[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: 201711087558.8
• 申請日: 2017-11-07
• 公開（公告）號: CN107944351B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 劉新;宋朝忠;郭烽
• 申請（專利權）人: 深圳市易成自動駕駛技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國;趙愛蓉

1.一種圖像識別方法，其特征在于，所述圖像識別方法包括：

獲取待識別圖像，并確定所述待識別圖像中的非感興趣區域，其中，所述非感興趣區域為所述待識別圖像中對于無人駕駛車輛的行駛決策影響較小的邊緣區域；

獲取所述非感興趣區域的初始分辨率，并將所述非感興趣區域的初始分辨率按照預設參數進行分辨率降低處理，其中，所述預設參數由基于深度學習的預設卷積神經網絡的性質所確定的分辨率閾值，以及所述待識別圖像的初始分辨率共同確定；

采用基于深度學習的卷積神經網絡對降低非感興趣區域分辨率后的待識別圖像進行圖像識別計算，識別出目標物體，其中，所述基于深度學習的卷積神經網絡為預先訓練得到的用于識別目標物體的模型。

2.如權利要求1所述的圖像識別方法，其特征在于，所述獲取待識別圖像，并確定所述待識別圖像中的非感興趣區域的步驟包括：

獲取待識別圖像，按照預設規則從所述待識別圖像中劃分出感興趣區域和非感興趣區域。

3.如權利要求1所述的圖像識別方法，其特征在于，所述將所述非感興趣區域的初始分辨率按照預設參數進行分辨率降低處理的步驟包括：

使用預設工具將所述非感興趣區域的初始分辨率按照預設參數進行分辨率降低處理。

4.如權利要求1所述的圖像識別方法，其特征在于，所述采用基于深度學習的卷積神經網絡對降低非感興趣區域分辨率后的待識別圖像進行圖像識別計算，識別出目標物體的步驟包括：

分別對降低非感興趣區域分辨率后的待識別圖像中的感興趣區域和非感興趣區域進行特征提取，得到感興趣區域對應的第一特征向量和非感興趣區域對應的第二特征向量；

分別將所述感興趣區域對應的第一特征向量和非感興趣區域對應的第二特征向量輸入所述基于深度學習的卷積神經網絡，進行針對感興趣區域的目標物體識別和針對非感興趣區域目標物體識別，識別出目標物體。

5.一種圖像識別裝置，其特征在于，所述圖像識別裝置包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的圖像識別程序，所述圖像識別程序被所述處理器執行時實現以下步驟：

獲取待識別圖像，并確定所述待識別圖像中的非感興趣區域，其中，所述非感興趣區域為所述待識別圖像中對于無人駕駛車輛的行駛決策影響較小的邊緣區域；

獲取所述非感興趣區域的初始分辨率，并將所述非感興趣區域的初始分辨率按照預設參數進行分辨率降低處理，其中，所述預設參數由基于深度學習的預設卷積神經網絡的性質所確定的分辨率閾值，以及所述待識別圖像的初始分辨率共同確定；

采用基于深度學習的卷積神經網絡對降低非感興趣區域分辨率后的待識別圖像進行圖像識別計算，識別出目標物體，其中，所述基于深度學習的卷積神經網絡為預先訓練得到的用于識別目標物體的模型。

6.如權利要求5所述的圖像識別裝置，其特征在于，所述圖像識別程序被所述處理器執行時還實現以下步驟：

獲取待識別圖像，按照預設規則從所述待識別圖像中劃分出感興趣區域和非感興趣區域。

7.如權利要求5所述的圖像識別裝置，其特征在于，所述圖像識別程序被所述處理器執行時還實現以下步驟：

使用預設工具將所述非感興趣區域的初始分辨率按照預設參數進行分辨率降低處理。

8.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有圖像識別程序，所述圖像識別程序被處理器執行時實現以下步驟：

獲取待識別圖像，并確定所述待識別圖像中的非感興趣區域，其中，所述非感興趣區域為所述待識別圖像中對于無人駕駛車輛的行駛決策影響較小的邊緣區域；

獲取所述非感興趣區域的初始分辨率，并將所述非感興趣區域的初始分辨率按照預設參數進行分辨率降低處理，其中，所述預設參數由基于深度學習的預設卷積神經網絡的性質所確定的分辨率閾值，以及所述待識別圖像的初始分辨率共同確定；

采用基于深度學習的卷積神經網絡對降低非感興趣區域分辨率后的待識別圖像進行圖像識別計算，識別出目標物體，其中，所述基于深度學習的卷積神經網絡為預先訓練得到的用于識別目標物體的模型。