基于深度学习的图像识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及图像处理技术领域，公开了一种基于深度学习的图像识别方法、装置、设备及存储介质，所述方法包括：对获取的待识别图像进行粗提取，获得图像特征点，根据预设筛选规则从图像特征点中筛选出目标特征点，并基于目标特征点获得初阶图像特征，将初阶图像特征输入至预设深度学习模型中进行特征挖掘，获得特征挖掘结果，并根据特征挖掘结果生成图像识别结果。通过对获取待识别图像进行粗提取和特征点筛选以实现快速获取目标特征点，再基于目标特征点的特征描述子获得初阶图像特征，然后将初阶图像特征输入至预设深度学习模型中进行特征挖掘，以基于特征挖掘结果对待识别图像的高效识别，便于快速定位待识别图像对应的待识别对象。对象。对象。

【技术实现步骤摘要】
基于深度学习的图像识别方法、装置、设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种基于深度学习的图像识别方法、装置、设备及存储介质。

技术介绍

[0002]现有技术中，在对待识别图像进行识别时，多是基于点或面来进行图像识别，在基于面来进行图像识别的算法中，多采用方向梯度直方图(Histogram of Oriented Gradient,HOG)、局部二值模式(Local Binary Patterns，LBP)、哈尔特征(Haar
‑
like features，Haar)等算法，然而由于此类算法提取的是面的信息，主要表示一块区域的特征，更适合用于人脸、人体等的图像识别，在表示待识别图像的纹理细节等方面不及基于点来进行图像识别的算法，如，尺度不变特征变换(Scale
‑
invariant feature transform，SIFT)、加速稳健特征(Speeded Up Robust Features，SURF)等，其提取的是关键点的信息，更适合用于表示待识别图像的细节、指纹等，再进一步用于图像匹配、三维建模等算法，然而SIFT和SURF计算复杂，难以用于实时性特征检测，也难以快速地处理批量的待识别图像。因此，如何实现高效识别批量的待识别图像，成为一个亟待解决的问题。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0004]本专利技术的主要目的在于提供了一种基于深度学习的图像识别方法、装置、设备及存储介质，旨在解决如何实现高效识别批量的待识别图像的技术问题。
[0005]为实现上述目的，本专利技术提供了一种基于深度学习的图像识别方法，所述方法包括以下步骤：
[0006]获取待识别图像，并对所述待识别图像进行粗提取，获得图像特征点；
[0007]根据预设筛选规则从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征；
[0008]将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，获得特征挖掘结果，并根据所述特征挖掘结果生成图像识别结果。
[0009]可选地，所述获取待识别图像，并对所述待识别图像进行粗提取，获得图像特征点的步骤，具体包括：
[0010]从待识别图像的所有像素点中任选一像素点为圆心作圆，并获取所述圆的预设位置处的圆周像素点的灰度值；
[0011]获取所述圆心对应的像素点的灰度值，根据所述圆心对应的像素点的灰度值和所述圆周像素点的灰度值判断所述圆心对应的像素点是否为特征点；
[0012]在所述圆心对应的像素点为特征点时，标记所述特征点；
[0013]遍历所述待识别图像的所有像素点，以标记出所有的特征点，将所有标记的特征
点作为图像特征点。
[0014]可选地，所述根据预设筛选规则从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征的步骤，具体包括：
[0015]获取所述图像特征点对应的圆周像素点的像素值；
[0016]基于所述圆周像素点的像素值对所述图像特征点进行评分，并对获得的评分结果进行排序，获得评分排序结果；
[0017]根据所述评分排序结果从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征。
[0018]可选地，所述根据所述评分排序结果从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征的步骤，具体包括：
[0019]根据所述评分排序结果从所述图像特征点中筛选出目标特征点，并获取所述目标特征点对应的特征描述子；
[0020]对所述特征描述子进行过滤处理，以获得过滤后的特征描述子；
[0021]融合所述过滤后的特征描述子，获得初阶图像特征。
[0022]可选地，所述将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，获得特征挖掘结果，并根据所述特征挖掘结果生成图像识别结果的步骤之前，还包括：
[0023]获取样本待识别图像，并对所述样本待识别图像进行特征提取，获得样本图像特征；
[0024]获取所述样本待识别图像对应的样本类别向量；
[0025]根据所述样本图像特征和所述样本类别向量对支持向量机中进行训练，以获得预设深度学习模型。
[0026]可选地，所述根据所述样本图像特征和所述样本类别向量对支持向量机中进行训练，以获得预设深度学习模型的步骤，具体包括：
