一种场景识别方法及设备技术

本申请适用于场景识别技术领域，提供了一种场景识别方法，包括：获取待识别的场景图片，从场景图片中提取整体特征，以及，从场景图片中提取显著图特征，组合整体特征和显著图特征，得到场景图片的目标场景特征；再使用预设场景分类器对目标场景特征进行分类，得到场景图片对应的场景类型。上述方案，组合整体特征和显著图特征，得到场景图片的目标场景特征，更加关注于场景图片中的显著物体，能有效的排除各种干扰因素，从而提升了室内场景识别准确率，并且可以更好的适应复杂环境，准确的对复杂环境进行识别。

【技术实现步骤摘要】
一种场景识别方法及设备
本申请属于场景识别
，尤其涉及一种场景识别方法及设备。
技术介绍
随着计算机技术、人工智能的不断发展，智能机器人的不断普及，场景识别已经成为计算机视觉的重要研究任务之一。当场景中包含的物体数量、种类比较多，有多种布局方式，出现遮挡、光照等情况时，都会给场景识别增加难度。现有的场景识别方法中，只是简单地将全局特征与局部特征不加区分地进行拼接，这样并不能有效的排除各种干扰因素，复杂场景下场景识别的准确率低。
技术实现思路
本申请实施例提供了一种场景识别方法及设备，可以解决现有场景识别方法中不能有效的排除各种干扰因素，复杂场景下场景识别的准确率低问题。第一方面，本申请实施例提供了一种场景识别方法，包括：获取待识别的场景图片；从所述场景图片中提取整体特征，以及，从所述场景图片中提取显著图特征；组合所述整体特征和所述显著图特征，得到所述场景图片的目标场景特征；使用预设场景分类器对所述目标场景特征进行分类，得到所述场景图片对应的场景类型。进一步地，所述从所述场景图片中提取整体特征，包括：从所述场景图片中提取特征描述子；根据预设字典对所述特征描述子进行编码，得到第一稀疏编码；对所述第一稀疏编码进行最大池化处理，得到整体特征。进一步地，所述从所述场景图片中提取显著图特征，包括：根据预设显著物体识别神经网络模型从所述场景图片中识别出显著物体，得到所述显著物体对应的显著图；根据预设物体识别检测模型对所述显著图进行判别检测，得到所述显著图中包含的物体类别；获取所述显著图中的显著物体的物体分数，所述物体分数用于标识所述显著物体和所述第一稀疏编码之间的相关关系；根据所述物体类别确定所述显著物体的判别类型，所述判别类型包括判别物体和非判别物体；根据所述物体分数和所述第一稀疏编码确定所述判别物体的判别物体特征和所述非判别物体的非判别物体特征，并根据所述判别物体特征和所述非判别物体特征，确定所述显著图特征。进一步地，所述根据所述物体分数和所述第一稀疏编码确定所述判别物体的判别物体特征和所述非判别物体的非判别物体特征，包括：根据预设判别分析算法获取判别物体的权重参数和非判别物体的权重参数；根据所述判别物体的权重参数、所述物体分数和所述第一稀疏编码，确定所述判别物体的判别物体特征；根据所述非判别物体的权重参数、所述物体分数和所述第一稀疏编码，确定所述非判别物体的非判别物体特征。进一步地，所述根据预设判别分析算法获取判别物体的权重参数和非判别物体的权重参数，包括：获取第一距离度量和第二距离度量；所述第一距离度量为所有第一目标距离的和，所述第一目标距离为所述判别物体的特征与其相邻的判别物体的特征之间的距离；所述第二距离度量为所有第二目标距离的和，所述第二目标距离为所述判别物体的特征与其相邻的非判别物体的特征之间的距离；根据所述第一距离度量和所述第二距离度量确定特征分离信息；在预设权重参数范围内确定使所述特征分离信息最大的判别物体的权重参数和非判别物体的权重参数。进一步地，所述根据所述物体类别确定所述显著物体的判别类型，包括：统计预设样本集中目标场景出现的第一次数，以及所述显著物体的在所述目标场景中出现的第二次数；若所述第二次数和所述第一次数的比值小于或者等于预设噪声阈值，则判定所述显著物体为非判别物体；若所述第二次数和所述第一次数的比值大于所述预设噪声阈值，则判定所述显著物体为判别物体。进一步地，所述获取所述显著图中的显著物体的物体分数，包括：获取所述显著图中的显著物体对应的面积；根据预设计算规则和所述面积，计算所述显著图中的显著物体的物体分数。进一步地，在所述使用预设场景分类器对所述目标场景特征进行分类，得到所述场景图片对应的场景类型之前，还包括：获取样本训练集；所述样本训练集包括样本场景特征及其对应的场景类型；通过所述样本训练集对预设分类器进行训练，得到用于识别所述场景图片对应的场景类型的预设场景分类器。进一步地，所述组合所述整体特征和所述显著图特征，得到所述场景图片的目标场景特征，包括：对所述显著图特征进行归一化处理，得到归一化显著图特征；将所述整体特征与所述归一化显著图特征进行拼接，得到所述场景图片的目标场景特征。第二方面，本申请实施例提供了一种场景识别装置，包括：第一获取单元，用于获取待识别的场景图片；提取单元，用于从所述场景图片中提取整体特征，以及，从所述场景图片中提取显著图特征；第一处理单元，用于组合所述整体特征和所述显著图特征，得到所述场景图片的目标场景特征；第二处理单元，用于使用预设场景分类器对所述目标场景特征进行分类，得到所述场景图片对应的场景类型。进一步地，所述提取单元，具体用于：从所述场景图片中提取特征描述子；根据预设字典对所述特征描述子进行编码，得到第一稀疏编码；对所述第一稀疏编码进行最大池化处理，得到整体特征。进一步地，所述提取单元，具体用于：根据预设显著物体识别神经网络模型从所述场景图片中识别出显著物体，得到所述显著物体对应的显著图；根据预设物体识别检测模型对所述显著图进行判别检测，得到所述显著图中包含的物体类别；获取所述显著图中的显著物体的物体分数，所述物体分数用于标识所述显著物体和所述第一稀疏编码之间的相关关系；根据所述物体类别确定所述显著物体的判别类型，所述判别类型包括判别物体和非判别物体；根据所述物体分数和所述第一稀疏编码确定所述判别物体的判别物体特征和所述非判别物体的非判别物体特征，并根据所述判别物体特征和所述非判别物体特征，确定所述显著图特征。进一步地，所述提取单元，具体用于：根据预设判别分析算法获取判别物体的权重参数和非判别物体的权重参数；根据所述判别物体的权重参数、所述物体分数和所述第一稀疏编码，确定所述判别物体的判别物体特征；根据所述非判别物体的权重参数、所述物体分数和所述第一稀疏编码，确定所述非判别物体的非判别物体特征。进一步地，所述提取单元，具体用于：获取第一距离度量和第二距离度量；所述第一距离度量为所有第一目标距离的和，所述第一目标距离为所述判别物体的特征与其相邻的判别物体的特征之间的距离；所述第二距离度量为所有第二目标距离的和，所述第二目标距离为所述判别物体的特征与其相邻的非判别物体的特征之间的距离；根据所述第一距离度量和所述第二距离度量确定特征分离信息；在预设权重参数范围内确定使所述特征分离信息最大的判别物体的权重参数和非判别物体的权重参数。进一步地，所述提取单元，具体用于：统计预设样本集中目标场景出现的第一次数，以及所述显著物体的在所述目标场景中出现的第二次数；若所述第二次数和所述第一次数的比本文档来自技高网...

