【技术实现步骤摘要】
本专利技术涉及图像处理和识别的方法，具体是基于图像块的复杂环境下图像识别的方法。
技术介绍
1、在烟草配送流程系统中，核对签收店铺是否合规是一项非常重要的环节。送货员在送货时需要对收货的店面进行拍照，将拍照的照片与事先拍照入库的所有收货商铺店面逐一比对和确认，以判断当前的收货地址是否为已登记的合规商铺，并对这间商铺的签收进行记录。现有的比对方法是采用深度学习的方式，先通过一个店面检测模型检测到当前签收时拍摄的照片中的店面部分，将所述店面部分截取下来，然后将截取的店面部分输入到特征提取模型中提取特征，将提取出的特征与已入库的所有店面照片所提取的特征进行相似度计算，高于设定的阈值时，选取相似度最大的就能确定当前店面是某间已登记店铺。然而，由于客观环境因素的存在，如图1和图2所示，店面时常会发生部分改变或是拍照时受到部分遮挡，与入库时拍摄的图片有较大差异，导致全图匹配的准确性受到影响。另一方面，现有的全图匹配技术对于处理这类复杂和多变的情况缺乏足够的稳健性和灵活性。因此，需要一种更为准确、稳定的图像比对方法，以提高送货地址的验证精确性。
技术实现思路
1、本专利技术提供了一种基于图像块的复杂环境下图像识别的方法，为了提高两张图像匹配的准确性，以及克服图片中因遮挡等环境因素导致的匹配误差。
2、本专利技术基于图像块的复杂环境下图像识别的方法，包括步骤：
3、a.通过图像检测模型对店面登记图片的登记店面区域的左上角和右下角进行标注，构成训练集，并将所述登记店面区域的图
4、b.通过特征提取模型将所述登记店面区域的图像切分为n个登记图像块作为训练集，其中n为大于1的自然数；每个登记店面为一个类别，使用分类的方式对所述训练集进行训练，训练完成后通过特征提取模型对每个登记图像块提取特征并保存，并建立每个登记图像块与登记店面之间映射关系；
5、c.输入店面签收图片，通过图像检测模型获得所述店面签收图片中签收店面区域的坐标；
6、d.通过特征提取模型将所述签收店面区域切分为n个签收图像块，并提取每个签收图像块的特征；
7、e.将每个签收图像块与对应登记店面的每个登记图像块两两分组进行特征对比，每次对比后得到一个相似度得分，两两对比完成后，根据高于预设相似度阈值的相似度得分数量，判断出签收店面区域是否与登记店面区域匹配，进而判断出店面签收图片是否与店面登记图片匹配。
8、本专利技术首先会对库中登记的每一张店面照片进行处理，通过图像检测模型检测并截取登记店面区域部分，再把登记店面区域部分划分为多个登记图像块，并对每个登记图像块进行特征提取。然后，当送货员进行送货并拍摄店面照片后，通过图像检测模型也会对拍摄的照片进行类似的处理，提取各个签收图像块的特征。然后对拍摄照片的各个签收图像块与库中的对应店面照片的登记图像块进行两两匹配，如果匹配成功的图像块数量超过预设的阈值，就认为当前的收货地址是已登记的合规店铺。通过将店面登记图片和店面签收图片分别分解为多个图像块，并对每个图像块进行单独匹配，以此提高了两张图片匹配的准确度。
9、具体的，步骤e中进行两两特征对比时，是根据图像向量的维度计算签收图像块的特征与登记图像块的特征的余弦相似度作为所述相似度得分。
10、具体的，步骤e中，是将一个签收图像块的特征与一个登记图像块的特征的余弦相似度作为所述相似度得分。
11、具体的，所述余弦相似度的计算方式为：
12、
13、其中，i，j＝1，2，...，n，n为签收图像块和登记图像块分别的数量，i为签收图像块索引，j为登记图像块索引，a为登记图像块，b为签收图像块，m为图片向量的维度，k的范围为1到m，用于索引向量中的具体维度。
14、具体的，步骤e所述两两分组进行特征对比，每次对比后得到一个相似度得分，按照相似度得分对每组进行特征比对的签收图像块-登记图像块进行排序，将相似度得分最高的一组签收图像块-登记图像块设置为第一固定分组，将剩余的签收图像块和登记图像块重新排序再两两分组进行特征对比，再将相似度得分最高的一组签收图像块-登记图像块设置为第二固定分组，以此类推，直到所有的签收图像块和登记图像块都有固定分组。
15、本专利技术的有益效果包括：
16、1、明显提高了入库登记的店面图像和签收拍照的店面图像的匹配准确性。
17、2、克服图片中因遮挡等环境因素导致的匹配误差。
本文档来自技高网...【技术保护点】
1.基于图像块的复杂环境下图像识别的方法，其特征为：包括步骤：
2.如权利要求1所述基于图像块的复杂环境下图像识别的方法，其特征为：步骤E中进行两两特征对比时，是将每个签收图像块与每个登记图像块分别分配索引，根据各自的索引进行两两特征对比。
3.如权利要求2所述基于图像块的复杂环境下图像识别的方法，其特征为：步骤E中，是根据图像向量的维度计算签收图像块的特征与登记图像块的特征的余弦相似度作为所述相似度得分。
4.如权利要求3所述基于图像块的复杂环境下图像识别的方法，其特征为：所述余弦相似度的计算方式为：
5.如权利要求1所述基于图像块的复杂环境下图像识别的方法，其特征为：步骤E所述两两分组进行特征对比，每次对比后得到一个相似度得分，按照相似度得分对每组进行特征比对的签收图像块-登记图像块进行排序，将相似度得分最高的一组签收图像块-登记图像块设置为第一固定分组，将剩余的签收图像块和登记图像块重新排序再两两分组进行特征对比，再将相似度得分最高的一组签收图像块-登记图像块设置为第二固定分组，以此类推，直到所有的签收图像块和登记图像块都有固
...【技术特征摘要】
1.基于图像块的复杂环境下图像识别的方法，其特征为：包括步骤：
2.如权利要求1所述基于图像块的复杂环境下图像识别的方法，其特征为：步骤e中进行两两特征对比时，是将每个签收图像块与每个登记图像块分别分配索引，根据各自的索引进行两两特征对比。
3.如权利要求2所述基于图像块的复杂环境下图像识别的方法，其特征为：步骤e中，是根据图像向量的维度计算签收图像块的特征与登记图像块的特征的余弦相似度作为所述相似度得分。
4.如权利要求3所述基于图像块的复杂环境下图像识别的方...
【专利技术属性】
技术研发人员：黄敏，曾华，余林，何为民，马林，肖勇，邓燕，巫柏宁，罗翼宛，
申请(专利权)人：四川省烟草公司南充市公司，
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。