基于图像分割的对象识别方法及装置制造方法及图纸

本发明专利技术公开了一种基于图像分割的对象识别方法及装置

【技术实现步骤摘要】
基于图像分割的对象识别方法及装置、电子设备


[0001]本专利技术涉及人工智能
或其他相关领域，具体而言，涉及一种基于图像分割的对象识别方法及装置
、
电子设备
。

技术介绍

[0002]当前，在很多场景下都需要进行实时图像分割和图像物体识别，例如，在金融系统的登录验证进行人脸识别或者第三者头像识别，在相机拍照时进行物体定位等
。
相关技术中，使用的图像分割算法一般是用于识别待分割物体和周围背景的，因此许多网络的输出结果是只有黑白两个颜色的图像
(
白色为待分割物体黑色为背景
)。
对于物体
3D
形状识别一般做法是采用增加硬件的方式进行识别，例如增加一个长焦摄像头或者添加雷达传感器等
。
[0003]但是当前在进行三维立体形状的图像分割识别时，都需要增加硬件，需要额外的开销，对于金融机构目前存量的摄像头都不具备硬件改造的条件，而且改造成本高昂
。
[0004]针对上述的问题，目前尚未提出有效的解决方案
。

技术实现思路

[0005]本专利技术实施例提供了一种基于图像分割的对象识别方法及装置
、
电子设备，以至少解决相关技术中在进行三维立体形状的图像分割识别时，需要额外增加硬件设备，成本增加的技术问题
。
[0006]根据本专利技术实施例的一个方面，提供了一种基于图像分割的对象识别方法，包括：将待识别图片输入至分割模型中，输出概率矩阵，其中，所述待识别图片中包含有三维立体对象的对象信息，所述分割模型用于对所述待识别图片各像素点进行分割，所述概率矩阵中每个数字表征该像素点为所述三维立体对象所属位置的像素点的概率值；对所述概率矩阵中各像素点进行整合，生成
N
个像素块，其中，
N
为正整数；将所述像素块输入至目标分类模型，输出该像素块所处的位置信息以及类别信息；基于每个像素块所处的位置信息以及类别信息，对所述像素块进行颜色填充处理，并基于所有像素块的颜色填充结果输出目标分割图片，其中，所述目标分割图片中包含：所述三维立体对象
、
图片背景
、
对象与背景边缘的识别结果
。
[0007]可选地，所述分割模型是预先训练得到的，在训练所述分割模型时，包括：获取金融机构的业务端在历史时间段中采集的对象图片集合以及对象分割结果，其中，所述对象图片集合中包含
M
张涉及历史三维立体对象的图片，所述三维立体对象包含
T
个使用所述业务端的业务处理对象和
/
或
P
个客户对象，所述对象分割结果包含对每张涉及所述历史三维立体对象的图片进行对象分割后得到的对象分割结果，
M、T
和
P
为大于等于2的整数；基于所述对象图片集合以及所述对象分割结果，生成训练集以及验证集；采用所述训练集对初始网络模型进行训练，其中，所述初始网络模型中包含：输入层
、
激活函数
、
损失函数
、
输出层，所述输入层用于输入图片，所述激活函数以及所述损失函数用于调整图片中各历史三维立
体对象的分割网络以及网络权限参数，所述输出层用于输出对象分割结果；在所述训练集中的所有图片已经全部输入完毕，采用所述验证集对所述初始网络模型进行分割相似度验证；在所述初始网络模型对输入的图片进行对象分割后得到的对象，与所述对象分割结果中的分割对象之间的相似度超出预设相似度阈值的情况下，确认训练完毕，输出所述分割模型
。
[0008]可选地，将待识别图片输入至分割模型中，输出概率矩阵的步骤，包括：在将待识别图片输入至所述分割模型后，采用所述分割模型按照预设分比率参数分割所述待识别图片的所有像素点；采用所述分割模型对所述像素点进行物体识别，输出该像素点为所述三维立体对象的概率值；整合所有所述像素点，生成所述概率矩阵
。
[0009]可选地，包括：所述概率矩阵的矩阵大小与所述待识别图片的图片大小一致，且所述概率矩阵的长宽参数按照所述待识别图片的长宽参数设置
。
[0010]可选地，对所述概率矩阵中各像素点进行整合，生成
N
个像素块的步骤，包括：接收对所述待识别图片预定义的
N
个像素相邻范围；将每个所述像素相邻范围内的所有像素点进行聚合处理，生成所述
N
个像素块
。
[0011]可选地，将所述像素块输入至目标分类模型，输出该像素块所处的位置信息以及类别信息的步骤，包括：将所述像素块输入至所述目标分类模型中的决策树装置，输出第一分类结果，其中，所述第一分类结果包含该像素块所处的位置信息以及类别信息；将所述像素块输入至所述目标分类模型中的朴素贝叶斯分类装置，输出第二分类结果，其中，所述第二分类结果包含该像素块所处的位置信息以及类别信息；对于每个所述像素块，比较该像素块对应的所述第一分类结果与所述第二分类结果；基于比较结果，输出该像素块所处的位置信息以及类别信息
。