[0027]将所述样本图像特征作为支持向量机的输入特征，将所述样本类别向量作为所述支持向量机的输出特征对所述支持向量机进行训练，获得初阶深度学习模型；
[0028]实时获取所述初阶深度学习模型的分类精度，在所述分类精度大于等于预设分类精度时，输出所述初阶深度学习模型，作为预设深度学习模型。
[0029]可选地，所述将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，获得特征挖掘结果，并根据所述特征挖掘结果生成图像识别结果的步骤，具体包括：
[0030]将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，以获得特征挖掘结果，并从所述特征挖掘结果中提取对应的类别向量；
[0031]基于所述类别向量查询对应的类别标签，并基于所述类别标签生成图像识别结果。
[0032]此外，为实现上述目的，本专利技术还提出一种基于深度学习的图像识别装置，所述基于深度学习的图像识别装置包括：
[0033]特征点获取模块，用于获取待识别图像，并对所述待识别图像进行粗提取，获得图像特征点；
[0034]特征获取模块，用于根据预设筛选规则从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征；
[0035]图像识别模块，用于将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，获得特征挖掘结果，并根据所述特征挖掘结果生成图像识别结果。
[0036]此外，为实现上述目的，本专利技术还提出一种基于深度学习的图像识别设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于深度学习的图像识别程序，所述基于深度学习的图像识别程序配置为实现如上文所述的基于深度学习的图像识别方法的步骤。
[0037]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有基于深度学习的图像识别程序，所述基于深度学习的图像识别程序被处理器执行时实现如上文所述的基于深度学习的图像识别方法的步骤。
[0038]本专利技术中，获取待识别图像，并对所述待识别图像进行粗提取，获得图像特征点，根据预设筛选规则从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征，将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，获得特征挖掘结果，并根据所述特征挖掘结果生成图像识别结果。有别于现有基于点来进行图像识别的算法计算复杂，运算量大，难以用于实时性特征检测，也难以快速地处理批量的待识别图像，本专利技术通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的图像识别方法，其特征在于，所述基于深度学习的图像识别方法包括以下步骤：获取待识别图像，并对所述待识别图像进行粗提取，获得图像特征点；根据预设筛选规则从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征；将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，获得特征挖掘结果，并根据所述特征挖掘结果生成图像识别结果。2.如权利要求1所述的基于深度学习的图像识别方法，其特征在于，所述获取待识别图像，并对所述待识别图像进行粗提取，获得图像特征点的步骤，具体包括：从待识别图像的所有像素点中任选一像素点为圆心作圆，并获取所述圆的预设位置处的圆周像素点的灰度值；获取所述圆心对应的像素点的灰度值，根据所述圆心对应的像素点的灰度值和所述圆周像素点的灰度值判断所述圆心对应的像素点是否为特征点；在所述圆心对应的像素点为特征点时，标记所述特征点；遍历所述待识别图像的所有像素点，以标记出所有的特征点，将所有标记的特征点作为图像特征点。3.如权利要求2所述的基于深度学习的图像识别方法，其特征在于，所述根据预设筛选规则从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征的步骤，具体包括：获取所述图像特征点对应的圆周像素点的像素值；基于所述圆周像素点的像素值对所述图像特征点进行评分，并对获得的评分结果进行排序，获得评分排序结果；根据所述评分排序结果从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征。4.如权利要求3所述的基于深度学习的图像识别方法，其特征在于，所述根据所述评分排序结果从所述图像特征点中筛选出目标特征点，并基于所述目标特征点获得初阶图像特征的步骤，具体包括：根据所述评分排序结果从所述图像特征点中筛选出目标特征点，并获取所述目标特征点对应的特征描述子；对所述特征描述子进行过滤处理，以获得过滤后的特征描述子；融合所述过滤后的特征描述子，获得初阶图像特征。5.如权利要求1所述的基于深度学习的图像识别方法，其特征在于，所述将所述初阶图像特征输入至预设深度学习模型中进行特征挖掘，获得特征挖掘结果，并根据所述特征挖掘结果生成图像识别结果的步骤之前，还包括：获取样本待识别图像，并对所述样本待...

【专利技术属性】
技术研发人员：雷海波，崔波，柴春雷，田帅，
申请(专利权)人：佛山市太火红鸟科技有限公司，
类型：发明
国别省市：