一种对图像进行分层推理识别物体的方法技术

本发明专利技术公开了一种对图像进行分层推理识别物体的方法，该方法包括：对图像待识别区域进行切片扫描；找出纹理跳变边缘点或三维外形不连续点；分析出同纹理轮廓区域或三维外形连续区域，生成疑似部件的特征信息；根据疑似部件的特征信息从已建立的数据库中查找匹配的可能部件；由多个相近或相连接的可能部件或子物体推理出子物体或物体；对于已确认的部件或子物体忽略之后重新检索未确认的疑似部件或子物体，直至推理出所有物体。本发明专利技术涉及图像处理及图像物体识别技术领域，由于部件、子物体或物体的特征信息数据量较小，而其数据库可以相对很大，因此可以实现对上千种、几万种甚至上百万种物体进行识别，而且速度快、计算量小、识别准确度高。

【技术实现步骤摘要】
一种对图像进行分层推理识别物体的方法
：本专利技术涉及图像处理及图像物体识别
，具体涉及一种对图像进行分层推理识别物体的方法。
技术介绍
：随着国家发布了智能汽车创新发展战略，以及世界上各国和各汽车生产商的广泛关注和追捧，智能汽车自动驾驶的发展是必然趋势。未来智能汽车的自动驾驶技术等级会按照一级、二级、三级、四级、五级进行推进，随着级别的上升，越是到高级别，越是需要从视频采集、监视、识别、到失效应对及控制车辆紧急避撞处理，实现这样一种高级别的自动驾驶。对智能汽车来说要实现高级别自动驾驶，从感知到决策到控制全部由汽车自己完成的，意味着车要实现对自己的完全控制。但是到现在为止感知技术还很难很完善地满足高级别自动驾驶的需求，目前主要都是通过基于神经网络的深度学习的人工智能技术来实现感知，但是无论如何改进深度学习的技术，仍然存在缺陷：该深度学习最核心的部分就是深度卷积神经网络，利用卷积操作对图像进行处理，挖掘其重要的特征，实现对图像中对象的准确检测和识别，以及对图像语义信息的准确理解：(1)但由于算法复杂，计算量庞大，对系统要求很高，即便如此准确本文档来自技高网...

【技术保护点】
1.一种对图像进行分层推理识别物体的方法，其特征在于，包括以下步骤：/n步骤1，对图像待识别区域进行切片扫描；/n步骤2，找出纹理跳变边缘点或三维外形不连续点并生成跳变点的特征信息，直至完成图像待识别区域的检测；/n步骤3，分析出同纹理轮廓区域或三维外形连续区域，精细化查找轮廓边界，在需要时对本轮廓重新切片扫描，细化查找同纹理轮廓区域或三维外形连续区域，生成疑似部件的特征信息；/n步骤4，将疑似部件的特征信息从已建立的包含了规则部件数据库、不规则部件数据库、其它超长尺度部件数据库、其它外形不规则部件数据库的部件数据总库中查找匹配可能的部件，物体某一区段，物体某一侧面，以及背景、路面、地面、墙面...

