图像识别方法和装置、电子设备、存储介质制造方法及图纸

本申请涉及一种图像识别方法和装置、电子设备、计算机可读存储介质。所述方法包括：获取待处理图像，将待处理图像输入至决策树中，得到待处理图像的类别标签，类别标签为待处理图像的场景类别，决策树是根据带有场景类别的图像训练得到的，输出类别标签。使用决策树来对图像的场景类别进行识别，只需要将图像输入至决策树中就可以得到图像的类别标签，提高了图像识别的准确性。

Image recognition methods and devices, electronic devices, storage media

【技术实现步骤摘要】
图像识别方法和装置、电子设备、存储介质
本申请涉及图像处理
，特别是涉及一种图像识别方法和装置、电子设备、计算机可读存储介质。
技术介绍
随着图像处理技术的发展，大多数电子设备都有调节拍照模式的功能，根据不同的拍照模式可以采集到不同风格的图像。电子设备在对图像进行处理时，往往需要识别出图像的场景类别，从而根据场景类别有针对性的对图像进行处理。传统的场景类别的识别方式主要是利用图像的特征信息对场景进行建模，从而识别出场景类别。然而，传统的场景类别识别方法，存在场景识别不准确的问题。
技术实现思路
本申请实施例提供一种图像识别方法、装置、电子设备、计算机可读存储介质，可以提高图像识别的准确性。一种图像识别方法，包括：获取待处理图像；将所述待处理图像输入至决策树中，得到所述待处理图像的类别标签，所述类别标签为所述待处理图像的场景类别，所述决策树是根据带有场景类别的图像训练得到的；输出所述类别标签。一种图像识别装置，其特征在于，包括：图像获取模块，用于获取待处理图像；标签获取模块，用于将所述待处理图像输入至决策树中，得到所述待处理图像的类别标签，所述类别标签为所述待处理图像的场景类别，所述决策树是根据带有场景类别的图像训练得到的；标签输出模块，用于输出所述类别标签。一种电子设备，包括存储器及处理器，所述存储器中储存有计算机可读指令，所述指令被所述处理器执行时，使得所述处理器执行如下步骤：获取待处理图像；将所述待处理图像输入至决策树中，得到所述待处理图像的类别标签，所述类别标签为所述待处理图像的场景类别，所述决策树是根据带有场景类别的图像训练得到的；输出所述类别标签。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：获取待处理图像；将所述待处理图像输入至决策树中，得到所述待处理图像的类别标签，所述类别标签为所述待处理图像的场景类别，所述决策树是根据带有场景类别的图像训练得到的；输出所述类别标签。上述图像识别方法和装置、电子设备、计算机可读存储介质，通过获取待处理图像，将待处理图像输入至决策树中，得到待处理图像的类别标签，输出类别标签，类别标签为待处理图像的场景类别，决策树是根据带有场景类别的图像训练得到的。使用决策树来对图像的场景类别进行识别，只需要将图像输入至决策树中就可以得到图像的类别标签，提高了图像识别的准确性。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为一个实施例中电子设备的架构示意图；图2为一个实施例中图像识别方法的流程图；图3为一个实施例中生成决策树的方法流程图；图4为一个实施例中从决策树得到类别标签的方法流程图；图5为一个实施例中从前景决策树中得到第一类别标签的方法流程图；图6为一个实施例中从后景决策树中得到第二类别标签的方法流程图；图7A为一个实施例中前景决策树的处理示意图；图7B为一个实施例中后景决策树的处理示意图；图8为一个实施例中输出预览图像的类别标签的方法流程图；图9为一个实施例中图像识别装置的结构框图；图10为另一个实施例中图像识别装置的结构框图；图11为一个实施例中图像处理电路的示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一客户端称为第二客户端，且类似地，可将第二客户端称为第一客户端。第一客户端和第二客户端两者都是客户端，但其不是同一客户端。在一个实施例中，如图1所示，提供了一种电子设备的内部结构示意图。该电子设备包括通过系统总线连接的处理器、存储器、摄像头和网络接口。其中，该处理器用于提供计算和控制能力，支撑整个电子设备的运行。存储器用于存储数据、程序、和/或指令代码等，存储器上存储至少一个计算机程序，该计算机程序可被处理器执行，以实现本申请实施例中提供的适用于电子设备的图像识别方法。存储器可包括磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)等非易失性存储介质，或随机存储记忆体(Random-Access-Memory，RAM)等。例如，在一个实施例中，存储器包括非易失性存储介质及内存储器。非易失性存储介质存储有操作系统和计算机程序。该计算机程序可被处理器所执行，以用于实现本申请各个实施例所提供的一种图像识别方法。内存储器为非易失性存储介质中的操作系统和计算机程序提供高速缓存的运行环境。摄像头可以用于采集图像。网络接口可以是以太网卡或无线网卡等，用于与外部的电子设备进行通信，比如可用于同服务器进行通信。本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。在一个实施例中，提供了一种图像识别方法，以应用于上述电子设备来举例说明，如图2所示，该方法包括如下步骤：步骤202，获取待处理图像。待处理图像是指需要对图像中的内容进行场景识别的图像。待处理图像可以是电子设备通过摄像头实时采集的图像，也可以是预先存储在电子设备本地的图像。电子设备可以通过摄像头实时获取采集的待处理图像，电子设备还可以通过选择本地存储的图像对待处理图像进行获取。步骤204，将待处理图像输入至决策树中，得到待处理图像的类别标签，类别标签为待处理图像的场景类别，决策树是根据带有场景类别的图像训练得到的。决策树是基于树形结构进行决策的一种机器学习方法。在机器学习中，决策树是一个预测模型，代表对象属性与对象值之间的一种映射关系。一颗决策树可以包含一个根结点、多个内部结点以及多个叶子节点。叶子节点是与决策结果对应的，其他每个节点对应于一个属性测试。每个结点包含的样本集合根据属性测试结果被划分到子节点中，根结点包含全部样本集。从根结点到每个叶结点的路径对应一个判定测试序列。电子设备可以将待处理图像输入到决策树中，该决策树可以是预先建立好的决策树。其中，图像的场景类别可以包括人像、猫、狗、婴儿、美食、蓝天、绿草、沙滩、雪景等。决策树可以通过带有场景类别的图像训练得到，训练得到的决策树可以对图像的类别进行预测。当电子设备将待处理图像输入至训练好的决策树中时，电子设备可以得到决策树的输出预测结果，电子设备得到的预测结果就是待处理图像的类别标签。其中，电子设备得到的类别标签可以是人像、猫、狗、婴儿、美食、蓝天、绿草、沙滩、雪景等图像的场景类别。步骤206，输出类别标签。电子设备在得到决策树的预测结果后还可以对得到的预测结果进行输出，即输出待处理图像的类别标签。通过获取待处理图像，将待处理图像输入至决策树中，得到待处理图像的类别标签，输出类本文档来自技高网...

