一种用于图像标识识别的方法、设备及计算机可读存储介质技术

本发明专利技术实施例涉及一种用于图像标识识别的方法、设备及计算机可读存储介质。该方法包括：获取包含图像标识的待识别图像；基于特征点匹配算法，得到待识别图像包含的图像标识与多个目标图像标识的匹配结果，所述匹配结果指示所述图像标识所匹配的目标图像标识；以及如果匹配结果指示的所匹配的目标图像标识属于识别正确组，将所匹配的目标图像标识确定为待识别图像包含的图像标识所对应的目标图像标识；并且如果匹配结果指示的所匹配的目标图像标识属于深度识别组，利用深度模型来确定待识别图像包含的图像标识所对应的目标图像标识。本发明专利技术实施例提出的技术方案利用自适应特征点匹配与机器学习图像识别，提高了图像标识识别的准确性。

A Method, Equipment and Computer Readable Storage Medium for Image Identification

【技术实现步骤摘要】
一种用于图像标识识别的方法、设备及计算机可读存储介质
本专利技术总体上属于图像数据处理领域，具体涉及一种用于图像标识识别的方法、设备及计算机可读存储介质。
技术介绍
目前，图像标识广泛应用于视频和图片中，如在视频中的电视台的频道标识、视频中广告中商标、图片中商标、视频图片中机构标识等。目前存在海量的数字视频和图片，同时，数字视频和图片生成越来越容易，电视网络和数据网络正在快速生成大量的数字视频和图片。在实际应用中，识别视频、图片中的图像标识的应用需求随之越来越多。例如收视数据的收集，通过对正在播放视频中电视台频道标识的识别，可以收集电视观众的收视数据。或者对于网页浏览，通过对网络浏览中商业标识的采集识别，可以收集用户的浏览信息或偏好信息。所期望的是，能够提供一种更准确识别图像标识的技术方案。
技术实现思路
针对上述问题，本专利技术的实施例提供一种用于图像标识识别的方法、设备及计算机可读存储介质，利用自适应特征点匹配与机器学习图像识别，提高了图像标识识别的准确性。在本专利技术的第一方面，提供一种用于图像标识识别的方法。该方法包括：获取包含图像标识的待识别图像；基于特征点匹配算法，得到待识别图像包含的图像标识与多个目标图像标识的匹配结果，所述匹配结果指示所述图像标识所匹配的目标图像标识；以及响应于匹配结果指示的所匹配的目标图像标识属于识别正确组，将所匹配的目标图像标识确定为待识别图像包含的图像标识所对应的目标图像标识；并且响应于匹配结果指示的所匹配的目标图像标识属于深度识别组，利用深度模型来确定待识别图像包含的图像标识所对应的目标图像标识；识别正确组包含被认为正确识别的目标图像标识，并且深度识别组包含被认为待深度训练的目标图像标识。在某些实施例中，该方法还包括：基于特征点匹配算法，对多个识别学习图像集针对多个目标图像标识进行识别，以得到每个目标图像标识的识别结果，每个识别学习图像集中的识别学习图像包含同一目标图像标识，识别结果指示识别正确程度；根据识别结果，将每个目标图像标识选择性地关联到识别正确组和深度识别组之一；以及基于深度学习算法，针对深度识别组中的目标图像标识生成深度模型。在某些实施例中，将每个目标图像标识选择性地关联到识别正确组和深度识别组之一包括：响应于识别结果指示的识别正确程度大于第一阈值，将相应的目标图像标识关联到识别正确组；以及响应于识别结果指示的识别正确程度小于或等于第一阈值，将相应的目标图像标识关联到深度识别组。在某些实施例中，每个目标图像标识的识别结果还指示识别出的特征点数量和识别出的图像标识，所述深度识别组包括识别混淆组和无法识别组，将每个目标图像标识选择性地关联到识别正确组和深度识别组之一包括：响应于识别结果指示的特征点数量大于第二阈值且识别出的图像标识包括不同于相应的识别学习图像集所包含同一目标图像标识的其他目标图像标识，将深度识别组中的该目标图像标识与其他目标图像标识关联到识别混淆组；以及响应于识别结果指示的特征点数量小于或等于第二阈值，将深度识别组中的目标图像标识关联到无法识别组。