一种物体识别方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种物体识别方法、装置和存储介质，用以降低模型训练的时间复杂度，提高物体识别技术的灵活性。物体识别方法，包括：利用预先训练的形态识别模型，从采集的待识别物体图像中识别待识别物体的形态图像，其中，所述形态识别模型为利用带有标注的样本图像进行训练得到的；从所述形态图像中提取若干图像特征得到图像特征集合；从存储的图像特征文件查找与所述图像特征集合中包含的图像特征匹配的图像特征文件，其中，所述图像特征文件中包含的图像特征为利用残差神经网络从所述样本图像中提取的；根据查找到的图像特征文件对应的类别确定所述待识别物体对应的类别。

An Object Recognition Method, Device and Storage Media

The invention discloses an object recognition method, device and storage medium for reducing the time complexity of model training and improving the flexibility of object recognition technology. Object recognition methods include: using pre-trained morphological recognition model to recognize the morphological image of the object to be recognized from the collected image of the object to be recognized, in which the morphological recognition model is trained using the annotated sample image; extracting several image features from the morphological image to obtain the image feature set; and checking the stored image feature file. An image feature file matching the image features contained in the image feature set is found, in which the image features contained in the image feature file are extracted from the sample image by residual neural network, and the corresponding category of the object to be recognized is determined according to the corresponding category of the image feature file found.

【技术实现步骤摘要】
一种物体识别方法、装置和存储介质
本专利技术涉及图像处理
，尤其涉及一种物体识别方法、装置和存储介质。
技术介绍
图像识别技术是人工智能的一个重要领域，其以图像的主要特征为基础的。每个图像都有它的特征,如字母A有个尖，P有个圈、而Y的中心有个锐角等。图像轮廓曲度最大或轮廓方向突然改变的地方，这些地方的信息量最大。图像识别中的模式识别(PatternRecognition)，是一种从大量信息和数据出发，在专家经验和已有认识的基础上，利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和图形自动完成识别、评价的过程。模式识别包括两个阶段，即学习阶段和实现阶段，前者是对样本进行特征选择，寻找分类的规律，后者是根据分类规律对未知样本集进行分类和识别。随着图像识别技术的发展，利用图像识别技术对物体进行识别将得到物体信息录入计算机中存储是图像识别技术的主要应用之一。但是在对物体图像进行识别的过程中，需要针对不同类别物体分别训练识别模型，既增加了模型训练的时间复杂度，而且由于不同类型的模型只能应用于其对应类别的物体识别，降低了物体识别技术的灵活性。
技术实现思路
本专利技术实施例提供一种本文档来自技高网...

【技术保护点】
1.一种物体识别方法，其特征在于，包括：利用预先训练的形态识别模型，从采集的待识别物体图像中识别待识别物体的形态图像，其中，所述形态识别模型为利用带有标注的样本图像进行训练得到的；从所述形态图像中提取若干图像特征得到图像特征集合；从存储的图像特征文件查找与所述图像特征集合中包含的图像特征匹配的图像特征文件，其中，所述图像特征文件中包含的图像特征为利用残差神经网络从所述样本图像中提取的；根据查找到的图像特征文件对应的类别确定所述待识别物体对应的类别。

【技术特征摘要】
1.一种物体识别方法，其特征在于，包括：利用预先训练的形态识别模型，从采集的待识别物体图像中识别待识别物体的形态图像，其中，所述形态识别模型为利用带有标注的样本图像进行训练得到的；从所述形态图像中提取若干图像特征得到图像特征集合；从存储的图像特征文件查找与所述图像特征集合中包含的图像特征匹配的图像特征文件，其中，所述图像特征文件中包含的图像特征为利用残差神经网络从所述样本图像中提取的；根据查找到的图像特征文件对应的类别确定所述待识别物体对应的类别。2.如权利要求1所述的方法，其特征在于，采用K维树结构存储所述图像特征文件，其中，K为正整数；以及按照以下流程获得所述K维树结构：在第一次聚类时，利用聚类算法将所述图像特征文件划分为K类；以及当K大于1时，在第K次聚类时，针对第K-1次迭代得到的每一聚类，利用聚类算法将每一聚类中包含的图像特征文件划分为K个子类；以及将该聚类作为父节点存储，将该聚类对应的子类作为该聚类的子节点存储。3.如权利要求2所述的方法，其特征在于，利用聚类算法将每一聚类中包含的图像特征文件划分为K类，具体包括：针对每一聚类中心包含的图像特征文件，从所述图像特征文件中随机选择K个图像特征文件作为初始聚类中心；在第K次迭代过程中，针对任一图像特征文件，分别确定该图像特征文件到K个聚类中心的距离；以及确定该图像特征文件归属于距离最近的中心所在的聚类；更新该聚类的中心后执行下一次迭代，直至该聚类的中心达到稳定状态。4.如权利要求3所述的方法，其特征在于，按照以下方法判断该聚类的中心是否达到稳定状态：确定本次聚类的中心点，判断本次聚类的中心点与上一次迭代后得到的聚类中心点之间的差值是否不大于预设阈值；如果是，确定该聚类的中心达到稳定状态；如果否，确定该聚类的中心未达到稳定状态。5.如权利要求2、3或4所述的方法，其特征在于，从存储的图像特征文件查找与所述图像特征集合中包含的图像特征匹配的图像特征文件，具体包括：针对初次迭代得到的每一类图像特征文件，分别确定该类图像特征文件与所述图像特征集合之间的距离；根据确定出的距离，确定与所述图像特征集合之间距离最近的一类图像特征文件为目标图像特征文件聚类；分别确定所述目标图像特征文件聚类中包含的每一类图像特征文件与所述图像特征集合之间的距离，并返回执行根据确定出的距离，确定与所述图像特征集合之间距离最近的一类图像特征文件为目标图像特征文件聚类的步骤，直至从最后一次迭代得到的图像特征文件聚类中选择出目标图像特征文件聚类；确定所述目标图像特征文件聚类为与所述图像特征集合中包含的图像特征匹配的图像特征文件。6.如权利要求5所述的方法，其特征在于，针对聚类得到的每一类图像特征文件，按照以下方法确定该类图像特征文件与所述图像特征集合之间的距离：分别确定该类图像特征文件的中心点和所述图像特征集合的中心点；确定该类图像特征文件的中心点与所述图像特征集合的中心点之间的距离为该类图像特征文件与所述图像特征集合之间的距离。7.一种物体识别装置，其特征在于，包括：形态识别单元，用于利用预先训练的形态识别模型，从采集的待识别物体图像中识别待识别物体的形态图像，其中，所述形态识别模型为利用带有...

【专利技术属性】
技术研发人员：陈海波，
申请(专利权)人：深兰科技上海有限公司，
类型：发明
国别省市：上海,31