【技术实现步骤摘要】
本公开涉及图像识别，并且更具体地，涉及用于货物图像的训练和识别方法以及相应装置。
技术介绍
1、目前，集装箱在国际贸易中充当着货物的重要载体。在海关的进出口过程中，当集装箱通过海关的安检设备时，会产生海量的集装箱货物图像。面对海量的集装箱货物图像，单纯依靠人工进行审图已经远远不够。
2、一些传统的图像处理方法根据海关现场的实际情况(例如，根据现场图像和货物品名)来进行智能审图，辅助或替代人进行货物的查验，大大提高审图效率。然而，这些传统的图像处理方法无法处理在没有报关单(即，集装箱中的货物类别是未知的)场景下的图像识别问题。
3、因此，需要一种新的用于货物图像的训练和识别方法以及相应装置。
技术实现思路
1、本申请的实施例提供了一种用于货物图像的训练和识别方法以及相应装置，其能够处理在没有报关单(即，集装箱中的货物类别是未知的)场景下捕获的货物图像，识别货物图像的货物区域的货物类别，从而辅助加强对进出口货物的监管。
2、根据本申请的第一方面，提供了一种用于货物图像的训练方法，包括：获取多个货物图像以及所述多个货物图像的货物区域的相应货物类别；对所述多个货物图像进行语义分析，以获取所述多个货物图像的货物区域的局部化框图；基于所述多个货物图像的货物区域的局部化框图，对所述多个货物图像进行特征提取，以获取所述多个货物图像的货物区域的特征向量；基于所述多个货物图像的货物区域的相应货物类别，对所述多个货物图像的货物区域的特征向量进行层次聚类处理，以获取多个
3、根据本申请的第二方面，提供了一种用于货物图像的训练装置，包括：图像获取模块，被配置为获取多个货物图像以及所述多个货物图像的货物区域的相应货物类别；语义分析模块，被配置为对所述多个货物图像进行语义分析，以获取所述多个货物图像的货物区域的局部化框图；特征提取模块，被配置为基于所述多个货物图像的货物区域的局部化框图，对所述多个货物图像进行特征提取，以获取所述多个货物图像的货物区域的特征向量；层次聚类模块，被配置为基于所述多个货物图像的货物区域的相应货物类别，对所述多个货物图像的货物区域的特征向量进行层次聚类处理，以获取多个货物类别中的每个货物类别的标准特征向量；以及独立阈值模块，被配置为基于所述多个货物类别中的每个货物类别的标准特征向量，为所述多个货物类别中的每个货物类别分别建立独立阈值。
4、根据本申请的第三方面，提供了一种用于货物图像的训练设备，包括：处理器，以及存储器，存储有指令，所述指令在由所述处理器执行时，使得所述处理器执行本申请的第一方面的训练方法。
5、根据本申请的第四方面，提供了一种计算机可读存储介质，在其上存储有指令，所述指令在由计算机执行时，使得所述计算机执行本申请的第一方面的训练方法。
6、根据本申请的第五方面，提供了一种用于货物图像的识别方法，包括：获取货物图像；对所述货物图像进行语义分析，以获取所述货物图像的货物区域的局部化框图；基于所述货物图像的货物区域的局部化框图，对所述货物图像进行特征提取，以获取所述货物图像的货物区域的特征向量；以及基于多个货物类别中的每个货物类别的独立阈值，将所述特征向量与所述多个货物类别中的每个货物类别的标准特征向量进行特征匹配，以识别所述货物图像的货物区域的货物类别。
7、根据本申请的第六方面，提供了一种用于货物图像的识别装置，包括：图像获取模块，被配置为获取货物图像；语义分析模块，被配置为对所述货物图像进行语义分析，以获取所述货物图像的货物区域的局部化框图；特征提取模块，被配置为基于所述货物图像的货物区域的局部化框图，对所述货物图像进行特征提取，以获取所述货物图像的货物区域的特征向量；以及特征匹配模块，被配置为基于多个货物类别中的每个货物类别的独立阈值，将所述特征向量与所述多个货物类别中的每个货物类别的标准特征向量进行特征匹配，以识别所述货物图像的货物区域的货物类别。
8、根据本申请的第七方面，提供了一种用于货物图像的训练装置，包括：处理器，以及存储器，存储有指令，所述指令在由所述处理器执行时，使得所述处理器执行本申请的第四方面的识别方法。
9、根据本申请的第八方面，提供了一种计算机可读存储介质，在其上存储有指令，所述指令在由计算机执行时，使得所述计算机执行本申请的第四方面的识别方法。
10、根据本申请的实施例的用于货物图像的训练和识别方法以及相应装置，通过获取多个货物图像以及相应的货物类别，对多个货物图像进行语义分析，可以获取货物区域的局部化框图。此外，基于货物区域的局部化框图，对多个货物图像进行特征提取，可以获取货物区域的特征向量。进一步地，基于相应的货物类别，对货物区域的特征向量进行层次聚类处理，可以获取每个货物类别的标准特征向量，并且可以基于每个货物类别的标准特征向量，建立每个货物类别的独立阈值。最后，利用上面获取的每个货物类别的标准特征向量和相应的独立阈值，可以实现对在没有报关单(即，集装箱中的货物类别是未知的)场景下捕获的货物图像的识别。即，将捕获的货物图像的货物区域的特征向量与每个货物类别的标准特征向量进行特征匹配，利用每个货物类别的独立阈值，来识别货物区域的货物类别。因此，通过实现对在没有报关单场景下捕获的货物图像的识别，可以辅助或替代人实现智能查验，加强海关对集装箱货物的监管，避免偷税漏税的违法行为。
