图像识别方法及装置制造方法及图纸

本公开是关于图像识别方法及装置。该方法包括：接收输入的待识别图像；获取所述待识别图像中目标对象的全局特征和局部特征；根据所述全局特征和所述局部特征，获取目标对象的待识别信息。该技术方案，在接收到该待识别图像时，可以获取该待识别图像的全局特征和局部特征，进而综合这两种特征对待识别图像中所显示的目标对象的待识别信息进行准确识别，提高该待识别信息的识别精度，尽可能地避免由于该待识别信息与该目标对象所属类别中的其他对象的信息的相似度较高、差异较小而识别错误。

【技术实现步骤摘要】

本公开涉及图像识别
，尤其涉及图像识别方法及装置。
技术介绍
目前，图像识别技术已被普遍使用，如用户可以使用图像识别技术识别人脸、车辆信息等，但相关技术中的图像识别技术在识别差异较小的图像中信息时，往往精确度不足，很容易识别错误，导致用户体验不好。
技术实现思路
本公开实施例提供了图像识别方法及装置。所述技术方案如下：根据本公开实施例的第一方面，提供一种图像识别方法，包括：接收输入的待识别图像；获取所述待识别图像中目标对象的全局特征和局部特征；根据所述全局特征和所述局部特征，获取所述目标对象的待识别信息。在一个实施例中，所述获取所述待识别图像中目标对象的全局特征，包括：通过卷积神经网络(CNN)对所述目标对象进行特征提取，获得所述全局特征。在一个实施例中，所述获取所述待识别图像中目标对象的局部特征，包括：对所述目标对象进行定位，获得所述目标对象中的关键部位；提取所述关键部位的所述局部特征，其中，所述局部特征包括：梯度特征和纹理特征。在一个实施例中，所述根据所述全局特征和所述局部特征，获取所述目标对象的待识别信息，包括：根据所述全局特征的第一特征向量和所述局部特征的第二特征向量，得到目标特征向量；通过分类模型将所述目标特征向量进行分类，得到所述待识别信息。在一个实施例中，所述根据所述全局特征的第一特征向量和所述局部特征的第二特征向量，得到目标特征向量，包括：将所述第一特征向量和所述第二特征向量进行组合，得到第三特征向量；将所述第三特征向量进行降维，获得所述目标特征向量。在一个实施例中，所述待识别图像包括：车辆图像，所述待识别信息包括以下至少一项：所述车辆图像中显示的车辆的类型、品牌、系列、型号、年款。根据本公开实施例的第二方面，提供一种图像识别装置，包括：接收模块，用于接收输入的待识别图像；第一获取模块，用于获取所述待识别图像中目标对象的全局特征和局部特征；第二获取模块，用于根据所述全局特征和所述局部特征，获取所述目标对象的待识别信息。在一个实施例中，所述第一获取模块包括：第一获取子模块，用于通过卷积神经网络(CNN)对所述目标对象进行特征提取，获得所述全局特征。在一个实施例中，所述第一获取模块包括：第二获取子模块，用于对所述目标对象进行定位，获得所述目标对象中的关键部位；提取子模块，用于提取所述关键部位的所述局部特征，其中，所述局部特征包括：梯度特征和纹理特征。在一个实施例中，所述第二获取模块包括：第三获取子模块，用于根据所述全局特征的第一特征向量和所述局部特征的第二特征向量，得到目标特征向量；处理子模块，用于通过分类模型将所述目标特征向量进行分类，得到所述待识别信息。在一个实施例中，所述第三获取子模块包括：第一处理单元，用于将所述第一特征向量和所述第二特征向量进行组合，得到第三特征向量；第二处理单元，用于将所述第三特征向量进行降维，获得所述目标特征向量。在一个实施例中，所述待识别图像包括：车辆图像，所述待识别信息包括以下至少一项：所述车辆图像中显示的车辆的类型、品牌、系列、型号、年款。根据本公开实施例的第三方面，提供了一种图像识别装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：接收输入的待识别图像；获取所述待识别图像中目标对象的全局特征和局部特征；根据所述全局特征和所述局部特征，获取所述目标对象的待识别信息。本公开的实施例提供的技术方案可以包括以下有益效果：本公开的实施例提供的技术方案，在接收到该待识别图像时，可以获取该待识别图像的全局特征和局部特征，进而综合这两种特征对待识别图像中所显示的目标对象的待识别信息进行准确识别，提高该待识别信息的识别精度，尽可能地避免由于该待识别信息与该目标对象所属类别中的其他对象的相似度较高、差异较小而识别错误。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，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。图1是根据一示例性实施例示出的一种图像识别方法的流程图。图2是根据一示例性实施例示出的另一种图像识别方法的流程图。图3是根据一示例性实施例一示出的又一种图像识别方法的流程图。图4是根据一示例性实施例一示出的再一种图像识别方法的流程图。图5是根据一示例性实施例示出的一种图像识别装置的框图。图6是根据一示例性实施例示出的另一种图像识别装置的框图。图7是根据一示例性实施例示出的又一种图像识别装置的框图。图8是根据一示例性实施例示出的再一种图像识别装置的框图。图9是根据一示例性实施例示出的适用于图像识别装置的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。目前，图像识别技术已被普遍使用，如用户可以使用图像识别技术识别人脸、车辆信息等，但相关技术中的图像识别技术在识别差异较小的图像中信息时，往往精确度不足，很容易识别错误，导致用户体验不好。例如：使用相关技术中的图像识别技术识别车辆图像中的车辆信息时，由于同一车辆品牌下的一个系列或不同年款的车辆的信息的相似度比较高，差异较小，因而，相关技术中的图像识别技术很容易将这些车辆信息识别错误。为了解决上述技术问题，本公开实施例提供了一种图像识别方法，该方法可用于图像识别程序、系统或装置中，且该方法对应的执行主体可以是手机、平板、计算机等各种终端或者是服务器。图1是根据一示例性实施例示出的一种图像识别方法的流程图。如图1所示，该方法包括步骤S101至步骤S103：在步骤S101中，接收输入的待识别图像。该待识别图像可以是人脸图像、动物图像、景物图像、物体图像(如车辆图像)等。在步骤S102中，获取待识别图像中目标对象的全局特征和局部特征。该全局特征用于表征该待识别图像中所显示的目标对象的各种特征，例如：如果该待识别图像为车辆图像，则该全局特征可以表征该车辆的形状、各个部位的大概特征(如轮廓等)，各部位的位置、相对位置关系等特征，如果该待识别图像为人脸图像，则该全局特征可以表征该人脸的轮廓、脸型、五官的大概特征(如五官的位置等)等；相应地，该局部特征用于表征该待识别图像中所显示的目标对象的关键部位的详细特征，例如：如果该待识别图像为车辆图像，则该局部特征可以表征该车辆的车灯的详细特征，车标的详细特征等，如果该待识别图像为人脸图像，则该局部特征可以表征该人脸中五官的详细特征等。在步骤S103中，根据全局特征和局部特征，获取目标对象的待识别信息，待识别信息因待识别图像中所显示的目标对象而异，如果该待识别图像为车辆的图像，则该待识别信息就是车辆的类型、品牌、系列、型号、年款等信息，如果该待识别图像为人脸图像，则该待识别信息就是人脸的脸型、脸型的大小、五官形状、五官大小等信息。根据该待识别图像的全局特征和局部特征，可以综合这两种特征对待识别图像中所显示的目标对象的待识别信息进行准确识别，提高该待识别信息的识别精度，尽可能地避免由于该待识本文档来自技高网...

