【技术实现步骤摘要】
图像的识别方法、装置、电子设备及存储介质
[0001]本申请属于图像处理
，尤其涉及一种图像的识别方法、装置、电子设备及存储介质。
技术介绍
[0002]目前的重复图片筛选技术，通常是根据每张图片的特征生成一个图像描述符，并将所有已有图片的图像描述符存入数据库中。当新的图片传入时，以相同的算法为新图片生成一个描述符，并将新图片的描述符与所有旧图片的描述符进行对比。如果新图片与所有旧图片的描述符相似度均大于指定的阈值，则认为新图片与所有旧图片不重复。但这种图片筛选技术不适用于复杂场景下图片的识别。例如，对于风机质检现场的图片，由于风机质检现场的图片涵盖许多步骤，特征较为复杂，常用的图像描述符很容易出现误识别，并且，对于带有标记的图像，由于图片上的标记也会对图像特征符有影响，从而干扰到图像描述符的生成，使得一些标记不同但内容重复的图片没有被筛选出来。因此，亟需一种适用于带有标记图片的重复图片筛选技术。
技术实现思路
[0003]本申请实施例提供一种图像的识别方法、装置、设备及存储介质，能够更准确地识别出带有...
【技术保护点】
【技术特征摘要】
1.一种图像的识别方法，其特征在于，包括：将待识别图像输入特征提取模型，得到第一特征向量，所述第一特征向量用于表征所述待识别图像的整体特征；对所述待识别图像中的n个敏感区域进行特征提取，得到第二特征向量，所述敏感区域包含有标记的区域，所述第二特征向量用于表征所述敏感区域的特征，所述n为正整数；对所述第一特征向量和所述第二特征向量进行融合处理，得到所述待识别图像的特征描述符；根据所述特征描述符，确定所述待识别图像与图像库中的图像是否重复。2.根据权利要求1所述的方法，其特征在于，所述特征提取模型为神经网络模型，所述神经网络模型依次包括卷积层、池化层、残差层、全连接层和分类层；所述将待识别图像输入特征提取模型，得到第一特征向量，包括：将所述待识别图像输入所述神经网络模型，提取所述全连接层与所述分类层之间的输出结果；根据所述输出结果生成所述第一特征向量。3.根据权利要求2所述的方法，其特征在于，所述根据所述输出结果生成所述第一特征向量，包括：对所述输出结果进行降维处理，得到所述第一特征向量。4.根据权利要求3所述的方法，其特征在于，所述对所述输出结果进行降维处理，得到所述第一特征向量，包括：通过主成分分析提取所述输出结果中的多个主成分，得到所述第一特征向量。5.根据权利要求1所述的方法，其特征在于，所述对所述待识别图像中的n个敏感区域进行特征提取，得到第二特征向量，包括：提取所述n个敏感区域内每个像素点在每个通道的像素值；将提取出的像素值按照像素点位置和通道的顺序进行合并，得到所述第二特征向量。6.根据权利要求5所述的方法，其特征在于，所述n个敏感区域对应待识别图像中的n个角落，或者对应所述待识别图像中的n个边缘，或者对应所述待识别图像中总计数量为n个的角落和边缘的集合。7.根据权利要求1所述的方法，其特征在于，所述第一特征向量为p
×
1维向量，所述第二特征向量为q
×
1维向量，p、q均为正整数，所述对所述第一特征向量和所述第二特征向量进行融合处理，得到所述待识别图像的特征描述符，包括：合并所述第一特征向量和所述第二特征向量，将合并得到的(p+q)
×
1维向量作为所述待识别图像的特征描述符。8.根据权利要求1所述的方法，其特征在于，所述根据所述特征描述符，确定所述待识别图像与图像库中的图像是否重复，包括：计算所述待识别图像的特征描述符与图像库中每个图像的特征描述符的相似度；其中，所述图像库中每个图像的特征描述符是基于与所述待识别图像的特征描述符相同的方式生成的；响应于所述相似度满足预设条件，确定所述待识别图像与所述图像库中的图像重复。9.根据权利要求1所述的方法，其特征在于，在根据所述特征描述符，确定所述待识别
图像与图像库中的图像是否重复之后，所述方法还包括：响应于所述待识别图像为质检图像，所述图像库为故障图像库，所述故障图像库包括部件发生故障的m张图像，当所述待识别图像与所述故障图像库中的目标图像重复，则确定所述待识别图像中的部件发生故障，其中所述m为正整数。10.一种图像的识别装置，其特征在于，所述装置包括：输入单元，用于将待识别图像输入特征提取模型，得到第一特征向量，所述第一特征向量用于表征所述待识别图像的整体特征；提取单元...
【专利技术属性】
技术研发人员：李岩松，宋建军，
申请(专利权)人：新疆金风科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。