一种图像识别方法及终端技术

本发明专利技术实施例公开了一种图像识别方法及终端，用于解决现有图像识别中存在局限性的问题，不仅可以识别出任意形状的一维码，还可以识别一维码以外的其他编码图像，从而有效提高识别图像的广泛性以及可靠性，无需对图像进行形态学操作和连通域分析，有效提高识别图像的速率。本发明专利技术实施例方法包括：获取目标图像的第一图像特征；根据所述第一图像特征确定所述目标图像的目标区域；通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域；获取所述目标子区域对应的图像的第二图像特征；根据所述第二图像特征识别出所述目标子区域对应的图像的编码类型，其中，所述编码类型包括一维码，二维码或者无码中的至少一种类型。

An image recognition method and terminal

The embodiment of the invention discloses a terminal and an image recognition method is used to solve the limitations of the existing problems in image recognition, not only can distinguish arbitrary one-dimensional code, but also other encoding image recognition of one-dimensional code outside, so as to improve the recognition of image's universality and reliability, without morphological operation and the connected domain analysis to image, improve the image recognition rate. The method of the embodiment comprises a first image feature of target image; according to the target area of the target image is determined that the first image feature; determining the target image target area through image filtering the target region corresponding to the second features of the image; obtaining the target area according to the corresponding; feature recognition of the second image out of the image corresponding to the target region of the encoding type, wherein the encoding types include one-dimensional code, two-dimensional code or at least one type of code.