【技术保护点】
一种图像识别方法，其特征在于，包括：接收输入的待识别图像；获取所述待识别图像中目标对象的全局特征和局部特征；根据所述全局特征和所述局部特征，获取所述目标对象的待识别信息。

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：接收输入的待识别图像；获取所述待识别图像中目标对象的全局特征和局部特征；根据所述全局特征和所述局部特征，获取所述目标对象的待识别信息。2.根据权利要求1所述的方法，其特征在于，所述获取所述待识别图像中目标对象的全局特征，包括：通过卷积神经网络(CNN)对所述目标对象进行特征提取，获得所述全局特征。3.根据权利要求1所述的方法，其特征在于，所述获取所述待识别图像中目标对象的局部特征，包括：对所述目标对象进行定位，获得所述目标对象中的关键部位；提取所述关键部位的所述局部特征，其中，所述局部特征包括：梯度特征和纹理特征。4.根据权利要求1所述的方法，其特征在于，所述根据所述全局特征和所述局部特征，获取所述目标对象的待识别信息，包括：根据所述全局特征的第一特征向量和所述局部特征的第二特征向量，得到目标特征向量；通过分类模型将所述目标特征向量进行分类，得到所述待识别信息。5.根据权利要求4所述的方法，其特征在于，所述根据所述全局特征的第一特征向量和所述局部特征的第二特征向量，得到目标特征向量，包括：将所述第一特征向量和所述第二特征向量进行组合，得到第三特征向量；将所述第三特征向量进行降维，获得所述目标特征向量。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述待识别图像包括：车辆图像，所述待识别信息包括以下至少一项：所述车辆图像中显示的车辆的类型、品牌、系列、型号、年款。7.一种图像识别装置，其特征在于，包括：接收模块，用于接收输入的待识别图像；第一获取模块，用于获取所述待识别图像中目标对象的全局特...

【专利技术属性】
技术研发人员：杨松，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京;11