在某些实施例中，针对深度识别组中的目标图像标识生成深度模型包括：针对识别混淆组中的目标图像标识，基于深度学习算法对包含识别混淆组内的目标图像标识的训练图像集进行训练，以生成第一深度模型；以及。针对无法识别组中的目标图像标识，基于深度学习算法对包含无法识别组内的目标图像标识的训练图像集进行训练，以生成第二深度模型。在某些实施例中，得到待识别图像的匹配结果包括：利用特征点匹配算法，计算待识别图像的特征点；将计算的特征点与多个目标图像标识的特征点进行匹配，以得到匹配结果。在某些实施例中，匹配结果指示所匹配到的目标图像标识，选择性地利用深度模型来确定待识别图像中的图像标识所对应的目标图像标识包括：响应于匹配结果指示的所匹配的目标图像标识属于识别正确组，将所匹配的目标图像标识确定为待识别图像中的图像标识所对应的目标图像标识；响应于匹配结果指示的所匹配的目标图像标识属于深度识别组，将待识别图像输入深度模型以进行深度识别；以及将深度模型所识别的目标图像标识确定为待识别图像中的图像标识所对应的目标图像标识。在某些实施例中，匹配结果指示所匹配的目标图像标识，选择性地利用深度模型来确定待识别图像中的图像标识所对应的目标图像标识包括：响应于匹配结果指示的所匹配的目标图像标识属于识别正确组，将所匹配的目标图像标识确定为待识别图像中的图像标识所对应的目标图像标识；响应于匹配结果指示的所匹配的目标图像标识属于识别混淆组，基于第一深度模型来确定待识别图像中的图像标识所对应的目标图像标识；以及响应于匹配结果指示的所匹配的目标图像标识属于无法识别组，基于第二深度模型来确定待识别图像中的图像标识所对应的目标图像标识。在某些实施例中，基于第一深度模型来确定待识别图像中的图像标识所对应的目标图像标识包括：将待识别图像输入第一深度模型以进行深度识别；以及将第一深度模型所识别的目标图像标识确定为待识别图像中的图像标识所对应的目标图像标识；并且基于第二深度模型来确定待识别图像中的图像标识所对应的目标图像标识包括：将待识别图像输入第二深度模型以进行深度识别；以及将第二深度模型所识别的目标图像标识确定为待识别图像中的图像标识所对应的目标图像标识。在某些实施例中，识别正确程度表征在统计上相应的识别学习图像集中的识别学习图像被正确识别为相应的目标图像标识的正确比例。在某些实施例中，特征点匹配算法包括下列算法之一：尺度不变特征转换算法、加速稳健特征算法、加速分割测试获得特征算法。在某些实施例中，目标图像标识包括影视机构标识和/或商业广告标识。在本专利技术的第二方面，提供一种用于图像标识识别的装置。该装置包括：图像接收模块，用于获取包含图像标识的待识别图像；特征点匹配模块，用于基于特征点匹配算法，得到待识别图像包含的图像标识与多个目标图像标识的匹配结果，所述匹配结果指示所述图像标识所匹配的目标图像标识；以及图像标识确定模块，用于响应于匹配结果指示的所匹配的目标图像标识属于识别正确组，将所匹配的目标图像标识确定为待识别图像包含的图像标识所对应的目标图像标识；并且响应于匹配结果指示的所匹配的目标图像标识属于深度识别组，利用深度模型来确定待识别图像包含的图像标识所对应的目标图像标识；识别正确组包含被认为正确识别的目标图像标识，并且深度识别组包含被认为待深度训练的目标图像标识。在某些实施例中，该装置还包括：识别学习模块，用于基于特征点匹配算法，对多个识别学习图像集针对多个目标图像标识进行识别，以得到每个目标图像标识的识别结果，每个识别学习图像集中的识别学习图像包含同一目标图像标识，识别结果指示识别正确程度；识别组关联模块，用于根据识别结果，将每个目标图像标识选择性地关联到识别正确组和深度识别组之一；以及深度模型生成模块，用于基于深度学习算法，针对深度识别组中的目标图像标识生成深度模型。在某些实施例中，识别组关联模块包括：第一关联模块，用于响应于识别结果指示的识别正确程度大于第一阈值，将相应的目标图像标识关联到识别正确组；以及第二关联模块，用于响应于识别结果指示的识别正确程度小于或等于第一阈值，将相应的目标图像标识关联到深度识别组。在某些实施例中，每个目标图像标识的识本文档来自技高网...

