[發(fā)明專利]圖像識別設(shè)備及方法

在審

• 申請?zhí)枺?/td>: 201010605112.1
• 申請日: 2010-12-14
• 公開（公告）號: CN102567736A
• 公開（公告）日: 2012-07-11
• 發(fā)明（設(shè)計）人: 馬賡宇;程剛;王強;毛文濤;金智淵
• 申請（專利權(quán)）人: 三星電子株式會社;北京三星通信技術(shù)研究有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京銘碩知識產(chǎn)權(quán)代理有限公司 11286
• 代理人: 韓明星;李娜娜

1.一種圖像識別方法，包括：

從輸入圖像提取K種類型的特征，其中，K為大于1的自然數(shù)；

分別對提取的K種類型的特征進行編碼，以獲得用于表示輸入圖像的與K種類型相應(yīng)的K個直方圖；

利用用于對預(yù)設(shè)的M個類進行分類的分類器對獲得的K個直方圖進行分類，以獲得預(yù)設(shè)的M個類的得分，其中，針對K種類型的每種類型，訓(xùn)練用于對預(yù)設(shè)的M個類進行分類的分類器，來對相應(yīng)類型的直方圖進行分類，其中，M為大于1的自然數(shù)；

對獲得的預(yù)設(shè)的M個類的得分進行融合。

2.如權(quán)利要求1所述的圖像識別方法，其中，所述融合的步驟包括：根據(jù)特征的類型將相同類的各個得分加權(quán)，將相同類的加權(quán)后的得分相加，得到與M個類相應(yīng)的M個得分。

3.如權(quán)利要求2所述的圖像識別方法，其中，所述融合的步驟還包括：選擇M個類中的一個類作為主導(dǎo)類，根據(jù)主導(dǎo)類與M個類中的其他類之間的依存關(guān)系，對所述M個得分加權(quán)，將加權(quán)后的M個得分相加，以得到與主導(dǎo)類相應(yīng)的一個得分，其中，依次選擇M個類的每個類作為主導(dǎo)類，計算與每個主導(dǎo)類相應(yīng)的得分。

4.如權(quán)利要求1所述的圖像識別方法，其中，所述融合的步驟包括：選擇M個類中的一個類作為主導(dǎo)類，根據(jù)主導(dǎo)類與M個類中的其他類之間的依存關(guān)系，對M個類中的每個類的得分加權(quán)，將加權(quán)后的得分相加，以得到與主導(dǎo)類相應(yīng)的一個得分，其中，依次選擇M個類的每個類作為主導(dǎo)類，計算與每個主導(dǎo)類相應(yīng)的得分。

5.如權(quán)利要求2所述的圖像識別方法，其中，將相同類的得分加權(quán)的步驟包括：訓(xùn)練用于加權(quán)的權(quán)重，以最大化平均精度。

6.如權(quán)利要求5所述的圖像識別方法，其中，訓(xùn)練用于加權(quán)的權(quán)重的步驟包括：

對權(quán)重向量e進行初始化，得到初始化的權(quán)重向量e₀，其中，向量e₀的各個元素的值相同；

使用當(dāng)前的向量e_p計算平均精度E_p＝AP(e_p)，其中，AP()為計算平均精度的函數(shù)，其中，在執(zhí)行初始化之后，當(dāng)前向量e_p＝e₀；

獲得步長向量б，通過將當(dāng)前的向量e_p與步長向量б相加，得到新的向量e_new，其中，步長向量б的各個元素是預(yù)定數(shù)值范圍內(nèi)的隨機數(shù)；

使用新的向量e_new再次計算平均精度E_new＝AP(e_new)；

如果E_new大于等于E_p，則e_p＝e_new，重復(fù)將當(dāng)前的向量e_p改變步長б的步驟；

如果E_new小于E_p，則確定隨機函數(shù)rand(E_p，E_new)是否大于0；

如果確定rand(E_p，E_new)大于0，則e_p＝e_new，重復(fù)將當(dāng)前的向量e_p改變步長б的步驟；

如果確定rand(E_p，E_new)不大于0，則e_p保持不變，重復(fù)將當(dāng)前的向量e_p改變步長б的步驟，

其中，隨機函數(shù)rand(E_p，E_new)滿足下面的條件：E_new越大，rand(E_p，E_new)＞0的概率越大；或者在E_new大于一閾值之后，E_new越大，rand(E_p，E_new)＞0的概率越大。

7.如權(quán)利要求6所述的圖像識別方法，其中，當(dāng)改變步長預(yù)定次數(shù)之后或者當(dāng)E_new達(dá)到預(yù)定值時，將此時的e_p作為最終訓(xùn)練得到的權(quán)重向量e。

8.如權(quán)利要求3或4所述的圖像識別方法，其中，根據(jù)主導(dǎo)類與M個類中的其他類之間的依存關(guān)系進行加權(quán)的步驟包括：訓(xùn)練用于加權(quán)的權(quán)重，以最大化平均精度。