柔性物体分类方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种柔性物体分类方法、装置、计算机设备和存储介质。所述方法包括：获取待测物体图像；将所述待测物体图像与预设的物体识别模型进行匹配；所述物体识别模型用于描述待测物体的标准形变；若匹配失败，则根据预设的高级语义模型，识别所述待测物体图像中待测物体的形变类型；所述高级语义模型用于描述所述待测物体的非标形变，由于高级语义模型可用于描述待测物体的非标形变，因此，即使是具有非标形变的柔性物体，也能实现物体识别。

Classification methods, devices, computer equipment and storage media for flexible objects

【技术实现步骤摘要】
柔性物体分类方法、装置、计算机设备和存储介质
本申请涉及计算机视觉领域，特别是涉及一种柔性物体分类方法、装置、计算机设备和存储介质。
技术介绍
大千世界的物体种类繁多，人们通过视觉系统对形形色色的物体进行分类和辨别，统称为物体识别。通过模拟人类视觉系统的视觉信息获取和处理功能，以便计算机具有人类识别物体的能力，出现了计算机视觉等研究领域。物体识别作为计算机视觉与模式识别领域一个重要的研究方向，已广泛应用于工业、生活及国防场景等方方面面。物体识别的任务是识别出图像中有什么物体，并计算出这个物体在图像表示的场景中的位置和方向。传统的物体识别方法有基于模型的识别方法，它首先需要建立物体模型，然后利用匹配算法从真实的图像中识别出与物体模型最相似的物体，实现物体识别，或者，直接使用像素图像本身特征对物体进行识别。然而，对于具有非标形变的柔性物体的识别，使得传统的无论是基于模型匹配的识别方法，还是直接使用像素图像本身特征对物体进行识别的方法，均难以识别甚至算法失效。
技术实现思路
基于此，有必要针对上述技术问题，提供一种柔性物体分类方法、装置、计算机设备和存储介质。一种柔性物体分类方法，所述方法包括本文档来自技高网...

【技术保护点】
1.一种柔性物体分类方法，其特征在于，所述方法包括：获取待测物体图像；将所述待测物体图像与预设的物体识别模型进行匹配；所述物体识别模型用于描述待测物体的标准形变；若匹配失败，则根据预设的高级语义模型，识别所述待测物体图像中待测物体的形变类型；所述高级语义模型用于描述所述待测物体的非标形变。

【技术特征摘要】
1.一种柔性物体分类方法，其特征在于，所述方法包括：获取待测物体图像；将所述待测物体图像与预设的物体识别模型进行匹配；所述物体识别模型用于描述待测物体的标准形变；若匹配失败，则根据预设的高级语义模型，识别所述待测物体图像中待测物体的形变类型；所述高级语义模型用于描述所述待测物体的非标形变。2.根据权利要求1所述的方法，其特征在于，所述高级语义模型包括：特征提取HMAX模型、循环神经网络RNN模型和联想记忆模型；所述HMAX模型用于提取所述待测物体图像的特征向量；所述RNN模型用于描述所述待测物体图像的描述语义特征；所述联想记忆模型用于描述所述待测物体图像的状态语义特征。3.根据权利要求2所述的方法，其特征在于，所述根据预设的高级语义模型，识别所述待测物体图像的待测物体，包括：根据所述待测物体图像和所述HMAX模型，获取所述待测物体图像的特征向量；将所述特征向量输入所述RNN模型中，得到所述待测物体图像的描述语义特征；所述描述语义特征用于描述所述待测物体图像中待测物体的属性信息；将所述描述语义特征输入所述联想记忆模型中，得到所述待测物体图像中待测物体的形变类型。4.根据权利要求3所述的方法，其特征在于，所述根据所述待测物体图像和所述HMAX模型，获取所述待测物体图像的特征向量，包括：对所述待测物体图像进行分块，得到多个分块图像；采用不同尺度的像素、在不同方向上对各所述分块图像进行滤波操作，获取多个滤波图像；对各相邻的所述滤波图像进行合并，获取合并图像；对所述合并图像进行抽样，得到特征板块；根据所述特征板块，获取所述待测物体图像的特征向量。5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：获取训练样本图像和所述训练样本图像对应的语义信息；所述语义信息包括描述语义信息和状态语义信息；所述描述语...

【专利技术属性】
技术研发人员：邹俊成，乔红，尹威华，王建城，
申请(专利权)人：东莞中国科学院云计算产业技术创新与育成中心，
类型：发明
国别省市：广东,44