一种图像混合识别方法及系统技术方案

本发明专利技术涉及一种图像混合识别方法及系统，包括如下步骤：获取待判断图像；通过图像识别技术识别所述待判断图像的特征，所述图像识别技术为基于深度神经网络的人脸特征点识别技术及图像特征点识别技术；基于所述特征建立判断图片特征文件；将所述判断图片特征文件与服务器特征文件库进行比对，判断是否有满足阈值的文件；判断为有则输出满足阈值的文件，判断为无则输出判断结果。本发明专利技术所述的方法结合人脸识别及图像特征点识别，识别准确率更高。

A hybrid image recognition method and system

【技术实现步骤摘要】
一种图像混合识别方法及系统
本专利技术涉及计算机领域，尤其涉及一种关于图像混合识别方法及系统。
技术介绍
目前现有基于增强现实的图像识别技术，首先在云端远程主机上，上传目标图片，并通过图像特征点标记技术，转化为二进制文件，实现该图片的特征点标记和存储；用户在使用云端的现实增强技术时，将需要识别的场景截取为照片进行上传，并通过图像特征点标记技术，转化为二进制文件，与云端所存二进制文件进行比对，从而确认是否存在阈值内符合的图像特征二进制文件，确认后再将结果进行回传。该技术目前存在缺点主要在于图像特征点处理和分析上，由于只通过图像特征点进行提取和记录，因而在一些单人照片上，由于人物的特征点基本近似，在背景虚化且个人照为主的识别集合场景下，容易导致识别的重复比对或者错误，从而影响云端图像识别的效率及成功率。
技术实现思路
基于以上问题，本专利技术设计一种图像混合识别方法及系统，其包括如下步骤：一种图像混合识别方法，其特征在于，包括如下步骤：获取图像步骤：获取待判断图像；识别步骤：通过图像识别技术识别所述待判断图像的特征，所述图像识别技术为基于深度神经网络的人脸特征点识别技术及图像特征点识别技术；建立特征文件步骤：基于所述特征建立判断图片特征文件；比对步骤：将所述判断图片特征文件与服务器特征文件库进行比对，判断是否有满足阈值的文件；输出结果步骤：判断为有则输出满足阈值的文件，判断为无则输出判断结果。进一步的，所述特征文件库的建立方法为，获取待识别图像，根据图像识别技术识别图像特征，对多张待识别图像进行识别后，形成特征文件库。进一步的，所述图像识别技术为基于深度神经网络的人脸特征点识别技术及图像特征点识别技术相结合。进一步的，另一识别图像特征的方法为，判断所述图像是否存在人脸，判断为是则结合基于深度神经网络的人脸特征点识别技术及图像特征点识别技术进行图像特征识别，判断为否，则执行图像特征点识别技术进行图像特征识别。进一步的，所述识别步骤中，识别所述待判断图像特征的方法为，判断所述待判断图像是否存在人脸，判断为是则结合基于深度神经网络的人脸特征点识别技术及图像特征点识别技术进行图像特征识别，判断为否，则执行图像特征点识别技术进行图像特征识别。进一步的，判断所述待判断图像是否存在人脸的方法为通过卷积网络算法对图像进行卷积切割，再在每一个切割单元中寻找是否存在人脸。进一步的，所述图像特征点识别技术具体为：对图像信息进行预处理，通过灰度算法对获得的图像进行第一阶处理；通过全局二极值算法那对灰度处理后的图像进行第二阶处理，获得特征点标记后形成特征点位置；通过边缘检测的方法进一步过滤图像进行第三阶段处理；通过图像增强方式强化留存线条进行第四阶段处理；在完成四阶段图像处理后，最后对图像进行特征点提取，通过判断线条交汇处的点来确认该图像的特征点群，并形成点群的相对坐标及位置。进一步的，所述建立特征文件步骤中，建立特征文件的方法为：将人脸及图像识别形成的特征相对位置，以混合架构模式进行排列，排列后形成的二进制数据以xml文件格式进行存储，形成特征文件。进一步的，所述图像识别步骤中，所述基于深度神经网络的人脸特征点识别及图像特征点识别同步进行或者分步进行。本专利技术还包括一种图像混合识别系统，其包括：图像获取模块：用于获取需要识别的图像，图像识别模块包括但不限于PC电脑端浏览器、移动设备的浏览器、微信小程序、APP；图像分析模块：用于识别图像特征点、建立图像特征文件、比对图像特征；输出模块：用于输出图像特征比对结果；服务器：用于存储图像及图像特征文件，该服务器为云服务器。本专利技术的有益效果在于：对比传统的云端增强现实的图像识别而言，本专利技术的方法具有更高的识别效率及准确率，尤其对于各种复杂环境的图片，尤其包含人脸元素，及识别目标图像集达到一定量级的情况下，本方法的识别准确率可以达到95％，而传统图像识别的方法，准确率仅为80％左右，由于加入了人脸环节，从而在某些情况下有效分流了图像主要元素为人脸的情况，避免传统识别方法在处理具有人脸元素的情况下的高消耗计算，因此本方面的平均识别速度较传统方法而言提升20％-30％。附图说明图1为本专利技术一种图像混合识别方法实施示意图；图2为本专利技术另一种图像混合识别方法实施示意图；图3为本专利技术另一种图像混合识别方法实施示意图；图4为本专利技术图像特征点识别方法示意图；图5为本专利技术一种图像混合识别系统示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1本实施例为本专利技术一种图像混合识别方法，如图1所示。一种图像混合识别方法，其包括以下步骤：获取待判断图片，获取方法通常为通过客户端的增强现实目标生成程序(如PC电脑端浏览器、移动设备的浏览器、微信小程序、APP等)传入经过处理及压缩的目标摄像头产生的流媒体中其中数帧图片进入云端服务器。通过基于深度神经网络的人脸特征识别技术及图像特征点识别技术进行图像特征点识别。基于深度神经网络的人脸特征点识别技术：对图片实行混合识别技术，其中本进程为对图片进行基于深度神经网络算法的人脸特征点识别及提取，标记特征点相对位置，最后保存为二进制特征文件。图像特征点识别技术：对图片实行混合识别技术，其中本进程为对图片进行加工处理后的特征点识别及提取，标记特征点相对位置，最后保存为二进制特征文件。形成待判断图片的特征文件，即，将混合识别技术过程中保存的特征文件进行混合处理及合并，建立特有的混合识别特征文件。与云端服务器存储的特征文件进行比对，是否有满足阈值的图像特征文件。将近似度高于在服务器设定的阈值的文件进行记录，存在高于服务器设定之阈值的文件，则进行比对，并向客户端及其他服务器端输出该对应图像或对应图像的名字。如果没有高于在服务器设定的阈值的文件，则输出满足条件的文件的结果。本专利技术通过深度神经网络算法及图像特征点识别技术相结合，大大提高了识别的准确性。尤其在于存在人脸的图像中，若图像仅存在人脸的差别，不容易被图像特征点识别技术精确识别，因而需要结合人脸识别技术。实施例2本实施例为本专利技术另一种图像混合识别方法，如图2所示。获取待识别图片，取方法通常为通过客户端的增强现实目标生成程序(如PC电脑端浏览器、移动设备的浏览器、微信小程序、APP等)传入经过处理及压缩的目标摄像头产生的流媒体中其中数帧图片进入云端服务器。通过基于深度神经网络的人脸特征识别技术及图像特征点识别技术进行图像特征点识别。基于深度神经网络的人脸特征点识别技术：对图片实行混合识别技本文档来自技高网...

