[发明专利]一种图像识别方法及装置

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像识别方法及装置。

背景技术

随着互联网购物的蓬勃发展，人们对产品图片进行分组的需求越来越庞大。目前针对产品拍摄图片并进行分组一般是通过人工完成的，其流程大致为：将拍摄相机内的产品图片拷贝到PC机后，通过人工识别将若干张同类图片归为一组，并移动到一个新文件夹中，然后对新文件夹以相应产品条码命名。

上述方法涉及到人工识别产品图片、图片归类及图组命名等环节，当产品图片的数量增大时，在图片识别和图片分类的过程中发生错误的机率也随之增大。除此之外，人工分图的方法效率也较低。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种图像识别方法及装置。所述技术方案如下：

一方面，提供了一种图像识别方法，所述方法包括：

采用云模型对待识别图像进行分割，得到多个图像块；

采用并行强化学习方法对所述多个图像块进行学习，得到多类特征组合；

基于D-S证据理论对所述多类特征组合进行融合，确定所述待识别图像所包含物品。

另一方面，提供了一种图像识别装置，所述装置包括：

图像分割模块，用于采用云模型对待识别图像进行分割，得到多个图像块；

特征提取模块，用于采用并行强化学习装置对所述多个图像块进行学习，得到多类特征组合；

特征融合模块，用于基于D-S证据理论对所述多类特征组合进行融合，确定所述待识别图像所包含物品。

本发明实施例提供的技术方案带来的有益效果是：

基于并行强化学习的多类特征组合优化方法，充分利用图像各单一特征之间的优势特征，综合考虑多类特征对图像进行描述，使得图像识别较准确。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的图像识别方法流程图；

图2是本发明实施例提供的图像识别方法流程图；

图3是本发明实施例提供的图像识别装置结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

图1是本发明实施例提供的图像识别方法流程图。参见图1，该方法包括：

101、采用云模型对待识别图像进行分割，得到多个图像块；

102、采用并行强化学习方法对该多个图像块进行学习，得到多类特征组合；

103、基于D-S证据理论对该多类特征组合进行融合，确定该待识别图像所包含物品。

可选地，该采用云模型对待识别图像进行分割，得到多个图像块之前，该方法还包括：

获取该待识别图像。

可选地，该采用云模型对待识别图像进行分割，得到多个图像块包括：

将图像空间中的像素用对应的特征空间点表示；

根据该对应的特征空间点在特征空间的聚集对特征空间进行分割；

将该对应的特征空间点映射回原图像空间，得到多个图像块。

可选地，该采用并行强化学习方法对该多个图像块进行学习，得到多类特征组合包括：

对于多个强化学习代理的每一个强化学习代理，将该多个图像块的角度调整至预设角度；

分别提取该多个图像块特征信息，得到该强化学习代理学习的特征组合，该特征信息包括颜色特征信息、纹理特征信息和形状特征信息。

本发明实施例提供的方法，基于并行强化学习的多类特征组合优化方法，充分利用图像各单一特征之间的优势特征，综合考虑多类特征对图像进行描述，使得图像识别较准确。

图2是本发明实施例提供的图像识别方法流程图。参见图2，该方法包括：

201、获取该待识别图像；

在本发明实施例中，该待识别图像可以是从云存储器获取，也可以是从终端获取，也可以是终端拍摄到该待识别图像后，推送至服务器侧。

202、采用云模型对待识别图像进行分割，得到多个图像块；