【技术实现步骤摘要】
一种图像识别方法及终端
本专利技术涉及图像识别领域，具体涉及一种图像识别方法及终端。
技术介绍
传统的扫码引擎，对于输入图像流中的每一帧图像都需要进行扫码，而当输入图像流中包含大量无码图像时，则耗费了扫描引擎的资源，从而降低了识别有码(例如：一维码，二维码等)图像的速率。目前，通过简单的图像梯度信息粗略地识别一维码图像，其具体流程包括：先获取原始图像，假设原始图像是一维码图像，由于一维码图像基本呈现竖状条纹排列，其x方向和y方向的灰度值的绝对差值较大，因此，计算原始图像在x方向和y方向上的灰度值的绝对差值，后对灰度值的绝对差值采用固定阈值二值化，从而过滤掉平滑区域，再进行均值滤波、形态学操作识别出原始图像的一维码区域。但是，基于图像梯度信息只能识别竖状一维码，对稍微有些旋转的一维码则无法识别，对一维码以外的其他编码也无法识别，因此存在图像识别的局限性。另外，采用了形态学操作和连通域分析，都是针对像素点逐个进行运算，计算量大，无法实现快速识别图像的目的。
技术实现思路
本专利技术实施例提供了一种图像识别方法及终端，用于解决现有图像识别中存在局限性的问题，不仅可以识别出任意形状的一维码，还可以识别一维码以外的其他编码图像，从而有效提高识别图像的广泛性以及可靠性，无需对图像进行形态学操作和连通域分析，有效提高识别图像的速率。本专利技术第一方面提供一种图像识别方法，包括：获取目标图像的第一图像特征；根据所述第一图像特征确定所述目标图像的目标区域；通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域；获取所述目标子区域对应的图像的第二图像特征；根据所述第二图像特征确定所述目标子区域对应的图像的编码类型，其中，所述编码类型包括一维码，二维码或者无码中的至少一种类型。本专利技术第二方面提供一种终端，包括：第一获取模块，用于获取目标图像的第一图像特征；第一确定模块，用于根据所述第一图像特征确定所述目标图像的目标区域；第二确定模块，用于通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域；第二获取模块，用于获取所述目标子区域对应的图像的第二图像特征；识别模块，用于根据所述第二图像特征识别出所述目标子区域对应的图像的编码类型，其中，所述编码类型包括一维码，二维码或者无码中的至少一种类型。从以上技术方案可以看出，本专利技术实施例具有以下优点：当获取目标图像的第一图像特征后，根据该第一图像特征确定该目标图像的目标区域，例如：根据该第一图像特征确定大致的编码区域，并通过过滤该目标区域对应的图像确定该目标图像的目标子区域，根据获取的该目标子区域对应的图像的第二图像特征确定该目标子区域对应的图像的编码类型，例如：在大致的编码区域内确定精确的编码区域，然后在精确的编码区域上确定出图像的编码类型，例如：一维码，二维码，无码等。可见，编码类型不限于是一维码，还可以是一维码以外的其他编码图像，从而有效提高识别图像的广泛性以及可靠性，无需对图像进行形态学操作和连通域分析，有效提高识别图像的速率。附图说明图1为本专利技术实施例中终端的一个结构示意图；图2为本专利技术实施例中图像识别方法的一个实施例示意图；图3为本专利技术实施例中确定目标区域的一个流程示意图；图4为本专利技术实施例中确定目标区域的另一个流程示意图；图5为本专利技术实施例中确定目标子区域的一个流程示意图；图6a为本专利技术实施例中计算LBP跳变次数的一个流程示意图；图6b为本专利技术实施例中级联分类器运行的一个流程示意图；图6c为本专利技术实施例中tree特征的一个流程示意图；图6d为本专利技术实施例中梯度值的一个流程示意图；图6e为本专利技术实施例中识别出图像的编码类型的一个应用场景示意图；图6f为本专利技术实施例中另一级联分类器运行的一个流程示意图；图7为本专利技术实施例中确定目标子区域的另一个流程示意图；图8为本专利技术实施例中识别出图像的编码类型的一个流程示意图；图9为本专利技术实施例中识别出图像的编码类型的另一个流程示意图；图10为本专利技术实施例中终端的另一个结构示意图。具体实施方式本专利技术实施例提供了一种图像识别方法及终端，用于解决现有图像识别中存在局限性的问题，不仅可以识别出任意形状的一维码，还可以识别一维码以外的其他编码图像，从而有效提高识别图像的广泛性以及可靠性，无需对图像进行形态学操作和连通域分析，有效提高识别图像的速率。下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域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，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在介绍本专利技术实施例之前，先介绍一下本专利技术实施例中涉及的术语：术语“灰度值”：是指灰色图像中的颜色深度，灰度值的范围一般从0到255，其中，白色的灰度值为255，黑色的灰度值为0。术语“局部二值模式”：所述局部二值模式(英文全称：LocalBinaryPatterns，缩写：LBP)，是一种用来描述图像局部纹理特征的算子，具有旋转不变性和灰度不变性等显著的优点。LBP算子在每个像素点都可以得到一个LBP编码，那么，对一幅图像(记录的是每个像素点的灰度值)提取其原始的LBP算子之后，得到的原始LBP特征依然是一幅图像(记录的是每个像素点的LBP编码值)。术语“聚类分析”：又称群分析，是根据“物以类聚”的道理，对样品或指标进行分类的一种多元统计分析方法，它们讨论的对象是大量的样品，要求能合理地按各自的特性来进行合理的分类，没有任何模式可供参考或依循，即是在没有先验知识的情况下进行的。聚类分析是将数据分类到不同的类或者簇这样的一个过程，所以同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性，聚类分析的目标就是在相似的基础上收集数据来分类。聚类源于很多领域，包括数学，计算机科学，统计学，生物学和经济学。在不同的应用领域，很多聚类技术都得到了发展，这些技术方法被用作描述数据，衡量不同数据源间的相似性，以及把数据源分类到不同的簇中。术语“连通域分析”：连通域一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。连通域分析是指将图像中的各个连通区域找出并标记，是一种图像分析处理领域中较为常用和基本的方法。例如：视觉跟踪中的运动前景目标分割与提取(行人入侵检测、遗留物体检测、基于视觉的车辆检测与跟踪等)、医学图像处理(感兴趣目标区域提取)等。也就是说，在需要将前景目标提取出来以便后续进行处理的应用场景中都能够用到连通域分析方法，通常连通域分析处理的对象是一张二值化后的图像。下面举例介绍一下本专利技术可能涉及的应用场景：在现实生活中，用户在商场本文档来自技高网...

