[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: 201810692204.4
• 申請日: 2018-06-29
• 公開（公告）號: CN108960412B
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 左鑫孟;劉曉;李旭峰
• 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: G06N3/04
• 分類號: G06N3/04;G06V10/82;G06V10/46;G06V10/764;G06K9/62
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 許蓓

1.一種圖像識別方法，包括：

提取待識別圖像的局部底層特征；

采用特征提取算法HOG、GIST、或HU矩，提取待識別圖像的全局底層特征；

將所述局部底層特征與所述全局底層特征級聯，得到待識別圖像的底層特征；

將待識別圖像的底層特征與底層特征庫中的底層特征進行匹配；

若底層特征庫中存在匹配的底層特征，將底層特征集中與待識別圖像的底層特征之間的特征距離最小的底層特征所屬的圖像類別，作為待識別圖像的圖像類別；

若底層特征庫中不存在匹配的底層特征，利用深度學習神經網絡提取待識別圖像的深度特征；

將待識別圖像的深度特征與深度特征庫中的深度特征進行匹配，其中，深度特征庫包含利用所述深度學習神經網絡提取的待識別圖像的相似圖像的深度特征，所述待識別圖像的相似圖像的深度特征所屬的圖像類別為負例樣本類別；

將深度特征庫中匹配的深度特征所屬的圖像類別作為待識別圖像的圖像類別。

2.如權利要求1所述的圖像識別方法，其中，所述利用深度學習神經網絡提取待識別圖像的深度特征包括：

從深度學習神經網絡中層號小于第一閾值的神經層中，提取待識別圖像的低層深度特征；

從深度學習神經網絡中層號大于第二閾值的神經層中，提取待識別圖像的高層深度特征，所述第二閾值大于第一閾值；

將所述低層深度特征與所述高層深度特征級聯，得到待識別圖像的深度特征。

3.如權利要求1所述的圖像識別方法，其中，所述將待識別圖像的深度特征與深度特征庫中的深度特征進行匹配包括：

計算待識別圖像的深度特征與深度特征庫中的深度特征之間的特征距離；

若深度特征庫中存在深度特征集，所述深度特征集中的深度特征與待識別圖像的深度特征之間的特征距離小于第三閾值，則將深度特征集中與待識別圖像的深度特征之間的特征距離最小的深度特征所屬的圖像類別，作為待識別圖像的圖像類別。

4.如權利要求1所述的圖像識別方法，所述圖像識別方法還包括：

利用訓練圖像對所述深度學習神經網絡進行訓練，使得所述深度學習神經網絡能夠利用輸入圖像提取輸入圖像的深度特征；

利用所述深度學習神經網絡提取不同類別圖像的深度特征，并利用不同類別圖像的深度特征組成所述深度特征庫。

5.一種圖像識別裝置，包括：

底層特征提取模塊，被配置為提取待識別圖像的局部底層特征，采用特征提取算法HOG、GIST、或HU矩，提取待識別圖像的全局底層特征，將所述局部底層特征與所述全局底層特征級聯，得到待識別圖像的底層特征；

底層特征匹配模塊，被配置為將待識別圖像的底層特征與底層特征庫中的底層特征進行匹配；若底層特征庫中存在匹配的底層特征，將底層特征集中與待識別圖像的底層特征之間的特征距離最小的底層特征所屬的圖像類別，作為待識別圖像的圖像類別；

深度特征提取模塊，被配置為若底層特征庫中不存在匹配的底層特征，利用深度學習神經網絡提取待識別圖像的深度特征；

深度特征匹配模塊，被配置為將待識別圖像的深度特征與深度特征庫中的深度特征進行匹配，其中，深度特征庫包含利用所述深度學習神經網絡提取的待識別圖像的相似圖像的深度特征，所述待識別圖像的相似圖像的深度特征所屬的圖像類別為負例樣本類別；

圖像類別確定模塊，被配置為將深度特征庫中匹配的深度特征所屬的圖像類別作為待識別圖像的圖像類別。

6.如權利要求5所述的圖像識別裝置，其中，所述深度特征提取模塊被配置為：

從深度學習神經網絡中層號小于第一閾值的神經層中，提取待識別圖像的低層深度特征；

從深度學習神經網絡中層號大于第二閾值的神經層中，提取待識別圖像的高層深度特征，所述第二閾值大于第一閾值；

將所述低層深度特征與所述高層深度特征級聯，得到待識別圖像的深度特征。