[發明專利]基于人物細粒度特征的圖像識別方法及裝置

在審

• 申請號: 202010655258.0
• 申請日: 2020-07-14
• 公開（公告）號: CN111860250A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 覃俊;羅一凡;帖軍;李子茂;徐勝舟;葉正;馬天宇
• 申請（專利權）人: 中南民族大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 徐進之

1.一種基于人物細粒度特征的圖像識別方法，其特征在于，所述方法包括以下步驟：

獲取待識別人物圖像；

對所述待識別人物圖像進行特征提取，獲得人物特征圖層；

將所述人物特征圖層輸入至預設超列特征識別模型中，獲得對應的圖像識別結果；

根據所述圖像識別結果獲取圖像識別準確率；

在所述圖像識別準確率大于或等于預設標準閾值時，將所述圖像識別結果作為基于人物細粒度特征的圖像識別結果。

2.如權利要求1所述的方法，其特征在于，所述獲取人物的待識別圖像的步驟之前，還包括：

獲取不同人物對應的圖像訓練集，對所述圖像訓練集進行遍歷，獲得遍歷到的當前訓練圖像；

根據所述當前訓練圖像獲取對應的樣本卷積圖層；

從所述樣本卷積圖層中提取樣本特征圖層；

獲取所述樣本特征圖層對應的圖層像素點集；

通過預設上采樣法對所述圖層像素點集進行疊加處理，獲得樣本超列集；

在遍歷結束時，根據獲得的所有樣本超列集構建樣本超列集集合；

分別對所述樣本超列集集合中的每個樣本超列集進行預處理，獲得樣本目標圖像集合；

獲取所述樣本目標圖像集合包含的各樣本目標圖像對應的樣本人物識別結果；

根據所述訓練圖像集和所述樣本人物識別結果構建預設超列特征識別模型。

3.如權利要求2所述的方法，其特征在于，所述分別對所述樣本超列集集合中的每個樣本超列集進行預處理，獲得樣本目標圖像集合的步驟，包括：

對所述樣本超列集集合進行遍歷，獲得遍歷到的當前樣本超列集；

通過預設下采樣法對所述當前樣本超列集進行預處理，獲得目標超列集；

對所述目標超列集進行扁平化處理，獲得目標區域；

根據所述目標區域確定注意區域定位參數；

在遍歷結束時，根據獲得的所有注意區域定位參數構建注意區域定位參數集合；

根據所述注意區域定位參數集合中的每個注意區域定位參數，分別對所述樣本目標圖像集合包含的各樣本目標圖像進行處理獲得樣本目標圖像集合。

4.如權利要求3所述的方法，其特征在于，所述根據所述注意區域定位參數集合中的每個注意區域定位參數，分別對所述樣本目標圖像集合包含的各樣本目標圖像進行處理獲得樣本目標圖像集合的步驟，包括：

對所述注意區域定位參數集合進行遍歷，獲得遍歷到的當前注意區域定位參數；

根據所述當前注意區域定位參數確定目標區域位置；

根據所述目標區域位置對所述當前訓練圖像進行區域裁剪，獲得目標區域圖像；

通過預設雙線性插值法對所述目標區域圖像進行放大處理，獲得樣本目標圖像；

在遍歷結束時，根據獲得的所有樣本目標圖像構建樣本目標圖像集合。

5.如權利要求2所述的方法，其特征在于，所述獲取所述樣本目標圖像集合包含的各樣本目標圖像對應的樣本人物識別結果的步驟之后，還包括：

將所述樣本特征圖層輸入至預設殘差模型中獲得樣本高維特征圖層；

根據所述樣本高維特征圖層確定樣本類別概率損失值；

判斷所述樣本類別概率損失值是否大于預設概率閾值；

在所述樣本類別概率損失值大于所述預設概率閾值時，執行所述根據所述訓練圖像集和所述樣本人物識別結果構建預設超列特征識別模型的步驟。

6.如權利要求5所述的方法，其特征在于，所述判斷所述樣本類別概率損失值是否大于預設概率閾值的步驟之后，還包括：

在所述樣本類別概率損失值小于或等于所述預設概率閾值時，返回所述從所述樣本卷積圖層中提取樣本特征圖層的步驟。

7.如權利要求1所述的方法，其特征在于，所述對所述待識別人物圖像進行特征提取，獲得人物特征圖層的步驟，包括：

將所述待識別人物圖像輸入至預設卷積神經網絡模型中獲得初始特征圖層；

對初始特征圖層進行池化處理，獲得注意力圖像；

根據所述注意力圖像和所述初始特征圖層得到人物特征圖層。