[發明專利]圖像識別方法、裝置及計算機可讀存儲介質

有效

• 申請號: 201710374214.9
• 申請日: 2017-05-24
• 公開（公告）號: CN107220614B
• 公開（公告）日: 2021-08-10
• 發明（設計）人: 萬韶華
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 林錦瀾

1.一種圖像識別方法，其特征在于，所述方法包括：

在待識別的目標圖像中，確定所述目標圖像中用于表征人臉特征的器官的位置，作為標定點的位置；根據所述標定點的位置，確定人臉中各器官的分布區域，并根據所述人臉中各器官的分布區域的投影圖確定所述人臉包括的多個預設特征點的坐標，進而得到人臉包括的多個預設特征點的位置；根據多個預設特征點的位置，確定多個預設特征點中任意兩個特征點之間的距離，以及任意兩個預設特征點之間的夾角；基于任意兩個預設特征點之間的距離，以及任意兩個預設特征點之間的夾角，確定所述目標圖像的形狀特征向量；

對于多個預設特征點中的每個預設特征點，以所述預設特征點為中心，確定一個預設大小的區域，進而確定出所述區域內在不同方向和不同尺度上的Gabor特征，并將所述區域的Gabor特征確定為所述預設特征點的Gabor特征；

基于每個預設特征點的Gabor特征，確定所述目標圖像的紋理特征向量；

將所述目標圖像的紋理特征向量和形狀特征向量合并，確定所述目標圖像的特征向量；

通過局部敏感哈希編碼LSH方法對所述目標圖像的特征向量進行編碼，得到所述目標圖像的特征向量的哈希序列；

其中，所述通過局部敏感哈希編碼LSH方法對所述目標圖像的特征向量進行編碼包括：

隨機產生n個服從正態分布的向量，得到n個隨機向量，所述n個隨機向量中每個隨機向量的長度相同；

對于所述n個隨機向量中的每個隨機向量，根據所述隨機向量，按照如下公式確定所述目標圖像的特征向量的哈希序列中的一個元素；

其中，h_r(x)為所述目標圖像的特征向量的哈希序列中的一個元素，r為所述隨機向量，x為所述目標圖像的特征向量，L為指定度量矩陣的柯列斯基分解矩陣，每個隨機向量的長度和所述目標圖像的特征向量的長度相同；

根據所述目標圖像的特征向量的哈希序列和預先設置的多個標定圖像，從所述多個標定圖像對應的類別中確定所述目標圖像的類別；

所述通過LSH方法對所述目標圖像的特征向量進行編碼，得到所述目標圖像的特征向量的哈希序列之前，還包括：

對于訓練樣本集包括的多個樣本圖像，確定相似集合和非相似集合，其中，所述相似集合中任意兩個樣本圖像之間的馬氏距離小于等于第一閾值；所述非相似集合中任意兩個樣本圖像之間的馬氏距離大于等于第二閾值，所述第二閾值大于所述第一閾值；

根據下述公式確定指定度量矩陣：

minD_ld(A,A₀)

s.t.

其中，A為所述指定度量矩陣，A₀為單位矩陣，D_ld(A,A₀)為布雷格曼散度，S為所述相似集合，D為所述非相似集合，l為所述第一閾值，μ為所述第二閾值，x_i,x_j為所述訓練樣本集中任意兩個樣本圖像的特征向量；

通過下述公式確定所述指定度量矩陣A的柯列斯基分解矩陣：

A＝LL^T

其中，L為指定度量矩陣A的柯列斯基分解矩陣。

2.根據權利要求1所述的方法，其特征在于，所述根據所述目標圖像的特征向量的哈希序列和預先設置的多個標定圖像，從所述多個標定圖像對應的類別中確定所述目標圖像的類別，包括：

通過所述LSH方法確定所述多個標定圖像中每個標定圖像的特征向量的哈希序列；

確定所述目標圖像的特征向量的哈希序列和每個標定圖像的特征向量的哈希序列之間的漢明距離；

將漢明距離小于預設距離的標定圖像對應的類別確定為所述目標圖像的類別。

3.根據權利要求1至2任一所述的方法，其特征在于，所述確定待識別的目標圖像的特征向量，包括：

確定所述目標圖像中目標對象的位置，并通過預設算法根據所述目標對象的位置獲取所述目標對象包括的多個預設特征點的位置，所述目標對象包括人臉；

根據所述多個預設特征點的位置，確定所述目標圖像的形狀特征向量；

確定所述多個預設特征點中每個預設特征點的Gabor特征，基于確定得到的Gabor特征生成所述目標圖像的紋理特征向量；

將所述形狀特征向量和所述紋理特征向量合并，得到所述目標圖像的特征向量。