[發明專利]一種全景圖像的識別方法、系統及計算機存儲介質

有效

• 申請號: 201810269437.3
• 申請日: 2018-03-29
• 公開（公告）號: CN108520263B
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 張驚
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝;陳剛

1.一種全景圖像的識別方法，其特征在于，所述方法包括：

獲取待分析的目標圖像，并提取所述目標圖像的目標邊緣特征；

將所述目標邊緣特征輸入圖像識別模型，并根據所述圖像識別模型的輸出結果判斷所述目標圖像是否為全景圖像；其中，所述圖像識別模型，基于圖像訓練樣本集中圖像樣本的邊緣特征和所述圖像樣本關聯的圖像類型訓練得到；所述圖像類型用于表征關聯的圖像樣本是否為全景圖像；

其中，所述圖像樣本或所述目標圖像的邊緣特征按照以下方式提取：

檢測所述圖像樣本或所述目標圖像中存在的邊緣，并確定所述邊緣在所述圖像樣本或所述目標圖像中的位置信息；

將所述邊緣的位置信息作為所述圖像樣本或所述目標圖像的邊緣特征。

2.根據權利要求1所述的方法，其特征在于，檢測所述圖像樣本中存在的邊緣包括：

確定所述圖像樣本中像素點的灰度梯度幅值和灰度梯度方向；

基于確定的所述灰度梯度幅值和所述灰度梯度方向，在所述圖像樣本中確定極大值像素點；

在所述極大值像素點中確定灰度值大于或者等于指定閾值的目標像素點，并通過所述目標像素點構成所述圖像樣本的邊緣。

3.根據權利要求2所述的方法，其特征在于，在所述圖像樣本中確定極大值像素點包括：

在所述圖像樣本中的預設像素點的灰度梯度方向選取與所述預設像素點相鄰的指定數量的像素點，當所述預設像素點的灰度梯度幅值大于或者等于選取的所述像素點的灰度梯度幅值時，將所述預設像素點確定為極大值像素點。

4.根據權利要求1所述的方法，其特征在于，在確定所述邊緣在所述圖像樣本中的位置信息之后，所述方法還包括：

對所述位置信息進行歸一化處理，并將歸一化處理后的位置信息作為所述圖像樣本的邊緣特征。

5.根據權利要求1所述的方法，其特征在于，在確定所述邊緣在所述圖像樣本中的位置信息之后，所述方法還包括：

確定所述邊緣的尺寸參數，并將所述邊緣在所述圖像樣本中的位置信息和所述邊緣的尺寸參數的組合作為所述圖像樣本的邊緣特征；其中，所述邊緣的尺寸參數用于表征所述邊緣在所述圖像樣本中所占的長度。

6.根據權利要求5所述的方法，其特征在于，在確定所述邊緣的尺寸參數之后，所述方法還包括：

將尺寸參數表征的長度小于指定長度閾值的邊緣從檢測到的邊緣中去除，并將剩余的邊緣在所述圖像樣本中的位置信息和所述剩余的邊緣的尺寸參數的組合作為所述圖像樣本的邊緣特征。

7.根據權利要求1所述的方法，其特征在于，所述圖像識別模型按照以下方式訓練得到：

將所述圖像樣本的邊緣特征輸入初始的圖像識別模型，得到所述邊緣特征的預測圖像類型；

確定所述預測圖像類型與所述圖像樣本關聯的圖像類型之間的誤差，并通過所述誤差對所述初始的圖像識別模型中的參數進行校正，以使得將所述邊緣特征再次輸入經過校正的圖像識別模型后，得到的預測圖像類型與所述圖像樣本關聯的圖像類型一致。

8.根據權利要求1所述的方法，其特征在于，所述圖像識別模型的輸出結果中包含分別表征全景圖像和非全景圖像的兩個概率值；相應地，根據所述圖像識別模型的輸出結果判斷所述目標圖像是否為全景圖像包括：

若所述兩個概率值中的較大者表征全景圖像，判定所述目標圖像為全景圖像。