[發(fā)明專利]圖像目標類別識別方法及裝置

有效

• 申請?zhí)枺?/td>: 201310537562.5
• 申請日: 2013-11-04
• 公開（公告）號: CN103559504A
• 公開（公告）日: 2014-02-05
• 發(fā)明（設計）人: 甘永洲;鄧正平
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 關兆輝;謝麗娜

1.一種圖像目標類別識別方法，包括如下步驟：

（S1）圖像特征提取，利用特征點提取方法提取出已知N個類別中所有樣本圖像的特征點，其中N為大于1的自然數(shù)，每一類別都包含至少一幅樣本圖像，并建立已知類別-樣本圖像-特征點對應關系；

（S2）聚類分析，利用聚類算法對提取出的全部特征點進行聚類分析，并將這些特征點劃分為N個子集；

（S3）確定目標類別，為每個所述子集確定目標類別C_n；

（S4）獲取共性特征，利用搜索算法獲取每個目標類別C_n中的各圖像之間的共性特征，其中C_n為第n個目標類別，n為小于等于N的正整數(shù)。

2.如權利要求1所述的方法，其中，所述步驟S1至少包括如下子步驟：

S101，提取每幅樣本圖像的底層視覺特征中的所述特征點；

S102，獲取每個所述特征點的向量描述；

S103，建立已知類別-樣本圖像-特征點對應關系。

3.如權利要求2所述的方法，其中，所述步驟S2至少包括如下子步驟：

S201：借助所述聚類算法將提取出的所有特征點聚類為預定數(shù)量的簇；

S202：將這些簇構建為k叉樹結構，其中k為正整數(shù)，且k∈（1，N）。

4.如權利要求3所述的方法，其中，所述步驟S3至少包括如下子步驟：

S301：對所述N個子集的每個子集中分屬于不同已知類別的特征點的數(shù)量進行統(tǒng)計；

S302：將包含特征點數(shù)最多的已知類別確定為該目標類別C_n。

5.如權利要求4所述的方法，其中，所述步驟S4至少包括如下子步驟：

S401：借助搜索算法搜尋出每個目標類別C_n中所包含的各圖像之間具有共性特征的共有特征點集。

6.如權利要求5所述的方法，其中，在所述步驟S401之后還包括：

S402：借助所述已知類別-樣本圖像-特征點對應關系，根據(jù)搜尋出的所述共有特征點集，從所述每個目標類別C_n中進一步映射出包含所述共有特征點集中的共有特征點的數(shù)量最多的那些樣本圖像，將這些樣本圖像作為該目標類別C_n的平均量圖像。

7.如權利要求5所述的方法，其中所述共有特征點集中的共有特征點的數(shù)量（K(C_n)）是根據(jù)該目標類別C_n中具有最少特征點數(shù)的圖像的特征點數(shù)來確定的。

8.如權利要求1-7之一所述的方法，其中在步驟S4之后還包括：在線圖像識別和分類步驟S5，用于對待分類的圖像進行識別和自動分類，所述在線圖像識別和分類步驟S5包括：

S502：對待分類的圖像執(zhí)行如步驟S1同樣的圖像特征提取處理，提取出待分類圖像的特征點；

S503：將所提取出的待分類圖像中的特征點與所述n個目標類別中的所述每個目標類別C_n的每個所述共性特征進行比對，分別計算出待分類圖像與每個目標類別之間的相似度；

S504：將待分類的圖像歸屬于具有最大相似度的目標類別C_n。

9.如權利要求1-7之一所述的方法，其中在所述步驟S4之后還包括：在線圖像識別和分類步驟S5，用于對待分類的圖像進行識別和自動分類，所述在線圖像識別和分類步驟S5包括：

S502：對待分類的圖像執(zhí)行如步驟S1同樣的圖像特征提取處理，提取出待分類圖像的特征點；

S503’：將所提取出的待分類圖像中的各特征點與所述目標類別的平均量圖像中的各特征點進行逐一比對，計算待分類圖像與每個目標類別的平均量圖像之間的相似度；

S504：將待分類的圖像歸屬于具有最大相似度的目標類別C_n。

10.如權利要求1-7之一所述的方法，其中，在步驟S1之前還包括對每幅圖像進行圖像預處理的步驟，所述圖像預處理步驟包括：

S001，對圖像進行等比縮放；

S002，對等比縮放后的圖像進行濾波處理，以去除噪聲；

S003，對濾波處理后的圖像進行灰度化處理。