[發明專利]一種場景識別方法及設備

在審

• 申請號: 202011293100.X
• 申請日: 2020-11-18
• 公開（公告）號: CN112507805A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 葉力榮;張國棟
• 申請（專利權）人: 深圳市銀星智能科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 深圳中一聯合知識產權代理有限公司 44414
• 代理人: 梁立耀

1.一種場景識別方法，其特征在于，包括：

獲取待識別的場景圖片；

從所述場景圖片中提取整體特征，以及，從所述場景圖片中提取顯著圖特征；

組合所述整體特征和所述顯著圖特征，得到所述場景圖片的目標場景特征；

使用預設場景分類器對所述目標場景特征進行分類，得到所述場景圖片對應的場景類型。

2.如權利要求1所述的場景識別方法，其特征在于，所述從所述場景圖片中提取整體特征，包括：

從所述場景圖片中提取特征描述子；

根據預設字典對所述特征描述子進行編碼，得到第一稀疏編碼；

對所述第一稀疏編碼進行最大池化處理，得到整體特征。

3.如權利要求2所述的場景識別方法，其特征在于，所述從所述場景圖片中提取顯著圖特征，包括：

根據預設顯著物體識別神經網絡模型從所述場景圖片中識別出顯著物體，得到所述顯著物體對應的顯著圖；

根據預設物體識別檢測模型對所述顯著圖進行判別檢測，得到所述顯著圖中包含的物體類別；

獲取所述顯著圖中的顯著物體的物體分數，所述物體分數用于標識所述顯著物體和所述第一稀疏編碼之間的相關關系；

根據所述物體類別確定所述顯著物體的判別類型，所述判別類型包括判別物體和非判別物體；

根據所述物體分數和所述第一稀疏編碼確定所述判別物體的判別物體特征和所述非判別物體的非判別物體特征，并根據所述判別物體特征和所述非判別物體特征，確定所述顯著圖特征。

4.如權利要求3所述的場景識別方法，其特征在于，所述根據所述物體分數和所述第一稀疏編碼確定所述判別物體的判別物體特征和所述非判別物體的非判別物體特征，包括：

根據預設判別分析算法獲取判別物體的權重參數和非判別物體的權重參數；

根據所述判別物體的權重參數、所述物體分數和所述第一稀疏編碼，確定所述判別物體的判別物體特征；

根據所述非判別物體的權重參數、所述物體分數和所述第一稀疏編碼，確定所述非判別物體的非判別物體特征。

5.如權利要求4所述的場景識別方法，其特征在于，所述根據預設判別分析算法獲取判別物體的權重參數和非判別物體的權重參數，包括：

獲取第一距離度量和第二距離度量；所述第一距離度量為所有第一目標距離的和，所述第一目標距離為所述判別物體的特征與其相鄰的判別物體的特征之間的距離；所述第二距離度量為所有第二目標距離的和，所述第二目標距離為所述判別物體的特征與其相鄰的非判別物體的特征之間的距離；

根據所述第一距離度量和所述第二距離度量確定特征分離信息；

在預設權重參數范圍內確定使所述特征分離信息最大的判別物體的權重參數和非判別物體的權重參數。

6.如權利要求3所述的場景識別方法，其特征在于，所述根據所述物體類別確定所述顯著物體的判別類型，包括：

統計預設樣本集中目標場景出現的第一次數，以及所述顯著物體的在所述目標場景中出現的第二次數；

若所述第二次數和所述第一次數的比值小于或者等于預設噪聲閾值，則判定所述顯著物體為非判別物體；

若所述第二次數和所述第一次數的比值大于所述預設噪聲閾值，則判定所述顯著物體為判別物體。

7.如權利要求3所述的場景識別方法，其特征在于，所述獲取所述顯著圖中的顯著物體的物體分數，包括：

獲取所述顯著圖中的顯著物體對應的面積；

根據預設計算規則和所述面積，計算所述顯著圖中的顯著物體的物體分數。

8.如權利要求1所述的場景識別方法，其特征在于，在所述使用預設場景分類器對所述目標場景特征進行分類，得到所述場景圖片對應的場景類型之前，還包括：

獲取樣本訓練集；所述樣本訓練集包括樣本場景特征及其對應的場景類型；

通過所述樣本訓練集對預設分類器進行訓練，得到用于識別所述場景圖片對應的場景類型的預設場景分類器。