[發明專利]室內物體的自動分割識別方法、電子設備及存儲介質

在審

• 申請號: 201710931122.6
• 申請日: 2017-10-09
• 公開（公告）號: CN107918759A
• 公開（公告）日: 2018-04-17
• 發明（設計）人: 郭繼舜
• 申請（專利權）人: 大圣科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙)44288
• 代理人: 代春蘭,徐燕萍

技術領域

本發明涉及一種室內場景解析技術領域，尤其涉及室內物體的自動分割識別方法、電子設備及存儲介質。

背景技術

圖像分割是把圖像分成若干個特定的、具有獨特性質的區域并提出感興趣目標的技術和過程。它是由圖像處理到圖像分析的關鍵步驟。現有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。1998年以來，研究人員不斷改進原有的圖像分割方法并把其它學科的一些新理論和新方法用于圖像分割，提出了不少新的分割方法。圖像分割后提取出的目標可以用于圖像語義識別，圖像搜索等等領域。

多年來，室內場景解析已經吸引了越來越多人的興趣。現有的方法通常側重于不同的子任務，比如將圖像分割為區域、推斷語義標簽在特定地區，或各區域之間的支持關系，這些不同的任務通常被視為單獨的任務。

發明內容

為了克服現有技術的不足，本發明的目的之一在于提供室內物體的自動分割識別方法，引入馬爾科夫隨機場算法，使用支持向量機進行參數學習，從而完成對場景的自動分割，并得到關鍵物體的語義標簽和物體之間的相互支撐關系。

本發明的目的之二在于提供一種電子設備，引入馬爾科夫隨機場算法，使用支持向量機進行參數學習，從而完成對場景的自動分割，并得到關鍵物體的語義標簽和物體之間的相互支撐關系。

本發明的目的之三在于提供一種計算機可讀存儲介質，引入馬爾科夫隨機場算法，使用支持向量機進行參數學習，從而完成對場景的自動分割，并得到關鍵物體的語義標簽和物體之間的相互支撐關系。

本發明的目的之一采用如下技術方案實現：

室內物體的自動分割識別方法，包括以下步驟：

構建數據庫，獲取用戶設定的語義標簽，生成語義標簽庫，所述語義標簽為室內場景中物體的分類屬性；

建立函數，將馬爾科夫隨機場映射到室內場景圖，通過馬爾科夫隨機場算法定義基本變量，生成可以最大化函數，所述基本變量包括場景選擇變量、語義標簽變量、相互關系變量，所述最大化函數包括特征向量、標記向量；

場景分割，支撐向量機對所述特征向量、標記向量進行學習，得到所述最大化函數的全局最優解，完成對室內物體的自動分割；

標簽識別，獲取圖像區域的語義標簽，所述語義標簽為在得到全局最優解時語義標簽變量的取值；

支撐關系，獲取兩個圖像區域之間的相互關系，所述相互關系為在得到全局最優解時相互關系變量的取值。

進一步地，所述步驟建立函數具體為：

定義變量，將馬爾科夫隨機場映射到室內場景圖，通過馬爾科夫隨機場算法定義基本變量，所述基本變量包括場景選擇變量、語義標簽變量、相互關系變量；

圖像預分割，對所述室內場景圖進行預分割，得到R個圖像區域，引入表示標記場的參數向量w_a、表示特征場的特征向量

生成最大化函數，獲取所述基本變量的數學表達式，生成最大化函數，所述最大化函數包括參數向量、特征向量。

進一步地，所述步驟定義變量具體包括以下步驟：

定義場景選擇變量，引入場景選擇變量a_i，定義場景選擇變量a_i的數學表達式為

定義語義標簽變量，引入語義標簽變量M_i，定義語義標簽變量M_i的數學表達式為所述M表示所述室內場景圖下所述語義標簽的集合，所述K表示語義標簽的分類數；

定義相互關系變量，引入相互關系變量S_ij，定義相互關系變量S_ij的數學表達式為所述相互關系變量S_ij表示圖像區域i和圖像區域j的相互關系。

進一步地，所述步驟生成函數具體為：獲取所述基本變量的數學表達式，生成最大化函數為

所述用于表示圖像區域i是活躍區域的概率，所述用于表示所述圖像區域i屬于給定的預語義標簽的概率，所述用于表示活躍區域集合的約束條件，所述用于表示圖像區域i和圖像區域j之間相互關系的概率，所述用于表示表示圖像區域i和圖像區域j的相互關系屬于給定關系的概率。

進一步地，所述定義為：所述T為分割后的圖像根據灰度直方圖設定的閾值，當a_i＝0，

進一步地，所述定義為：所述表示每個M_i的參數向量，當a_i＝0，