【技术保护点】
1.一种场景识别方法，其特征在于，包括：/n获取待识别的场景图片；/n从所述场景图片中提取整体特征，以及，从所述场景图片中提取显著图特征；/n组合所述整体特征和所述显著图特征，得到所述场景图片的目标场景特征；/n使用预设场景分类器对所述目标场景特征进行分类，得到所述场景图片对应的场景类型。/n

【技术特征摘要】
1.一种场景识别方法，其特征在于，包括：
获取待识别的场景图片；
从所述场景图片中提取整体特征，以及，从所述场景图片中提取显著图特征；
组合所述整体特征和所述显著图特征，得到所述场景图片的目标场景特征；
使用预设场景分类器对所述目标场景特征进行分类，得到所述场景图片对应的场景类型。


2.如权利要求1所述的场景识别方法，其特征在于，所述从所述场景图片中提取整体特征，包括：
从所述场景图片中提取特征描述子；
根据预设字典对所述特征描述子进行编码，得到第一稀疏编码；
对所述第一稀疏编码进行最大池化处理，得到整体特征。


3.如权利要求2所述的场景识别方法，其特征在于，所述从所述场景图片中提取显著图特征，包括：
根据预设显著物体识别神经网络模型从所述场景图片中识别出显著物体，得到所述显著物体对应的显著图；
根据预设物体识别检测模型对所述显著图进行判别检测，得到所述显著图中包含的物体类别；
获取所述显著图中的显著物体的物体分数，所述物体分数用于标识所述显著物体和所述第一稀疏编码之间的相关关系；
根据所述物体类别确定所述显著物体的判别类型，所述判别类型包括判别物体和非判别物体；
根据所述物体分数和所述第一稀疏编码确定所述判别物体的判别物体特征和所述非判别物体的非判别物体特征，并根据所述判别物体特征和所述非判别物体特征，确定所述显著图特征。


4.如权利要求3所述的场景识别方法，其特征在于，所述根据所述物体分数和所述第一稀疏编码确定所述判别物体的判别物体特征和所述非判别物体的非判别物体特征，包括：
根据预设判别分析算法获取判别物体的权重参数和非判别物体的权重参数；
根据所述判别物体的权重参数、所述物体分数和所述第一稀疏编码，确定所述判别物体的判别物体特征；
根据所述非判别物体的权重参数、所述物体分数和所述第一稀疏编码，确定所述非判别物体的非判别物体特征。


5.如权利要求4所述的场景识别方法，其特征在于，所述根据预设判别分析算法获取判别物体的权重参数和非判别物体的权重参数，包括：
获取第一距离度量和第二距离度量；所述第一距离度量为所有第一目标距离的和，所述第一目标距离为所述判别物体的特征与...

【专利技术属性】
技术研发人员：叶力荣，张国栋，
申请(专利权)人：深圳市银星智能科技股份有限公司，
类型：发明
国别省市：广东;44