【技术特征摘要】
1.一种对图像进行分层推理识别物体的方法，其特征在于，包括以下步骤：
步骤1，对图像待识别区域进行切片扫描；
步骤2，找出纹理跳变边缘点或三维外形不连续点并生成跳变点的特征信息，直至完成图像待识别区域的检测；
步骤3，分析出同纹理轮廓区域或三维外形连续区域，精细化查找轮廓边界，在需要时对本轮廓重新切片扫描，细化查找同纹理轮廓区域或三维外形连续区域，生成疑似部件的特征信息；
步骤4，将疑似部件的特征信息从已建立的包含了规则部件数据库、不规则部件数据库、其它超长尺度部件数据库、其它外形不规则部件数据库的部件数据总库中查找匹配可能的部件，物体某一区段，物体某一侧面，以及背景、路面、地面、墙面、路沿、栅栏、围墙、建筑物、树木、草丛、灌木、管道的部件，其它超长尺度部件，其它外形不规则部件；并计算部件匹配度，超过设定门限则确认为可能的部件，按搜索规则找出所有可能的部件；未有超过设定门限的部件时，找出匹配度前几位的部件当作可能的部件，并设可信度信息；
步骤5，当已获得超过设定数量的多个相近或相连接的可能的部件或子物体时，根据多个相近或相连接的可能的部件或子物体推算所有可能的共同子物体或物体种类，并据此依次从已建立的包含了规则物体数据库、不规则物体数据库、其它超长尺度物体数据库、其它外形不规则物体数据库的物体数据总库中查找可能的子物体或物体并获取其特征信息，其包含背景、路面、地面、墙面、路沿、栅栏、围墙、建筑物、树木、草丛、灌木、其它超长尺度物体、或其它外形不规则物体；当获得的可能的部件或子物体数量少于设定值时，则直接将每个可能的部件或子物体对应的可能子物体或物体到物体数据总库中查找其特征信息，根据物体数据总库中记载的各对应物体的组成部件或子物体信息来分析是否需要进一步获取更多部件或子物体，如需要，则根据该物体对其它部件或子物体的空间位置要求，返回步骤1至步骤4，在原图特定位置寻找相应的部件或子物体是否存在；下一步则根据物体数据库记载的可能的物体或子物体的特征信息中记载的内容来进一步分析是否需计算正检测图像区疑似子物体或物体的特征信息，如需要则将构成疑似子物体或物体的多个部件或子物体合在一起来计算整个疑似子物体或物体的特征信息；下一步则计算疑似子物体或物体匹配度，将疑似子物体或物体与数据库中对应的子物体或物体进行匹配度计算；下一步，将所有可能的部件所对应的子物体或物体重复步骤5上述过程，完成对应的子物体或物体的匹配度计算；所有可能的部件所对应的子物体或物体计算的匹配度中取匹配度最高的子物体或物体作为识别结果，匹配度最高的子物体或物体其匹配度超过设定门限则确认识别子物体或物体结果；未超设定门限时，输出可信度信息；将已确定的子物体或物体所相关的部件或子物体标记为已确认，不包含在本子物体或物体中的部件或子物体标注为未确认；
步骤6，判断图像待识别区域疑似部件或疑似子物体是否检索完：若否，则返回步骤3；若是，则继续步骤7；
步骤7，判断未确认的部件或子物体是否都已确认：若是，则进入步骤8；若否，则分析是否进入死循环，若是则进入步骤8，若否则以推理被遮盖的可能物体的方式，忽略已确认的物体，返回步骤3；
步骤8，判断所有的图像待识别区域或图像识别距离是否都已完成：若是，则完成本帧图像识别任务：若否，则重新设定切片参数返回步骤1。


2.如权利要求1所述的一种对图像进行分层推理识别物体的方法，其特征在于，所述的步骤1具体包括：
对图像从包含水平、垂直、斜线特定方向按照间隔设定值进行取样，得到图像中每个取样点的颜色和亮度信息；所述的间隔设定值的设置具体包括：对于不同场景或不同距离调整间隔设定值；采用机器学习方式对训练样本图像集进行训练，每次自动设定一组间隔设定值，重复所述的一种对图像进行分层推理识别物体的方法的步骤进行物体识别，最终得到识别率最高，误识率最低、识别时间最短的对应不同场景及不同距离的间隔设定值。


3.如权利要求1所述的一种对图像进行分层推理识别物体的方法，其特征在于，所述的步骤2具体包括：
对每个取样点的颜色信息、亮度信息、运动速度信息、运动方向信息、三维空间信息、或其它物理量信息分别进行纹理变化检测和分析，超过设定门限则为跳变点，并记录成一种跳变点的特征信息；对纹理变化斜率较低的图像分析累积变化大小及变化方向以此推理渐变纹理的边沿点，并记录成一种跳变点的特征信息；当输入的图像信息包含三维外形信息时，以三维外形的变化曲率或外形的深度突变点超过设定门限作为跳变点，并记录成一种跳变点的特征信息；跳变点的特征信息包括：跳变类型，前后是否处理过标识，前后部件系列号，前后同纹理区链表指针，跳变方向，图像位置，所在方向前后纹理信息，前后亮度和颜色分量，斜率，幅度，前后外形曲率，前后深度、三维空间坐标、速度、运动方向。


4.如权利要求1所述的一种对图像进行分层推理识别物体的方法，其特征在于，所述的步骤3具体包括：
对所有跳变点的特征信息进行分析，找出同纹理轮廓区域，并根据该区域外形轮廓和内在纹理，生成一个疑似部件的特征信息；当输入的图像信息为含有三维外形信息如双目摄像头或激光雷达信息时，找出三维外形连续区域，并根据该区域外形轮廓和内在纹理，生成一个疑似部件的特征信息；疑似部件的特征信息包括：外形尺寸信息，水平、垂直、斜线特定方向间尺寸的比率，纹理信息...

【专利技术属性】
技术研发人员：张烂熳，
申请(专利权)人：张烂熳，
类型：发明
国别省市：福建;35