【技术保护点】
1.一种用于图像标识识别的方法，其特征在于，包括：获取包含图像标识的待识别图像；基于特征点匹配算法，得到所述待识别图像包含的图像标识与多个目标图像标识的匹配结果，所述匹配结果指示所述图像标识所匹配的目标图像标识；以及响应于所述匹配结果指示的所匹配的目标图像标识属于识别正确组，将所匹配的所述目标图像标识确定为所述待识别图像包含的图像标识所对应的目标图像标识；并且响应于所述匹配结果指示的所匹配的所述目标图像标识属于深度识别组，利用深度模型来确定所述待识别图像包含的图像标识所对应的目标图像标识；所述识别正确组包含被认为正确识别的目标图像标识，并且所述深度识别组包含被认为待深度训练的目标图像标识。

【技术特征摘要】
1.一种用于图像标识识别的方法，其特征在于，包括：获取包含图像标识的待识别图像；基于特征点匹配算法，得到所述待识别图像包含的图像标识与多个目标图像标识的匹配结果，所述匹配结果指示所述图像标识所匹配的目标图像标识；以及响应于所述匹配结果指示的所匹配的目标图像标识属于识别正确组，将所匹配的所述目标图像标识确定为所述待识别图像包含的图像标识所对应的目标图像标识；并且响应于所述匹配结果指示的所匹配的所述目标图像标识属于深度识别组，利用深度模型来确定所述待识别图像包含的图像标识所对应的目标图像标识；所述识别正确组包含被认为正确识别的目标图像标识，并且所述深度识别组包含被认为待深度训练的目标图像标识。2.根据权利要求1所述的方法，其特征在于，还包括：基于所述特征点匹配算法，对多个识别学习图像集针对所述多个目标图像标识进行识别，以得到每个目标图像标识的识别结果，每个识别学习图像集中的识别学习图像包含同一目标图像标识，所述识别结果指示识别正确程度；根据所述识别结果，将每个目标图像标识选择性地关联到所述识别正确组和所述深度识别组之一；以及基于深度学习算法，针对所述深度识别组中的目标图像标识生成所述深度模型。3.根据权利要求2所述的方法，其特征在于，将每个目标图像标识选择性地关联到识别正确组和深度识别组之一包括：响应于所述识别结果指示的所述识别正确程度大于第一阈值，将相应的目标图像标识关联到所述识别正确组；以及响应于所述识别结果指示的识别正确程度小于或等于所述第一阈值，将相应的目标图像标识关联到所述深度识别组。4.根据权利要求2或3所述的方法，其特征在于，每个目标图像标识的所述识别结果还指示识别出的特征点数量和识别出的图像标识，所述深度识别组包括识别混淆组和无法识别组，将每个目标图像标识选择性地关联到识别正确组和深度识别组之一包括：响应于所述识别结果指示的所述特征点数量大于第二阈值且所述识别出...

【专利技术属性】
技术研发人员：邓向冬，崔俊生，覃毅力，
申请(专利权)人：国家新闻出版广电总局广播电视规划院，
类型：发明
国别省市：北京,11