[发明专利]图像识别设备及方法

权利要求书

1.一种图像识别方法，包括：

从输入图像提取K种类型的特征，其中，K为大于1的自然数；

分别对提取的K种类型的特征进行编码，以获得用于表示输入图像的与K种类型相应的K个直方图；

利用用于对预设的M个类进行分类的分类器对获得的K个直方图进行分类，以获得预设的M个类的得分，其中，针对K种类型的每种类型，训练用于对预设的M个类进行分类的分类器，来对相应类型的直方图进行分类，其中，M为大于1的自然数；

对获得的预设的M个类的得分进行融合。

2.如权利要求1所述的图像识别方法，其中，所述融合的步骤包括：根据特征的类型将相同类的各个得分加权，将相同类的加权后的得分相加，得到与M个类相应的M个得分。

3.如权利要求2所述的图像识别方法，其中，所述融合的步骤还包括：选择M个类中的一个类作为主导类，根据主导类与M个类中的其他类之间的依存关系，对所述M个得分加权，将加权后的M个得分相加，以得到与主导类相应的一个得分，其中，依次选择M个类的每个类作为主导类，计算与每个主导类相应的得分。

4.如权利要求1所述的图像识别方法，其中，所述融合的步骤包括：选择M个类中的一个类作为主导类，根据主导类与M个类中的其他类之间的依存关系，对M个类中的每个类的得分加权，将加权后的得分相加，以得到与主导类相应的一个得分，其中，依次选择M个类的每个类作为主导类，计算与每个主导类相应的得分。

5.如权利要求2所述的图像识别方法，其中，将相同类的得分加权的步骤包括：训练用于加权的权重，以最大化平均精度。

6.如权利要求5所述的图像识别方法，其中，训练用于加权的权重的步骤包括：

对权重向量e进行初始化，得到初始化的权重向量e₀，其中，向量e₀的各个元素的值相同；

使用当前的向量e_p计算平均精度E_p＝AP(e_p)，其中，AP()为计算平均精度的函数，其中，在执行初始化之后，当前向量e_p＝e₀；

获得步长向量б，通过将当前的向量e_p与步长向量б相加，得到新的向量e_new，其中，步长向量б的各个元素是预定数值范围内的随机数；

使用新的向量e_new再次计算平均精度E_new＝AP(e_new)；

如果E_new大于等于E_p，则e_p＝e_new，重复将当前的向量e_p改变步长б的步骤；

如果E_new小于E_p，则确定随机函数rand(E_p，E_new)是否大于0；

如果确定rand(E_p，E_new)大于0，则e_p＝e_new，重复将当前的向量e_p改变步长б的步骤；

如果确定rand(E_p，E_new)不大于0，则e_p保持不变，重复将当前的向量e_p改变步长б的步骤，

其中，随机函数rand(E_p，E_new)满足下面的条件：E_new越大，rand(E_p，E_new)＞0的概率越大；或者在E_new大于一阈值之后，E_new越大，rand(E_p，E_new)＞0的概率越大。

7.如权利要求6所述的图像识别方法，其中，当改变步长预定次数之后或者当E_new达到预定值时，将此时的e_p作为最终训练得到的权重向量e。

8.如权利要求3或4所述的图像识别方法，其中，根据主导类与M个类中的其他类之间的依存关系进行加权的步骤包括：训练用于加权的权重，以最大化平均精度。