[0012]可选地，基于比较结果，输出该像素块所处的位置信息以及类别信息的步骤，包括：在所述比较结果指示所述第一分类结果与所述第二分类结果一致的情况下，输出该像素块所处的位置信息以及类别信息；或者，在所述比较结果指示所述第一分类结果与所述第二分类结果不相同的情况下，扩展该像素块的所述像素相邻范围；执行将所述像素块输入至目标分类模型，输出该像素块所处的位置信息以及类别信息的步骤，得到新的比较结果；在所述新的比较结果指示该像素块的第一分类结果与第二分类结果相同的情况下，输出该像素块所处的位置信息以及类别信息
。
[0013]可选地，基于每个像素块所处的位置信息以及类别信息，对所述像素块进行颜色填充处理的步骤，包括：在所述位置信息以及所述类别信息指示所述像素块处于对象与背景边缘的情况下，对该像素块填充第一标识颜色；在所述位置信息以及所述类别信息指示所述像素块处于所述三维立体对象的对象内部的情况下，对该像素块填充第二标识颜色；在所述位置信息以及所述类别信息指示所述像素块处于图片背景内部的情况下，对该像素块填充第三标识颜色，其中，所述第一标识颜色
、
所述第二标识颜色和所述第三标识颜色互不相同
。
[0014]根据本专利技术实施例的另一方面，还提供了一种基于图像分割的对象识别装置，包括：图片输入单元，用于将待识别图片输入至分割模型中，输出概率矩阵，其中，所述待识别图片中包含有三维立体对象的对象信息，所述分割模型用于对所述待识别图片各像素点进行分割，所述概率矩阵中每个数字表征该像素点为所述三维立体对象所属位置的像素点的
概率值；像素整合单元，用于对所述概率矩阵中各像素点进行整合，生成
N
个像素块，其中，
N
为正整数；像素块输入单元，用于将所述像素块输入至目标分类模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于图像分割的对象识别方法，其特征在于，包括：将待识别图片输入至分割模型中，输出概率矩阵，其中，所述待识别图片中包含有三维立体对象的对象信息，所述分割模型用于对所述待识别图片各像素点进行分割，所述概率矩阵中每个数字表征该像素点为所述三维立体对象所属位置的像素点的概率值；对所述概率矩阵中各像素点进行整合，生成
N
个像素块，其中，
N
为正整数；将所述像素块输入至目标分类模型，输出该像素块所处的位置信息以及类别信息；基于每个像素块所处的位置信息以及类别信息，对所述像素块进行颜色填充处理，并基于所有像素块的颜色填充结果输出目标分割图片，其中，所述目标分割图片中包含：所述三维立体对象
、
图片背景
、
对象与背景边缘的识别结果
。2.
根据权利要求1所述的对象识别方法，其特征在于，所述分割模型是预先训练得到的，在训练所述分割模型时，包括：获取金融机构的业务端在历史时间段中采集的对象图片集合以及对象分割结果，其中，所述对象图片集合中包含
M
张涉及历史三维立体对象的图片，所述三维立体对象包含
T
个使用所述业务端的业务处理对象和
/
或
P
个客户对象，所述对象分割结果包含对每张涉及所述历史三维立体对象的图片进行对象分割后得到的对象分割结果，
M、T
和
P
为大于等于2的整数；基于所述对象图片集合以及所述对象分割结果，生成训练集以及验证集；采用所述训练集对初始网络模型进行训练，其中，所述初始网络模型中包含：输入层
、
激活函数
、
损失函数
、
输出层，所述输入层用于输入图片，所述激活函数以及所述损失函数用于调整图片中各历史三维立体对象的分割网络以及网络权限参数，所述输出层用于输出对象分割结果；在所述训练集中的所有图片已经全部输入完毕，采用所述验证集对所述初始网络模型进行分割相似度验证；在所述初始网络模型对输入的图片进行对象分割后得到的对象，与所述对象分割结果中的分割对象之间的相似度超出预设相似度阈值的情况下，确认训练完毕，输出所述分割模型
。3.
根据权利要求2所述的对象识别方法，其特征在于，将待识别图片输入至分割模型中，输出概率矩阵的步骤，包括：在将待识别图片输入至所述分割模型后，采用所述分割模型按照预设分比率参数分割所述待识别图片的所有像素点；采用所述分割模型对所述像素点进行物体识别，输出该像素点为所述三维立体对象的概率值；整合所有所述像素点，生成所述概率矩阵
。4.
根据权利要求1至3中任意一项所述的对象识别方法，其特征在于，包括：所述概率矩阵的矩阵大小与所述待识别图片的图片大小一致，且所述概率矩阵的长宽参数按照所述待识别图片的长宽参数设置
。5.
根据权利要求1所述的对象识别方法，其特征在于，对所述概率矩阵中各像素点进行整合，生成
N
个像素块的步骤，包括：接收对所述待识别图片预定义的
N
个像素相邻范围；
将每个所述像素相邻范围内的所有像素点进行聚合处理，生成所述
N
个像素块
。6.
根据权利要求5所述的对象识别方法...

【专利技术属性】
技术研发人员：倪俊，张宏韬，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：