[發(fā)明專利]一種場景識別方法及設(shè)備

在審

• 申請?zhí)枺?/td>: 202011293100.X
• 申請日: 2020-11-18
• 公開（公告）號: CN112507805A
• 公開（公告）日: 2021-03-16
• 發(fā)明（設(shè)計）人: 葉力榮;張國棟
• 申請（專利權(quán)）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(lián)合知識產(chǎn)權(quán)代理有限公司 44414
• 代理人: 梁立耀

本申請適用于場景識別技術(shù)領(lǐng)域，提供了一種場景識別方法，包括：獲取待識別的場景圖片，從場景圖片中提取整體特征，以及，從場景圖片中提取顯著圖特征，組合整體特征和顯著圖特征，得到場景圖片的目標(biāo)場景特征；再使用預(yù)設(shè)場景分類器對目標(biāo)場景特征進行分類，得到場景圖片對應(yīng)的場景類型。上述方案，組合整體特征和顯著圖特征，得到場景圖片的目標(biāo)場景特征，更加關(guān)注于場景圖片中的顯著物體，能有效的排除各種干擾因素，從而提升了室內(nèi)場景識別準(zhǔn)確率，并且可以更好的適應(yīng)復(fù)雜環(huán)境，準(zhǔn)確的對復(fù)雜環(huán)境進行識別。

技術(shù)領(lǐng)域

本申請屬于場景識別技術(shù)領(lǐng)域，尤其涉及一種場景識別方法及設(shè)備。

背景技術(shù)

隨著計算機技術(shù)、人工智能的不斷發(fā)展，智能機器人的不斷普及，場景識別已經(jīng)成為計算機視覺的重要研究任務(wù)之一。當(dāng)場景中包含的物體數(shù)量、種類比較多，有多種布局方式，出現(xiàn)遮擋、光照等情況時，都會給場景識別增加難度。現(xiàn)有的場景識別方法中，只是簡單地將全局特征與局部特征不加區(qū)分地進行拼接，這樣并不能有效的排除各種干擾因素，復(fù)雜場景下場景識別的準(zhǔn)確率低。

發(fā)明內(nèi)容

本申請實施例提供了一種場景識別方法及設(shè)備，可以解決現(xiàn)有場景識別方法中不能有效的排除各種干擾因素，復(fù)雜場景下場景識別的準(zhǔn)確率低問題。

第一方面，本申請實施例提供了一種場景識別方法，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(biāo)場景特征；

使用預(yù)設(shè)場景分類器對所述目標(biāo)場景特征進行分類，得到所述場景圖片對應(yīng)的場景類型。

進一步地，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(jù)預(yù)設(shè)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。

進一步地，所述從所述場景圖片中提取顯著圖特征，包括：

根據(jù)預(yù)設(shè)顯著物體識別神經(jīng)網(wǎng)絡(luò)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(yīng)的顯著圖；

根據(jù)預(yù)設(shè)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?jǐn)?shù)，所述物體分?jǐn)?shù)用于標(biāo)識所述顯著物體和所述第一稀疏編碼之間的相關(guān)關(guān)系；

根據(jù)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(jù)所述物體分?jǐn)?shù)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(jù)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。

進一步地，所述根據(jù)所述物體分?jǐn)?shù)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(jù)預(yù)設(shè)判別分析算法獲取判別物體的權(quán)重參數(shù)和非判別物體的權(quán)重參數(shù)；

根據(jù)所述判別物體的權(quán)重參數(shù)、所述物體分?jǐn)?shù)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(jù)所述非判別物體的權(quán)重參數(shù)、所述物體分?jǐn)?shù)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。

進一步地，所述根據(jù)預(yù)設(shè)判別分析算法獲取判別物體的權(quán)重參數(shù)和非判別物體的權(quán)重參數(shù)，包括：