本文档来自技高网...【技术保护点】
1.一种用于货物图像的训练方法，包括：
2.根据权利要求1所述的训练方法，其中，所述多个货物图像是在集装箱通过安检设备时利用所述安检设备的图像捕获设备而捕获的，并且所述多个货物图像是多个集装箱货物图像。
3.根据权利要求1所述的训练方法，其中，在对所述多个货物图像进行语义分析，以获取所述多个货物图像的货物区域的局部化框图之前，所述训练方法还包括：
4.根据权利要求1所述的训练方法，其中，对所述多个货物图像进行语义分析，以获取所述多个货物图像的货物区域的局部化框图包括：
5.根据权利要求1所述的训练方法，其中，基于所述多个货物图像的货物区域的局部化框图，对所述多个货物图像进行特征提取，以获取所述多个货物图像的货物区域的特征向量包括：
6.根据权利要求1所述的训练方法，其中，基于所述多个货物图像的货物区域的相应货物类别，对所述多个货物图像的货物区域的特征向量进行层次聚类处理，以获取多个货物类别中的每个货物类别的标准特征向量包括：
7.一种用于货物图像的训练装置，包括：
8.一种用于货物图像的训练设备，
9.一种计算机可读存储介质，在其上存储有指令，所述指令在由计算机执行时，使得所述计算机执行根据权利要求1-6所述的训练方法。
10.一种用于货物图像的识别方法，包括：
11.根据权利要求10所述的识别方法，其中，所述货物图像是在集装箱通过安检设备时利用所述安检设备的图像捕获设备而捕获的，并且所述货物图像是集装箱货物图像。
12.根据权利要求10所述的识别方法，其中，在对所述货物图像进行语义分析，以获取所述货物图像的货物区域的局部化框图之前，所述识别方法还包括：
13.根据权利要求10所述的识别方法，其中，对所述货物图像进行语义分析，以获取所述货物图像的货物区域的局部化框图包括：
14.根据权利要求10所述的识别方法，其中，基于所述货物图像的货物区域的局部化框图，对所述货物图像进行特征提取，以获取所述货物图像的货物区域的特征向量包括：
15.根据权利要求10所述的识别方法，其中，基于多个货物类别中的每个货物类别的独立阈值，将所述特征向量与所述多个货物类别中的每个货物类别的标准特征向量进行特征匹配，以识别所述货物图像的货物区域的货物类别包括：
16.根据权利要求10所述的识别方法，其中，所述多个货物类别中的每个货物类别的独立阈值以及所述多个货物类别中的每个货物类别的标准特征向量是通过以下方式获得的：
17.一种用于货物图像的识别装置，包括：
18.一种用于货物图像的识别设备，包括：
19.一种计算机可读存储介质，在其上存储有指令，所述指令在由计算机执行时，使得所述计算机执行根据权利要求10-16所述的识别方法。
...【技术特征摘要】
1.一种用于货物图像的训练方法，包括：
2.根据权利要求1所述的训练方法，其中，所述多个货物图像是在集装箱通过安检设备时利用所述安检设备的图像捕获设备而捕获的，并且所述多个货物图像是多个集装箱货物图像。
3.根据权利要求1所述的训练方法，其中，在对所述多个货物图像进行语义分析，以获取所述多个货物图像的货物区域的局部化框图之前，所述训练方法还包括：
4.根据权利要求1所述的训练方法，其中，对所述多个货物图像进行语义分析，以获取所述多个货物图像的货物区域的局部化框图包括：
5.根据权利要求1所述的训练方法，其中，基于所述多个货物图像的货物区域的局部化框图，对所述多个货物图像进行特征提取，以获取所述多个货物图像的货物区域的特征向量包括：
6.根据权利要求1所述的训练方法，其中，基于所述多个货物图像的货物区域的相应货物类别，对所述多个货物图像的货物区域的特征向量进行层次聚类处理，以获取多个货物类别中的每个货物类别的标准特征向量包括：
7.一种用于货物图像的训练装置，包括：
8.一种用于货物图像的训练设备，包括：
9.一种计算机可读存储介质，在其上存储有指令，所述指令在由计算机执行时，使得所述计算机执行根据权利要求1-6所述的训练方法。
10.一种用于货物图像的识别方法，包括：
11.根据权利要求10所述...
【专利技术属性】
技术研发人员：郭全占，戴诗语，陈志强，李元景，张丽，丁保阔，
申请(专利权)人：同方威视科技江苏有限公司，
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。