術提供了一種圖像識別方法和裝置，所述方法包括：獲取待識別圖像的至少兩類圖像特征；確定所述至少兩類圖像特征中的每類圖像特征所對應的分類器，所述圖像特征以及與所述圖像特征對應的分類器形成至少一個級聯樹節點；將所述至少一個級聯樹節點進行隨機組合以構成特征級聯樹；將所述特征級聯樹組成構成特征級聯森林并基于所述特征級聯森林對所述待識別圖像進行圖像識別。本發明專利技術通過提取待識別圖像的至少兩類圖像特征以及與其對應的分類器生成特征級聯樹并基于該特征級聯樹進行圖像識別，從而由于采用特征分類器組合的方式無需匹配多個特征，通用特征集合可以有效規避特征選擇造成的不穩定性，從而提高特征識別準確率。

【技術實現步驟摘要】

本專利技術涉及圖像識別領域，特別是涉及一種圖像識別方法和裝置。
技術介紹
隨著圖像處理技術的發展，越來越多的領域開始使用圖像處理技術，例如，在工業領域，開始使用圖像識別工業元件代替以前人工識別工業元件的方法等?，F有圖像識別技術大多是基于多區域、多特征的識別方法，現有的多特征前期融合需要將不同維度，不同取值范圍的特征拼接在一起，容易造成特征維數太高而導致過擬合、高維度特征覆蓋低維度特征對識別的影響、特征人工選取造成識別不穩定等問題，從而使得圖像識別準確率低。
技術實現思路
本專利技術實施例提供一種圖像識別方法及裝置，以期提高圖像識別準確率。第一方面，本專利技術提供了一種圖像識別方法，包括：獲取待識別圖像的至少兩類圖像特征；確定所述至少兩類圖像特征中的每類圖像特征所對應的分類器，所述圖像特征以及與所述圖像特征對應的分類器形成至少一個級聯樹節點；將所述至少一個級聯樹節點進行隨機組合以構成特征級聯樹；將所述特征級聯樹組成構成特征級聯森林并基于所述特征級聯森林對所述待識別圖像進行圖像識別。第二方面，本專利技術提供了一種圖像識別裝置，包括：獲取模塊，用于獲取待識別圖像的至少兩類圖像特征；確定模塊，用于確定所述至少兩類圖像特征中的每類圖像特征所對應的分類器，所述圖像特征以及與所述圖像特征對應的分類器形成至少一個級聯樹節點；構成模塊，用于將所述至少一個級聯樹節點進行隨機組合以構成特征級聯樹；識別模塊，用于將所述特征級聯樹組成構成特征級聯森林并基于所述特征級聯森林對所述待識別圖像進行圖像識別。可以看出，在本專利技術實施例的方案中，首先獲取待識別圖像的至少兩類圖像特征；其次確定所述至少兩類圖像特征中的每類圖像特征所對應的分類器，所述圖像特征以及與所述圖像特征對應的匹配分類器形成至少一個級聯樹節點；然后將所述至少一個級聯樹節點進行隨機組合以構成特征級聯樹；最后將所述特征級聯樹組成構成特征級聯森林并基于所述特征級聯森林對所述待識別圖像進行圖像識別?？梢姡噍^于現有技術，本方案通過提取待識別圖像的至少兩類圖像特征以及與其對應的分類器生成特征級聯樹并基于該特征級聯樹進行圖像識別，從而由于采用特征分類器組合的方式無需匹配多個特征，通用特征集合可以有效規避特征選擇造成的不穩定性，從而提高特征識別準確率。更進一步地，現有的多特征分類識別方法常常需要將多種特征通過前期或后期融合在一起，因此需要匹配不同類型特征的取值范圍和核融合參數，容易造成準確率退化，待擬合參數過多等問題。而本專利技術方案采用的特征及其匹配分類器則無需擬合融合參數及其核函數參數，可以降低現有多特征融合方法中由高維度向量、多待擬合參數而造成的大運算量，提高圖像識別效率。更進一步地，本方案采用的圖像識別方法規避了高維特征、多待擬合參數的造成的復雜運算，從而提高識別效率。同時也避免了過擬合和特征選擇對識別結果的影響。附圖說明為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1是本專利技術實施例提供的一種圖像識別方法流程示意圖；圖2是本專利技術實施例提供的特征級聯樹的生成示意圖；圖3是本專利技術實施例提供的另一種圖像識別方法流程示意圖；圖4是本專利技術實施例提供的一種圖像識別裝置示意圖；圖5是本專利技術實施例提供的另一種圖像識別裝置示意圖；圖6是本專利技術實施例提供的又一種圖像識別裝置示意圖。具體實施方式本專利技術實施例提供了一種圖像識別方法及裝置，以期可以提高圖像識別準確率。下面將結合本專利技術實施例中的附圖，對本專利技術實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本專利技術一部分實施例，而不是全部的實施例?；诒緦＠夹g中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術保護的范圍。需要說明的是，在本專利技術實施例中使用的術語是僅僅出于描述特定實施例的目的，而非旨在限制本專利技術。在本專利技術實施例和所附權利要求書中所使用的單數形式的“一種”、“所述”和“該”也旨在包括多數形式，除非上下文清楚地表示其他含義。還應當理解，本文中使用的術語“和/或”是指并包含一個或多個相關聯的列出項目的任何或所有可能組合。本專利技術實施例提供的一種圖像識別方法，包括：獲取待識別圖像的至少兩類圖像特征；確定所述至少兩類圖像特征中的每類圖像特征所對應的分類器，所述圖像特征以及與所述圖像特征對應的匹配分類器形成至少一個級聯樹節點；將所述至少一個級聯樹節點進行隨機組合以構成特征級聯樹；將所述特征級聯樹組成構成特征級聯森林并基于所述特征級聯森林對所述待識別圖像進行圖像識別。請參見圖1，圖1是本專利技術實施例提供的一種圖像識別方法流程示意圖。如圖1所示，本專利技術實施例提供的一種圖像識別方法包括以下步驟：S101、獲取待識別圖像的至少兩類圖像特征。其中，待識別圖像是指需要識別的目標圖像，可以是攝像機所采集到的圖像，在本專利技術實施例中，該待識別圖像需要為彩色圖像，可以為bmp或jpeg等格式，可以支持CMYK或RGB等色彩模式?？蛇x地，該待識別圖像可以為所有需要識別的目標彩色圖像，例如，服裝圖像、家具圖像、人物圖像等。本專利技術實施例所應用的場景包括：篩選出具有指定特征的圖片，如是否為紅色、有條紋花紋的棱柱；判斷兩幅圖像是否相似，如這兩幅圖對應特征之間的距離是否小于閾值；尋找與指定圖片最相似的N幅圖，如尋找最近N近鄰等。具體地，所述圖像特征包括不同種類的圖像特征，所述不同種類的圖像特征包括：顏色、紋理或形狀；或者，所述圖像特征包括同一種類不同類型的圖像特征，所述同一種類不同類型的圖像特征：所述顏色特征中的直方圖特征或顏色矩陣、所述紋理特征中的最大響應濾波器MaximumResponseFilters、局部二值模式(LocalBinaryPattern，簡稱LBP)或灰度共生矩陣(graylevelco-occurrencematrix，簡稱GLCM)、所述全局特征中的尺度不變換特征(Scale-invariantfeaturetransform，簡稱SIFT)?？蛇x地，該圖像特征還可以為其它可用于表征圖像特征的圖像特征。具體地，在本專利技術的一個示例中，可以選擇待識別圖像的顏色特征和紋理特征去識別服裝圖像中的圖案。在本專利技術實施例中，提取的特征類型和數目沒有限制，特征之間可以相關也可以相互獨立，多種通用特征的分區域組合適用于大部分圖像識別，因此無需人工選取特征，可以減小傳統的機器學習方法中由于特征選取時不能把握所識別圖像的本質而造成的不穩定性。具體地，當對待識別圖像的整體或部分分別提取不同種類或同一種類不同類型的特征后得到：F1,F2,...,FN。S102、確定所述至少兩類圖像特征中的每類圖像特征所對應的分類器，所述圖像特征以及與所述圖像特征對應的分類器形成至少一個級聯樹節點。具體地，可以根據識別要求以及各類特征的特點選擇所對應的匹配分類器。具體地，該識別要求可以根據具體地應用場景進行確定，例如：篩選出具有指定特征的圖片，如是否為紅色、有條紋花紋的棱柱；判斷兩幅圖像是否相似，如這兩幅圖對應特征之間的距離是否小于閾值；尋找與指定圖本文檔來自技高網...

