[發明專利]物體識別方法及裝置

有效

• 申請號: 201910236937.1
• 申請日: 2019-03-26
• 公開（公告）號: CN110070107B
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 岳俊;劉健莊;許松岑;顏友亮;錢莉
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種物體識別方法，其特征在于，包括：

獲取待識別圖像及所述待識別圖像的一個或多個主體區域，所述主體區域包括有待識別的物體；

確定所述一個或多個主體區域中每個主體區域的顯著性評分；所述主體區域的顯著性評分用于表征該主體區域內物體的顯著程度；

當主體區域A的顯著性評分大于或等于分類閾值時，根據所述主體區域A內物體的特征確定所述主體區域A內物體的特征向量，并根據所述主體區域A內物體的特征向量與特征庫中的類別特征向量確定所述主體區域A內物體的類別；其中，所述主體區域A為所述一個或多個主體區域中的任一個主體區域，所述類別特征向量用于表征同一類物體的共用特征或者一種物體的特征；

接收第三方的N類樣本及每類樣本的類別，所述N類樣本中每類樣本包括多個樣本，所述N為大于0的整數；

若所述特征庫不包括所述N類樣本中的第T類樣本中的每個樣本的類別，根據CNN特征提取模型獲取所述第T類樣本中的每個樣本的特征向量；

根據所述第T類樣本中每個樣本的特征向量確定所述第T類樣本的特征中心向量；所述第T類樣本的特征中心向量為所述第T類樣本中所有樣本的特征向量的平均值；

將所述第T類樣本的特征中心向量及第T類樣本的類別添加到所述特征庫中，T為小于N大于0的整數；

所述方法還包括：

根據多個樣本訓練所述CNN特征提取模型；其中，所述根據多個樣本訓練所述CNN特征提取模型，包括：根據所述CNN特征提取模型獲取所述多個樣本中的樣本S對應的四元組(a，C_P，C_N，n)，所述a為所述樣本S的特征向量，所述C_P為所述樣本S所屬類別對應的特征中心向量，所述C_N為與所述a距離最近的異類樣本的特征中心向量，所述n為與所述C_P距離最近的異類樣本的特征向量；

根據所述多個樣本的四元組及損失函數訓練所述CNN特征提取模型，直至所述損失函數的值小于預設精度；所述損失函數用于表征所述CNN特征提取模型的精度。

2.根據權利要求1所述的物體識別方法，其特征在于，所述獲取所述待識別圖像的一個或多個主體區域，包括：

將所述待識別圖像輸入到顯著性概率圖生成模型，以得到所述待識別圖像的顯著性概率圖；所述顯著性概率圖的尺寸與所述待識別圖像的相同；

對所述顯著性概率圖進行二值化處理，以得到二值顯著性概率圖；

根據連通區域識別方法對所述二值顯著性概率圖進行處理，以得到所述一個或多個主體區域。

3.根據權利要求1所述的物體識別方法，其特征在于，所述確定所述一個或多個主體區域中每個主體區域的顯著性評分，包括：

獲取所述主體區域A內顯著性概率值的集合N_A和非主體區域A’內的顯著性概率值的集合N_A’，所述非主體區域A’為在所述待識別圖像的顯著性概率圖中除了所述主體區域A之外的區域；

根據所述主體區域A內顯著性概率值的集合N_A和所述非主體區域A’內的顯著性概率值的集合N_A’分別獲取所述主體區域A的平均顯著性概率值和非主體區域A’的平均顯著性概率值；

根據所述主體區域A的平均顯著性概率值和非主體區域A’的平均顯著性概率值計算得到所述主體區域A的顯著性評分；

其中，所述主體區域A的顯著性評分為所述主體區域A的平均顯著性概率值與非主體區域A’的平均顯著性概率值的比值；所述一個或多個主體區域的顯著性評分包括所述主體區域A的顯著性評分。