【技术保护点】
1.一种图像混合识别方法，其特征在于，包括如下步骤：/n获取图像步骤：获取待判断图像；/n识别步骤：通过图像识别技术识别所述待判断图像的特征，具体识别方法为基于深度神经网络的人脸特征点识别技术及图像特征点识别技术相结合；/n建立特征文件步骤：基于所述特征建立判断图片特征文件；/n比对步骤：将所述判断图片特征文件与服务器特征文件库进行比对，判断是否有满足阈值的文件；/n输出结果步骤：判断为有则输出满足阈值的文件，判断为无则输出判断结果。/n

【技术特征摘要】
1.一种图像混合识别方法，其特征在于，包括如下步骤：
获取图像步骤：获取待判断图像；
识别步骤：通过图像识别技术识别所述待判断图像的特征，具体识别方法为基于深度神经网络的人脸特征点识别技术及图像特征点识别技术相结合；
建立特征文件步骤：基于所述特征建立判断图片特征文件；
比对步骤：将所述判断图片特征文件与服务器特征文件库进行比对，判断是否有满足阈值的文件；
输出结果步骤：判断为有则输出满足阈值的文件，判断为无则输出判断结果。


2.如权利要求1所述的图像混合识别方法，其特征在于，所述特征文件库的建立方法为，获取待识别图像，根据图像识别技术识别图像特征，对多张待识别图像进行识别后，形成特征文件库。


3.如权利要求2所述的图像混合识别方法，其特征在于，所述图像识别技术为基于深度神经网络的人脸特征点识别技术及图像特征点识别技术相结合。


4.如权利要求2所述的图像混合识别方法，其特征在于，识别图像特征的方法为，判断所述图像是否存在人脸，判断为是则结合基于深度神经网络的人脸特征点识别技术及图像特征点识别技术进行图像特征识别，判断为否，则执行图像特征点识别技术进行图像特征识别。


5.如权利要求1所述的图像混合识别方法，其特征在于，所述识别步骤中，另一识别所述待判断图像特征的方法为，判断所述待判断图像是否存在人脸，判断为是则结合基于深度神经网络的人脸特征点识别技术及图像特征点识别技术进行图像特征识别，判断为否，则执行图像特征点识别技术进行图像特征识别。


6.如权利要求5...

【专利技术属性】
技术研发人员：陈鋆哲，欧玉华，
申请(专利权)人：广州市昭云互联网科技有限公司，
类型：发明
国别省市：广东;44