【技術保護點】
一種圖像識別方法，其特征在于，所述方法包括：獲取待識別圖像的至少兩類圖像特征；確定所述至少兩類圖像特征中的每類圖像特征所對應的分類器，所述圖像特征以及與所述圖像特征對應的分類器形成至少一個級聯樹節點；將所述至少一個級聯樹節點進行隨機組合以構成特征級聯樹；將所述特征級聯樹組成構成特征級聯森林并基于所述特征級聯森林對所述待識別圖像進行圖像識別。

【技術特征摘要】
1.一種圖像識別方法，其特征在于，所述方法包括：獲取待識別圖像的至少兩類圖像特征；確定所述至少兩類圖像特征中的每類圖像特征所對應的分類器，所述圖像特征以及與所述圖像特征對應的分類器形成至少一個級聯樹節點；將所述至少一個級聯樹節點進行隨機組合以構成特征級聯樹；將所述特征級聯樹組成構成特征級聯森林并基于所述特征級聯森林對所述待識別圖像進行圖像識別。2.根據權利要求1所述的方法，其特征在于，在將所述特征級聯樹組成構成特征級聯森林并基于所述特征級聯森林對所述待識別圖像進行圖像識別之前，所述方法還包括：判斷所述特征級聯樹中第i個級聯樹節點是否為有效級聯樹節點；若所述特征級聯樹中第i個級聯樹節點不為有效級聯樹節點，則刪除所述第i個級聯樹節點。3.根據權利要求2所述的方法，其特征在于，所述判斷所述特征級聯樹中第i個級聯樹節點是否為有效級聯樹節點，包括：判斷所述第i級的識別準確率與所述第i-1級的識別準確率的差值是否滿足預設準確率閾值，以在所述第i級的識別準確率與所述第i-1級的識別準確率的差值不滿足預設準確率閾值的情況下確定所述特征級聯樹中第i個級聯樹節點不為有效級聯樹節點。4.根據權利要求1至3任一項所述的方法，其特征在于，所述圖像特征包括不同種類的圖像特征，所述不同種類的圖像特征包括：顏色、紋理或形狀；或者，所述圖像特征包括同一種類不同類型的圖像特征，所述同一種類不同類型的圖像特征：所述顏色特征中的直方圖特征或顏色矩陣、所述紋理特征中的最大響應濾波器MaximumResponseFilters、局部二值模式LBP或灰度共生矩陣GLCM、所述全局特征中的SIFT。5.根據權利要求4所述的方法，其特征在于，所述分類器包括：支持向量機SVM、鄰近算法KNN或樸素貝葉斯。6.一種...

【專利技術屬性】
技術研發人員：楊茜，田第鴻，
申請(專利權)人：深圳云天勵飛技術有限公司，
類型：發明
國別省市：廣東;44