【技术保护点】
1.一种图像识别方法，其特征在于，包括：获取待处理图像；将所述待处理图像输入至决策树中，得到所述待处理图像的类别标签，所述类别标签为所述待处理图像的场景类别，所述决策树是根据带有场景类别的图像训练得到的；输出所述类别标签；所述决策树包括前景决策树和后景决策树，所述将所述待处理图像输入至决策树中，得到所述待处理图像的类别标签，包括：将所述待处理图像输入至所述前景决策树，得到所述前景决策树输出的第一类别标签，所述第一类别标签是所述待处理图像中的前景类别标签；将所述待处理图像输入至所述后景决策树，得到所述后景决策树输出的第二类别标签，所述第二类别标签是所述待处理图像中的后景类别标签。

【技术特征摘要】
1.一种图像识别方法，其特征在于，包括：获取待处理图像；将所述待处理图像输入至决策树中，得到所述待处理图像的类别标签，所述类别标签为所述待处理图像的场景类别，所述决策树是根据带有场景类别的图像训练得到的；输出所述类别标签；所述决策树包括前景决策树和后景决策树，所述将所述待处理图像输入至决策树中，得到所述待处理图像的类别标签，包括：将所述待处理图像输入至所述前景决策树，得到所述前景决策树输出的第一类别标签，所述第一类别标签是所述待处理图像中的前景类别标签；将所述待处理图像输入至所述后景决策树，得到所述后景决策树输出的第二类别标签，所述第二类别标签是所述待处理图像中的后景类别标签。2.根据权利要求1所述的方法，其特征在于，所述决策树的生成方式，包括：提取样本图像中的至少两个图像特征；分别计算所述至少两个图像特征作为节点时的信息参数值；将所述信息参数值最大的图像特征作为节点；其中，所述节点包括根节点和内部节点。3.根据权利要求1所述的方法，其特征在于，所述将所述待处理图像输入至决策树中，得到所述待处理图像的类别标签，包括：将所述待处理图像输入至所述决策树，所述决策树提取所述待处理图像中的图像特征；所述决策树分别计算所述待处理图像中图像特征作为节点时的信息参数值；得到将所述信息参数值最大的图像特征作为节点的所述决策树输出的类别标签。4.根据权利要求3所述的方法，其特征在于，所述将所述待处理图像输入至决策树中，得到所述待处理图像的类别标签，包括：将所述待处理图像输入至所述前景决策树，所述前景决策树提取所述待处理图像中前景图像特征；所述前景决策树分别计算所述待处理图像中前景图像特征作为节点时的信息参数值；得到将所述信息参数值最大的前景图像特征作为节点的所述前景决策树输出的第一类别标签。5.根据权利...

【专利技术属性】
技术研发人员：陈岩，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东,44