[發(fā)明專利]圖像識別方法、裝置及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201910535939.0
• 申請日: 2019-06-20
• 公開（公告）號: CN110245714B
• 公開（公告）日: 2021-08-20
• 發(fā)明（設(shè)計）人: 王辰龍;高巖;趙雷
• 申請（專利權(quán)）人: 廈門美圖之家科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 趙李

1.一種圖像識別方法，其特征在于，所述方法包括：

將目標圖像輸入至預先訓練得到的分類模型進行識別，輸出所述目標圖像的目標特征向量；

從預設(shè)的多個聚類中心中確定所述目標特征向量所屬的目標聚類中心，其中，各個聚類中心為預先對訓練樣本集進行特征提取及聚類操作所獲得的，所述訓練樣本集包括正樣本子集和負樣本子集；

檢測所述目標聚類中心是否與候選聚類中心一致，其中，所述候選聚類中心為預先獲得的所述正樣本子集在所述多個聚類中心中所屬的聚類中心；

根據(jù)檢測所述目標聚類中心與候選聚類中心是否一致的檢測結(jié)果，判斷所述目標圖像是否與所述正樣本子集中的任意一張圖像屬于相同類型。

2.根據(jù)權(quán)利要求1所述的圖像識別方法，其特征在于，所述從預設(shè)的多個聚類中心中確定所述目標特征向量所屬的目標聚類中心的步驟，包括：

計算所述目標特征向量與預設(shè)的每個聚類中心之間的歐式距離；

將計算得到的最小歐式距離對應(yīng)的聚類中心作為所述目標特征向量所屬的目標聚類中心。

3.根據(jù)權(quán)利要求1所述的圖像識別方法，其特征在于，所述方法還包括：

將所述訓練樣本集中包含的各張樣本圖像導入預先訓練得到的分類模型進行識別，輸出各張樣本圖像的特征向量；

對各張樣本圖像的特征向量進行聚類操作，得到多個聚類中心；

將所述正樣本子集中包含的各張正樣本圖像導入所述分類模型進行識別，輸出各張正樣本圖像的特征向量；

獲得各張正樣本圖像的特征向量在所述多個聚類中心中所屬的聚類中心作為所述候選聚類中心。

4.根據(jù)權(quán)利要求3所述的圖像識別方法，其特征在于，所述對各張樣本圖像的特征向量進行聚類操作，得到多個聚類中心的步驟，包括：

從多張樣本圖像的特征向量中隨機選定預設(shè)數(shù)量個特征向量，作為初始聚類中心；

計算各張樣本圖像的特征向量分別與每個初始聚類中心之間的歐式距離，針對每張樣本圖像，將與該樣本圖像的特征向量之間的歐式距離最小的一個初始聚類中心作為該樣本圖像的特征向量所屬的初始聚類中心；

針對所屬同一初始聚類中心的至少兩張樣本圖像，計算得到該至少兩張樣本圖像的特征向量的中心特征向量，根據(jù)該中心特征向量對其所屬的初始聚類中心進行偏移。

5.根據(jù)權(quán)利要求3所述的圖像識別方法，其特征在于，所述將所述訓練樣本集中包含的各張樣本圖像導入預先訓練得到的分類模型進行識別，輸出各張樣本圖像的特征向量的步驟之后，所述方法還包括：

對每張樣本圖像的特征向量進行正則化主成分分析處理，訓練得到正則化PCA投影矩陣；

將獲得的目標圖像輸入預先訓練得到的分類模型進行識別，輸出所述目標圖像的目標特征向量的步驟之后，所述方法還包括：

利用獲得的所述正則化PCA投影矩陣對所述目標特征向量進行降維處理。

6.根據(jù)權(quán)利要求5所述的圖像識別方法，其特征在于，所述對每張樣本圖像的特征向量進行正則化主成分分析處理，訓練得到正則化PCA投影矩陣的步驟，包括：

根據(jù)所述訓練樣本集包含的樣本圖像的數(shù)量以及每張樣本圖像的特征向量的維度數(shù)，構(gòu)造初始矩陣；

采用正則化算法對所述初始矩陣進行分解，得到所述正則化PCA投影矩陣。

7.根據(jù)權(quán)利要求5所述的圖像識別方法，其特征在于，正則化主成分分析處理后的每張樣本圖像的特征向量包括多維向量，所述方法還包括：

將正則化主成分分析處理后的各張樣本圖像的特征向量包括的每一維向量映射至對應(yīng)的空間坐標軸上；

對映射至各個空間坐標軸上的向量的標準差作歸一化處理；

針對各張樣本圖像，根據(jù)歸一化處理后的向量對該樣本圖像的特征向量進行更新。