【技术保护点】
一种图像识别方法，其特征在于，包括：获取目标图像的第一图像特征；根据所述第一图像特征确定所述目标图像的目标区域；通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域；获取所述目标子区域对应的图像的第二图像特征；根据所述第二图像特征识别出所述目标子区域对应的图像的编码类型，其中，所述编码类型包括一维码，二维码或者无码中的至少一种类型。

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：获取目标图像的第一图像特征；根据所述第一图像特征确定所述目标图像的目标区域；通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域；获取所述目标子区域对应的图像的第二图像特征；根据所述第二图像特征识别出所述目标子区域对应的图像的编码类型，其中，所述编码类型包括一维码，二维码或者无码中的至少一种类型。2.根据权利要求1所述的方法，其特征在于，当所述第一图像特征为灰度值时，所述根据所述第一图像特征确定所述目标图像的目标区域包括：确定所述目标图像中的每个像素点对应的第一绝对差值，其中，所述第一绝对差值为像素点在水平方向的灰度值和竖直方向上的灰度值的梯度绝对差值；分别比较所述每个像素点对应的第一绝对差值与第一预设阈值的大小；将第一绝对差值大于第一预设阈值所对应的全部像素点所对应的区域确定为所述目标区域。3.根据权利要求1所述的方法，其特征在于，当所述第一图像特征为灰度值时，所述根据所述第一图像特征确定所述目标图像的目标区域包括：确定所述目标图像中的任意两个像素点所对应的第二绝对差值，其中，所述第二绝对差值为所述任意两个像素点的灰度值的绝对差值；比较所述第二绝对差值与第二预设阈值的大小；将所述第二绝对差值小于第二预设阈值所对应的全部像素点所对应的区域确定为所述目标区域。4.根据权利要求1至3任一项所述的方法，其特征在于，所述通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域包括：将所述目标区域划分为多个子区域；确定每个子区域对应的图像上的每个像素点与所述每个像素点的相邻像素点之间的第一灰度值大小关系；根据所述第一灰度值大小关系确定所述每个子区域对应的图像上的每个像素点的相邻像素点的局部二值模式LBP编码；获取所述每个子区域对应的图像上的全部像素点的LBP编码跳变次数的总和；将所述LBP编码跳变次数的总和大于第三预设阈值的子区域确定为所述目标子区域。5.根据权利要求1至3任一项所述的方法，其特征在于，所述通过过滤所述目标区域对应的图像确定所述目标图像的目标子区域包括：将所述目标区域划分为多个子区域；确定每个子区域对应的图像上的每个像素点对应的第一绝对和值，其中，所述第一绝对和值为像素点在水平方向的灰度值和竖直方向上的灰度值的绝对和值；获取所述每个子区域对应的图像上的全部像素点对应的第一绝对和值的总和；将所述第一绝对和值的总和大于第四预设阈值的子区域确定为所述目标子区域。6.根据权利要求1所述的方法，其特征在于，当所述第二图像特征为蕨Fern特征时，所述获取所述目标子区域对应的图像的第二图像特征包括：获取所述目标子区域对应的图像上的任意两个像素点之间的第二灰度值大小关系；根据所述第二灰度值大小关系确定所述目标子区域对应的图像的Fern特征，其中，所述Fern特征用二进制比特位表示；所述根据所述第二图像特征识别出所述目标子区域对应的图像的编码类型包括：将所述Fern特征转换成十进制数；将所述十进制数输入至目标函数；根据所述目标函数的输出结果识别出所述目标子区域对应的图像的编码类型。7.根据权利要求1所述的方法，其特征在于，当所述第二图像特征为树Tree特征时，所述获取所述目标子区域对应的图像的第二图像特征包括：获取所述目标子区域对应的图像上的各个树节点对应的两个像素点之间的第三灰度值大小关系；根据所述第三灰度值大小关系确定所述目标子区域对应的图像的Tree特征，其中，所述Tree特征用二进制比特位表示；所述根据所述第二图像特征识别出所述目标子区域对应的图像的编码类型包括：将所述Tree特征转换成...

【专利技术属性】
技术研发人员：姜媚，刘海龙，熊鹏飞，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44