室内物体的自动分割识别方法、电子设备及存储介质技术

本发明专利技术公开了室内物体的自动分割识别方法，包括以下步骤：构建数据库，建立马尔科夫随机场算法的最大化函数，使用支撑向量机对最大化函数量进行学习，得到最大化函数的全局最优解，完成对室内物体的自动分割，最后获取图像区域的语义标签、两个图像区域之间的相互关系。本发明专利技术还公开了一种电子设备和计算机可读存储介质。本发明专利技术引入马尔科夫随机场算法，使用支持向量机进行参数学习，从而完成对场景的自动分割，并得到关键物体的语义标签和物体之间的相互支撑关系。

Automatic segmentation and identification method of indoor objects, electronic equipment and storage medium

The invention discloses an automatic segmentation method of indoor objects, which comprises the following steps: constructing the database, the maximum function to establish the Markov random field algorithm, using support vector machine to maximize the amount of learning function, obtain the global optimum solution of the maximum function, after the automatic segmentation of paired indoor objects, relationships and finally obtain semantic labels two, the image area between image regions. The invention also discloses an electronic device and a computer readable storage medium. The Markov random field algorithm is introduced to support parameter learning by using support vector machine, so as to complete automatic segmentation of scenes, and get the semantic labels between key objects and support relationships between objects.

【技术实现步骤摘要】
室内物体的自动分割识别方法、电子设备及存储介质
本专利技术涉及一种室内场景解析
，尤其涉及室内物体的自动分割识别方法、电子设备及存储介质。
技术介绍
图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类：基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别，图像搜索等等领域。多年来，室内场景解析已经吸引了越来越多人的兴趣。现有的方法通常侧重于不同的子任务，比如将图像分割为区域、推断语义标签在特定地区，或各区域之间的支持关系，这些不同的任务通常被视为单独的任务。
技术实现思路
为了克服现有技术的不足，本专利技术的目的之一在于提供室内物体的自动分割识别方法，引入马尔科夫随机场算法，使用支持向量机进行参数学习，从而完成对场景的自动分割，并得到关键物体的语义标签和物体之间的相互支撑关系。本专利技术的本文档来自技高网...

【技术保护点】
室内物体的自动分割识别方法，其特征在于包括以下步骤：构建数据库，获取用户设定的语义标签，生成语义标签库，所述语义标签为室内场景中物体的分类属性；建立函数，将马尔科夫随机场映射到室内场景图，通过马尔科夫随机场算法定义基本变量，生成最大化函数，所述基本变量包括场景选择变量、语义标签变量、相互关系变量，所述最大化函数包括特征向量、标记向量；场景分割，支撑向量机对所述特征向量、标记向量进行学习，得到所述最大化函数的全局最优解，完成对室内物体的自动分割；标签识别，获取图像区域的语义标签，所述语义标签为在得到全局最优解时语义标签变量的取值；支撑关系，获取两个图像区域之间的相互关系，所述相互关系为在得到全局...

【技术特征摘要】
1.室内物体的自动分割识别方法，其特征在于包括以下步骤：构建数据库，获取用户设定的语义标签，生成语义标签库，所述语义标签为室内场景中物体的分类属性；建立函数，将马尔科夫随机场映射到室内场景图，通过马尔科夫随机场算法定义基本变量，生成最大化函数，所述基本变量包括场景选择变量、语义标签变量、相互关系变量，所述最大化函数包括特征向量、标记向量；场景分割，支撑向量机对所述特征向量、标记向量进行学习，得到所述最大化函数的全局最优解，完成对室内物体的自动分割；标签识别，获取图像区域的语义标签，所述语义标签为在得到全局最优解时语义标签变量的取值；支撑关系，获取两个图像区域之间的相互关系，所述相互关系为在得到全局最优解时相互关系变量的取值。2.如权利要求1所述的室内物体的自动分割识别方法，其特征在于，所述步骤建立函数具体为：定义变量，将马尔科夫随机场映射到室内场景图，通过马尔科夫随机场算法定义基本变量，所述基本变量包括场景选择变量、语义标签变量、相互关系变量；图像预分割，对所述室内场景图进行预分割，得到R个图像区域，引入表示标记场的参数向量wa、表示特征场的特征向量生成最大化函数，获取所述基本变量的数学表达式，生成最大化函数，所述最大化函数包括参数向量、特征向量。3.如权利要求2所述的室内物体的自动分割识别方法，其特征在于，所述步骤定义变量具体包括以下步骤：定义场景选择变量，引入场景选择变量ai，定义场景选择变量ai的数学表达式为定义语义标签变量，引入语义标签变量Mi，定义语义标签变量Mi的数学表达式为所述M表示所述室内场景图下所述语义标签的集合，所述K表示语义标签的分类数；定义相互关系变量，引入相互关系变量Sij，定义相互关系...

【专利技术属性】
技术研发人员：郭继舜，
申请(专利权)人：大圣科技股份有限公司，
类型：发明
国别省市：广东,44